数据分析 从零到一 全景梳理（61页）.pptxVIP

数据分析从零到一全景梳理;

三个角度对指标进行拆解：指标=维度+汇总方式+量度

?维度：从什么角度去衡量问题

?汇总方式：用什么方法去统计问题

?量度：目标是什么;

四、指标的生命周期—不同阶段使用不同指标

①导入期：业务目标在于建立知名度，通过口碑引流，着重关注新注册人数、分享率指标。

②成长期：业务目标在于通过不同渠道布局推广最大限度占有市场，着重关注新会员来源渠道占比等指标。

③成熟期：业务目标在于将前期流量变现，确保盈利规模，着重关注付费率、毛利率等指标。

④衰退期：此时，市场增量收缩，要求对存量人群精细化运营，着重关注复购率、重购金额占比等指标;;

数据分析领域主要岗位

数据分析领域所需技能;;;

反映过去产品和业务情况

能够反映过去产品和业务的情况，对现在情况做

对比和参考

现有业务线的状态监控

对目前产品业务线的状态进行监控;

查看不同层级的数据指标,找出原因

确定哪些数据指标没达标,是什么原因,是推广少、成本高、用户少,还是转化率低或者付费率低等

搭建以日、周、月为单位的数据指标监控体系报表

通过过去一周的数据反映产品现状

通过过去三个月的产品业务线数据变化趋势预估末来变化趋势;

解释原因—解决方案

对产品或者用户行为中现象或者数据变化进行解释，了解发生现象或者数据异常波 动的原因，并针对性地给出解决方案;

指标不合理,评估出现偏差

每个指标都有特定的统计逻辑,反映事物某一方面的特点。如果指标定义不当,很容易得出错误的结论;

数据分析流程

决策方向从“业务经验驱动”向“数据量化驱动”转型，更好地管理企业、驱动业务线的改进、挖掘业务的增长点;;

1.明确需要。需要什么维度的数据？如会员付费总额、付费企业数、客单价、会员付费次数、会员各等级占比

2.拆解指标。需要找到核心数据指标进行拆解，为后续明确收集哪些数据，这里可以采用结构化分解的方法“MECE法则”，

即“相互独立、完全穷尽”，也就是“不重叠，不遗漏”

3.数据采集／处理。拆解指标后，对数据进行采集，确定是直接调取数据库还是提前让技术埋点

4.数据分析。完成数据整理后，如何对数据进行综合分析？是相关分析还是对比分析？还要考虑用什么分析方法，如5W2H分析法、4P分析法、杜邦分析法等

1.数据展现。找到问题后，让数据呈现出画面感。如新增渠道的付费转化率较低，那么转化率低代表什么？此时就需要考虑用什么图表表现，是柱状图还是趋势图等

2.输出价值。找准问题，就要进行决策，考虑如何输出，例如，怎么说服技术人员？怎么说服运营策划人员？

3.执行方案。确定具体执行方案是什么？预期达到的效果如何？;

用数据说事实而不是观点

1、说事实，而不是观点。

?大部分人不是真正地寻找事实，而是寻找那些能证明自己观点的事实。

?大部分人表达的事实，可能已经是带有自己价值取向的观点

2、用客观标准代替主观判断

3、利用演绎法中的核心思维方式：三段论三段论是“大前提→小前提→结论”的推理过程

4、具备一定的好奇心;

做出假设，分析验证4

?数据指标起点：数据指标刚下跌时，发生了什么事件，往往起点事件是问题发生的直接原因

?数据指标拐点：在指标持续下跌过程中，是否某个事件的出现让问题变得更严重，或者开始改善

?数据指标终点：当某个事件结束后，指标恢复正常；或当开始某个事件后，指标下跌结束;

峰度

评估一组数据的分布形状的高低程度

偏度

评估一组数据的分布的对称程度;;

对比分析遵循原则

●对比对象要一致

●对比时间属性要一致

●对比指标的定义和计算方法要一致

●对比数据源要一致

分析需要明确几个问题：比什么？怎么比？和谁比？然后通过系统的横向对比（和行业、竞品比）和纵向对比（和历史同比、环比），发现问题的内在规律，得出比较准确和可靠的结论;;

时间衰减归因模型：基于一种假设：认为渠道越接近转化，对转化的影响力就越大.适用场景：和末次归因模型比较类似，适用于客户决策周期短、销售周期短、引导用户完成转化的场景;

预测分析是实际工作场景中必备的分析方法，有助于提高公

司产品的服务效率、发现潜在威胁、优化未来工作模式等

什么是预测？基于过去和现在的数据，来预测未来的过程。数

据在时间维度上呈现出一定的变化规律，基于这个规律才可以

进行预测，这个过程一般叫作时间序列预测

时间序列数据包含的组成部分

●趋势性：趋势是事物发展或变化的总体方向

●季节性：以固定的时间周期重复出现，称为季节性。这里的季节性不