主页 > 数据处理 > 常见的5种数据分析方法

常见的5种数据分析方法

2022-12-09 00:44来源:m.sf1369.com作者:宇宇

一、常见的5种数据分析方法

所谓公式法就是针对某个指标,用公式层层分解该指标的影响因素。

举例:分析某产品的销售额较低的原因,用公式法分解:

对比法就是用两组或两组以上的数据进行比较,是最通用的方法。

我们知道孤立的数据没有意义,有对比才有差异。

一些直接描述事物的变量,如长度、数量、高度、宽度等,通过对比得到比率数据,增速、效率、效益等指标,这才是数据分析时常用的。

比如:用于在时间维度上的同比和环比、增长率、定基比、与竞争对手的对比、类别之间的对比、特征和属性对比等。

对比法可以发现数据变化规律,使用频繁,经常和其他方法搭配使用。

通过对2种及以上纬度的划分,运用坐标的方式表达出想要的价值。由价值直接转变为策略,从而进行一些落地的推动。象限法是一种策略驱动的思维,常于产品分析、市场分析、客户管理、商品管理等。

28法也可以叫帕累托法则,源于经典的二八法则。比如在个人财富上可以说世界上20%的人掌握着80%的财富。而在数据分析上,则可以理解为20%的数据产生了80%的效果,需要围绕这20%的数据进行挖掘。

漏斗法即是漏斗图,有点像倒金字塔,是一个流程化的思考方式,常用于像新用户的开发、购物转化率这些有变化和一定流程的分析中。

二、企业应用大数据的三个误区和原则

企业应用大数据的三个误区和原则_数据分析师考试

目前大数据很火,但是实际情况并不像大数据供应商说的那样,企业采用了大数据就会产生商机。目前企业对于大数据有三个认识误区:一、大数据技术会自行识别出商机;二、就是掌握的数据越多,自动创造出的价值也越多;三、数据科学家可以帮助任何公司从大数据中盈利,无论该公司的组织架构如何。

误区一:大数据技术会自行识别商机。

危险:尽管投入了大量的资金和时间,但这种投资所产生的回报非常有限。失败的技术布局往往是以假想这种新工具会自行产生价值开始。成功利用大数据能量的企业往往都是在重金投入大数据技术前,先将高级分析应用于少量高价值商业问题的解决。在这个过程中,他们学会了如何有组织地实施解决方案,也获得了对于运营挑战的新认识,并渐渐了解其数据和技术的局限性。根据对于他们实际需求的理解,他们可以确定大数据技术解决方案的具体要求。

误区二:掌握的数据越多,自动产生的价值也越多。

危险:对于未经证实的数据来源过度投资,忽略了那些有价值的、接近真相的数据来源。

随着社交媒体和移动设备的爆炸性增长,获取和利用新数据的诱惑在不断强化。很多大型机构已经被淹没在数据的海洋中了,其中多数数据存储在筒仓内,不能轻易接触并连接。我们发现,成功的大数据之路往往始于充分开发该机构的现有数据。

误区三:好的数据科学家会为你发现价值。

危险:现有组织还没有做好实现数据价值的准备。为了从大数据中持续获利,你需要打造出一个持续利用大数据和高级分析力量的运营模式。基于数据和分析团队的思考,成功的数据驱动业务可以让其组织、流程、体制和能力协调化,以做出更好的业务决策。

总结

那些能够实现客户数据分析承诺的公司通常遵循以下三个规则:

在投资大数据技术解决方案前,证明你所在的机构可以将高级分析应用于解决一些高价值的业务问题。

在向新数据来源扩张前,先利用现有数据创造价值。然后再利用测试学习的方法,向你的历史数据注入前瞻性数据。

将运营模式赋能企业,特别是业务前线,使其快速行动,并对企业高级分析团队的洞见报有信心。

以上是小编为大家分享的关于企业应用大数据的三个误区和原则的相关内容,更多信息可以关注环球青藤分享更多干货

三、【第1周】数据分析惯用的5种分析方法

就好比中学里你要解一元二次方式,可以用公式法、配方法、直接开平方法、因式分解法。

数据分析里也有技巧,在一些通用的分析场景下可以快速使用,而且对未来构建数据分析模型也有帮助。

所谓公式法就是针对某个指标,用公式层层分解该指标的影响因素

举例:分析某产品的销售额较低的原因, 用公式法分解

某产品销售额=销售量 X 产品单价

销售量=渠道A销售量 + 渠道B销售量 + 渠道C销售量 + …

渠道销售量=点击用户数 X 下单率

点击用户数=曝光量 X 点击率

通过对销售额的逐层拆解,细化评估以及分析的粒度。

公式拆解法是针对问题的层级式解析,在拆解时,对因素层层分解,层层剥尽。

对比法就是用两组或两组以上的数据进行比较,是最通用的方法。

我们知道孤立的数据没有意义,有对比才有差异。一些直接描述事物的变量,如长度、数量、高度、宽度等。通过对比得到比率数据,增速、效率、效益等指标,这才是数据分析时常用的。

比如用于在时间维度上的同比和环比、增长率、定基比,与竞争对手的对比、类别之间的对比、特征和属性对比等。对比法可以发现数据变化规律,使用频繁,经常和其他方法搭配使用。

通过对两种及以上维度的划分,运用坐标的方式表达出想要的价值。由价值直接转变为策略,从而进行一些落地的推动。

象限法是一种策略驱动的思维,常于产品分析、市场分析、客户管理、商品管理等。

比如,下图是一个广告点击的四象限分布,X轴从左到右表示从低到高,Y轴从下到上表示从低到高。

还有经典的RFM模型 ,把客户按最近一次消费(Recency)、消费频率(Frequency)、消费金额 (Monetary)三个维度分成八个象限。

象限法的优势:

1.找到问题的共性原因

通过象限分析法,将有相同特征的事件进行归因分析,总结其中的共性原因。例如上面广告的案例中,第一象限的事件可以提炼出有效的推广渠道与推广策略,第三和第四象限可以排除一些无效的推广渠道;

2.建立分组优化策略

针对投放的象限分析法可以针对不同象限建立优化策略,例如RFM客户管理模型中按照象限将客户分为重点发展客户、重点保持客户、一般发展客户、一般保持客户等不同类型。

二八法也可以叫帕累托法则,源于经典的二八法则。在数据分析中,则可以理解为20%的数据产生了80%的效果需要围绕这20%的数据进行挖掘

二八法是抓重点分析,适用于任何行业。找到重点,发现其特征,然后可以思考如何让其余的80%向这20%转化,提高效果。

一般地,会用在产品分类上,去测量并构建ABC模型。比如某零售企业有500个SKU以及这些SKU对应的销售额,那么哪些SKU是重要的呢,这就是在业务运营中分清主次的问题。

常见的做法是将产品SKU作为维度,并将对应的销售额作为基础度量指标,将这些销售额指标从大到小排列,并计算截止当前产品SKU的销售额累计合计占总销售额的百分比。

百分比在 70%(含)以内,划分为 A 类。

百分比在 70~90%(含)以内,划分为 B 类。

百分比在 90~100%(含)以内,划分为 C 类。

ABC分析模型,不光可以用来划分产品和销售额,还可以划分客户及客户交易额等。比如给企业贡献80%利润的客户是哪些,占比多少。假设有20%,那么在资源有限的情况下,就知道要重点维护这20%类客户。

是一个流程化的思考方式,常用于像新用户的开发、购物转化率这些有变化和一定流程的分析中。

整体漏斗模型的核心思想其实可以归为分解和量化。 比如分析电商的转化,我们要做的就是监控每个层级上的用户转化,寻找每个层级的可优化点。对于没有按照流程操作的用户,专门绘制他们的转化模型,缩短路径提升用户体验。

AARRR模型 :用户获取、用户激活、用户留存、用户收益以及用户传播

单一的漏斗分析是没有用的,不能得出什么结果,要与其它相结合,如与历史数据的对比等。

相关推荐

车联网企业国内有哪些?

数据处理 2023-12-23

注册计量师-请教贴

数据处理 2023-12-19

逆光照片怎么处理

数据处理 2023-12-08