数据分析-分类分析.pdfVIP

数据分析-分类分析

前⾔

我们做分析时经常要多⼈群分类，特别是做⽤户画像时经常⽤到，将对象划分为不同部分或者类别，在进⼀步分析，就能够挖掘事物的本质

⼀、分类分析

根据指标的性质，分类分析法分为属性指标分组和数量指标分组

1.属性指标分组分析法

按属性指标分组⼀般较简单，分组指标⼀旦确定，组数、组名、组与组之间的界限也就确定。例如，⼈⼝按性别分为男、⼥两组，具体到每

⼀个⼈应该分在哪⼀组是⼀⽬了然的

2.数量指标分组分析法

数量指标分组分析法是指选择数量指标作为分组依据，将数据总体划分为若⼲个性质不同的部分，分析数据的分布特征和内部联系。根据数

据的性质(离散数据或者连续数据)，它分为单项式分组和组距式分组。

2.1单项式分组

单项式分组⼀般适⽤于离散型数据*，⽽且数据值不多、变动范围较⼩的情况。每个指标值就是⼀个组，有多少个指标值就分成多少个组。

如按产品产量、技术级别、员⼯⼯龄等指标分组。例如按照技术级别来分，有A、B、C三个组

2.2组距式分组

组距式分组，这是个是适⽤在连续数据上，指数据的变化幅度较⼤的条件下，将数据总体划分为若⼲个区间,每个区间作为⼀组,组内数据性

质相同,组与组之间的性质相异。这⾥的组距式分组，也会分为两种的，⼀个是等距分组，这种⽅法适⽤在连续数据分布相对均匀的;另⼀个

是不等距分组，适⽤在连续数据分布不均匀的状态。具体使⽤见下⽂:

a.等距分组:

第⼀步:确定维度、组数;

第⼆步:确定各组的组距;组距=(最⼤值-最⼩值)/组数;

第三步:根据组距，将数据划归⾄对应组内

b.不等距分组

第⼀步:确定维度、组数;

第⼆步:根据需求确定各⼩组的上限与下限

第三步:依据⼩组上下限进⾏分组

第四步:评估分组后数据结构是否满⾜需求

第五步:若满⾜，则停⽌；若不满⾜，则调整，从第⼀步循环

⼆、分组分析的应⽤

1.⼀维分类

定义⼀个维度(标准)将数据分析，常⽤⼀维分类

性别:男、⼥

年龄分段:青年、中年、⽼年

客户价值:低价值、中价值、⾼价值

⽤户状态:沉默⽤户、活跃⽤户

⼀维分类常⽤柱形图来做统计，⽐如下⾯的某⼩学各年级向灾区的捐款情况

2.⼆维分类

数据按两个维度分类时所列出的表，是由两个的变量进⾏交叉分类的分布表，也称为交叉分析。这⾥是常⽤表格来做展⽰，如下图某产品12

⽉⽤户年龄与价值分布，从图中能够清楚看出青少年并且⾼价值的⽤户分布最多，所以在后⾯做营销策略的时候，可以做重点关注

3.多维分类

但是有时⼀维和⼆维并不能满⾜我们的需求，需要多维分类(和⼆维分类⼀样都是称为交叉分析)满⾜需要。如下图(Excel中的透视表):