python数据分析01-数据分析、常见业务指标及常见分析方法.pdfVIP

python数据分析01-数据分析、常见业务指标及常见分析⽅法 1什么是数据分析？ 数据分析：就是使⽤分析⽅法和分析⼯具在⼤量数据中提取有价值的信息，形成有效结论，挖掘数据最⼤价值的过程。 再简单来说，数据分析就是⽤来分析数据对象内在规律的，变废为宝。 如果再做成图表，就更能清晰的看出其中的规律，⽅便对症下药。 1.1必备技能 硬实⼒： 1. Excel：数据存储、数据清洗、可视化⽅⾯，需要掌握常⽤的操作及重要函数，图标和数据透视功能。 2. SQL：SQL语句的提取分析。 3. SPSS：统计分析软件，提供可视化按钮。 4. Python：数据爬取、分析，含数据分析第三⽅包numpy/pandas/matplotilib/sklearn。 软实⼒： 1. 业务知识：要懂业务，要懂爬⾍。 2. 逻辑思维分析⽅法：对⽐分析、多维度拆解分析、相关分析等。 3. 沟通表达：良好的沟通能⼒，不说废话，擅长跨部门协作。 4. 统计学知识：统计学原理，对知识的要求不⾼。 5. 机器学习：机器学习模型和算法，有难度，但是发展好。 1.2业务数据分析 1. 数据⽀持 2. 数据报表 3. 数据监控，问题分析 4. 专题报告 1.3建议 做什么⼯作都不容易，当你下决⼼做⼀件事情的时候，不要只是三分钟热度，坚持下去，没有学不会的知识，也没有过不去的坎⼉，只有不 愿付出的努⼒，⼀起加油！ 2 常见业务指标 公司肯定会有不同的分析场景，我们需要做的就是根据场景，明确问题，分析问题，然后提供数据⽀持，最后进⾏总结，得出有价值的结 论。 1. 明确问题 明确数据来源，从时间地点事件⾓度。 明确业务指标，指标的⼝径、数据对⽐等。 2.1常⽤指标 ⽤户数据 1. ⽇增⽤户数 2. 活跃⽤户数 3. 活跃率 4. 留存率：40-20-10法则 5. 单位获客成本 6. 客单价 7. ARPU：Average Revenue Per User，每个⽤户的平均收⼊ 8. ARPPU：Paying 每位付费⽤户的平均收⼊ ⾏为数据 1. PV：page view，页⾯访问/点击量，只要刷新就算⼀次。 2. UV：独⽴访客数，以记录⽤户浏览器为准，100个⼈⽤⼀个浏览器访问，也只算1次。 3. IP：计算某ip地址的计算机访问⽹站的次数，局域⽹⾥的同⼀个ip访问100次，也只算1次。 4. 平均访问时长：⽤来衡量⽤户体验，体验越好，肯定留存时间越长。⽤总时长/访问次数来计算。 5. 跳出率：反应⽹站流量质量的重要指标，只访问了⼀个页⾯就离开⽹站的访问次数占总访问次数的百分⽐。跳出率=只访问⼀个页⾯就 离开⽹站的访问次数/总访问次数。 6. 转化率：潜在⽤户在我们的⽹站上完成⼀次我们期望的⾏为，就叫做⼀次转化，转化率=转化次数/访问次数。 7. 复购率：购买两次及以上的客户/总购买客户数。 产品数据 1. 成交总额（GMV）：也叫“流⽔”，包含销售额、取消、拒收、退货订单总额。 2. SKU（stock keeping unit）：库存量单位，⼀个商品有多个SKU，⽐如⾐服颜⾊。 3. SPU（standard product unit）：标准化单元产品，SPU是⼀个集合，⽐如⼀款⼿机是⼀个SPU，内存等参数就是⼀个SKU。 4. ROI（return on investment）：投资回报率，交易⾦额/投放成本。 2.2如何选择指标？ 我们都会挑选核⼼指标，⼀般反应业务能⼒的指标，⽐如各种率。 3 常见分析⽅法 “五法三模” 逻辑树分析法 多维度拆解分析法 对⽐分析法 归因分析法 相关性分析法 RFM分析模型 漏⽃分析模型 AARRR分析模型 3.1逻辑树分析法 就是将⼀个复杂的⼤问题，拆解成多个关系密切的⼩问题，⽤来解决验证估算问题，⽐如费⽶问题。 主要培养我们的逻辑及思维⽅式，锻炼清晰的表达能⼒ 你要如何知道煎饼铺⼀年能卖多少煎饼呢？ 3.2多维度拆解分析法 通过逻辑树分析法得出的结论没有明显⽤处的时候，可以考虑从多个维度对问题进⾏拆解。 ⽐如指标拆解、业务流程拆解等。 3.3对⽐分析法 通过对两个事物进⾏⽐较，我们知道的同⽐和环⽐，横⽐和纵⽐，都属于对⽐分析法。 同⼀时间和别⼈⽐，这叫横向；不同时间和⾃⼰⽐，这叫纵向。 同年异⽉和⾃⼰⽐，这叫环⽐；异年同⽉和⾃⼰⽐，这叫同⽐。 3.4假设检验法 就是针对问题做假设，然后搜集证据证