5种数据分析常用的思维方法！.pdfVIP

5种数据分析常⽤的思维⽅法！ 在数据分析中，数据分析思维是框架式的指引，实际分析问题时还是需要很多“技巧⼯具”的。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。 接下来就分享常见的5种数据分析⽅法，分别是：公式法、对⽐法、象限法，⼆⼋法，漏⽃法，常常多种结合⼀起使 ⽤。 注：主要偏思维层⾯的，基于业务问题对数据的探索性分析，不同于专业统计学中的数据处理⽅法。 01 公式法 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，这个我在指标化思维中提到过。 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 第⼀层：找到产品销售额的影响因素。某产品销售额=销售量 X 产品单价。是销量过低还是价格设置不合理? 第⼆层：找到销售量的影响因素。分析各渠道销售量，对⽐以往，是哪些过低了。 第三层：分析影响渠道销售量的因素。渠道销售量=点击⽤户数X 下单率。是点击⽤户数低了，还是下单量过低。如果 是下单量过低，需要看⼀下该渠道的⼴告内容针对的⼈群和产品实际受众符合度⾼不⾼。 第四层：分析影响点击的因素。点击⽤户数=曝光量X点击率。是曝光量不够还是点击率太低，点击率低需要优化⼴告创 意，曝光量则和投放的渠道有关。 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。 02 对⽐法 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。 下图的AB公司销售额对⽐，虽然A公司销售额总体上涨且⾼于B公司，但是B公司的增速迅猛，⾼于A公司，即使后期增 速下降了，最后的销售额还是赶超。 03 象限法 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。 ⾼点击率⾼转化的⼴告，说明⼈群相对精准，是⼀个⾼效率的⼴告。 ⾼点击率低转化的⼴告，说明点击进来的⼈⼤多被⼴告吸引了，转化低说明⼴告内容针对的⼈群和产品实际受众有些不 符。 ⾼转化低点击的⼴告，说明⼴告内容针对的⼈群和产品实际受众符合程度较⾼，但需要优化⼴告内容，吸引更多⼈点 击。 低点击率低转化的⼴告，可以放弃了。 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。给重点发展客户倾斜更多的资源，⽐如VIP服务、个性化服 务、附加销售等。给潜⼒客户销售价值更⾼的产品，或⼀些优惠措施来吸引他们回归。 04 ⼆⼋法/帕累托分析 ⼆⼋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。 往往在使⽤⼆⼋法则的时候和排名有关系，排在前20%的才算是有效数据。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