数据分析三大思路

1、基本步骤(标准动作)

1)挖掘业务含义,业务场景 

2)制定分析计划,对场景拆分

3)拆分需要的数据

4)从数据结果中提炼商务洞察

5)商业决策

2、内外因素分解法

四个角度:内部、外部、可控、不可控,做象限图分析。

例如:

内部可控:产品更新、用户留存;外部可控:竞争对手行为、用户习惯的变化

内部不可控:产品策略、公司战略、定位;外部不可控:经济形势

根据内外因素分解法,全面的分析数据指标,避免遗失影响因素。

3、DOSS思路

具体问题DetailQuestion:提出需求

整体影响Overall Influence:机器学习、从整体上找具体问题的发生规律

单一回答SingleAnswer:针对性建模

规模化方案ScaledSolution:规模化建模

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
数据分析思路 数据分析是在当今每个企业都所需要涉及的⼀门学科,数据分析的书随便⼀搜就会有太多教⼤家如何的去使⽤。⼤致能把搜到的书分为两 类:第⼀类讲数据理论统计学相关的,第⼆类就是数据分析⼯具应⽤类型的。⽽⼤部分我们所购买的书基本都是某⼀类⼯具如何使⽤去进⾏ 数据分析,但是看完过后还是不太懂什么是数据分析,应⽤到实际⼯作场景照样很迷茫不知道该如何下⼿,这是什么原因呢?有的⼩伙伴 会说:我想分析的根本没有数!拿到的这个数也就只能做做折线图,同⽐环⽐两组数对⽐⼀下!业务当发⽣了什么数据好像不能看出来! 不知道⼀个函数得出的结果代表什么!还有可能我根本不会⽤⼀些⼯作等等。。。 那为什么很多伙伴都想学数据分析呢?我想原因可能很简单:就是数据分析相关的岗位⼯资⾼啊!现在进⼊⼤数据时代不会点数据分析你具 备核⼼竞争⼒吗? 本⽂就以个⼈愚见来探讨⼀下如何去做数据分析。⽂章⼤致分四个层次分别为: 需求层 、 数据层 、 分析层 、 输出层 。也是数据分析按重要 顺序排的⼤体步骤。 需求层 需求层为什么是最重要的呢?因为需求是数据分析的开始,也是你要分析的⽬标⽅向。如果你都不知道你要分析什么,还怎么谈如何分析? 数据分析需求的来源往往有3种场景:1.监控到现有的指标出现了异常情况需要通过数据分析去找原因;2.公司要对现有的运营模式或者某 个产品进⾏评估确定是否需要进⾏调整或者优化;3.公司下达了战略⽬标或短期⽬标需要通过分析看如何达成。要确定需求就必须与需求⽅ 进⾏沟通,清楚的确认需求的内容或者⾃⼰要分析前必须要清楚你想要的结果是什么⽅向。举个简单的例⼦:年底将近,双⼗⼀⼤促销在 即,数据分析师们⼜到了⼀年最⾟苦,最悲催的时间段。然⽽,有多少⽆意义的加班,是因为业务部门不会提需求所导致的。需求提的不合 理,业务部门看了不解决问题,就会反反复复的再提需求。导致数据分析师们⾟苦加班还不落好,背上⼀个:"分析没深度啊!"的坏名 声。其实这不能怪需求⽅不会提需求,⽽是你作为数据分析⼈员要⽤你的经验,你的专业技能,你的沟通技巧去引导,去确定,去达成⼀ 致。 所有要做到清晰的确定需求,需要⾃⾝具备:1、对业务、产品、需求背景有⽐较深的了解。了解的⾜够对你才能去引导去判断这个需求; 2、光了解需求⽅是还不够的,你需要从获得的需求快速的去结合你所掌握的技能组⼯具有个初步的分析思路;3、综合判断后你再决定是 否需要分析,应该怎么分析,与需求⽅沟通确定清楚两⽅理解是否⼀致。如果⽆法做到就会出现很多⽆法避免的问题。 理论上数据分析师所从事的⼯作是给出业务⽅相应的数据结果,⽽不是解决⽅案。虽然也有分析两个字,但是如何设计解决⽅案是业务部门 的事。运营部门就该做活动⽅案,产品经理就该出产品⽅案,销售部门就该想东西怎么卖。这才是业务部门的本职⼯作。吵吵着:"你说我 不⾏,你⾏你上啊"是玩忽职守的扯⽪表现。如果连具体的业务⽅案都让分析师来想了,分析师也⼲脆把业务部门的⼯资领了算了。但是当 下专业的数据分析师是需要⽐业务⽅更了解业务,你不了解业务下的结论领导或者需求⽅感信任吗?所以,⼀个业务技术双精通的数据分析 师,是可以替业务⽅搞定上边所有问题的,不依赖业务⽅的判断,因为他⾃⼰就是个业务⾼⼿,有丰富的实战经验与业务能⼒。但这种⼈是 可遇不可求的。⼤部分数据分析师还是70%时间处理数据的技术男。 在需求层我总结⼀下我们所需要了具备的能⼒:1、对业务、产品、需求背景有⾜够的了解,如果不了解说明你在这块应该先去充充电; 2、然后当你⽆法想到分析⽅法的时候说明你对现有的数据不够了解。你同样该去了解了解数据的来源,数据的流转,数据的定义。 数据层 ⽬标需求确定过后,现在的你就需要开始准备相关的数据了。数据层⼤致分为: 数据获取 、 数据清洗 、 数据整理 。有的伙伴会问,数据应该 从哪来呢?数据来源取决于你分析需求,有直接从企业数据库通过SQL进⾏取数、有通过各统计⽹站进⾏数据下载,有通过爬⾍技术在互联 ⽹进⾏数据抓取,也有通过企业已经加⼯好的数据报表,这⾥主要去讲在⼤数据时代如何去准备数据。因为利⽤数据库才能实现⼤数据下的 真正核⼼分析,你才能配上数据分析师这次名称。 ⼤数据(Big Data)是指"⽆法⽤现有的软件⼯具提取、存储、搜索、共享、分析和处理的海量的、复杂的数据集合。⼤数据挖掘商业价值的 ⽅法主要分为四种1.客户群体细分,然后为每个群体量定制特别的服务;2.模拟现实环境,发掘新的需求同时提⾼投资的回报率;3.加强部 门联系,提⾼整条管理链条和产业链条的效率;4.降低服务成本,发现隐藏线索进⾏产品和服务的创新。 为什么⼤数据能实现这些场景?因为⼤数据的类型⼤致可分为三类:1.传统企业数据(Traditional enterprise data):包括 CRM syst

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值