数据分析常用理论与分析方法介绍-方法篇.pptxVIP

数据分析常用理论与分析方法介绍-方法篇

前情提要-数据分析的3种场景预测性分析基于现有的数据，结合实际情况，预测业务未来的发展。描述性分析有逻辑、成体系地拆解业务，用合理的指标整体评估业务的状态。诊断性分析针对业务的异常波动，分析背后的原因，并提出解决策略。数据分析的场景

目录2341诊断性分析数据分析报告预测性分析描述性分析CONTENT

1.预测性分析无论是大到企业定战略目标，还是小到项目经理做业务决策，都需要前置预估业务未来的发展来辅助判断，这是预测性分析范畴内的工作内容。

1.1预测性分析的目的预测是指基于已知信息（历史数据、后续资源投入等），假设事物发展的趋势会延伸到以后，以此来对未来进行预估，可能发生的特殊影响事件不在考虑范畴之内，但最后会留出一定的调整空间。两种主要场景自上而下先由老板确定最终要达到的目标，再向下拆解预估过程中要完成的阶段性目标和所需要的资源。自下而上先预估业务每个模块的目标，再向上汇总，得到业务整体可以达到的目标。预估未来收益辅助当下的决策、前置的调度资源分配。预估阶段性目标为接下来的工作提供方向及评估工作进度。

1.2分析思路与方法数据分析的流程提到预测，大家可能首先想到的是与数据挖掘、机器学习相关，与业务相关的目标测算一般不会从机器学习开始，即使需要用到相关的数据，我们也会与算法团队合作去完成明确分析目的如预测企业内某业务的年度发展目标明确分析思路搭建分析框架，根据分析方法，结合实际资源投入情况来进行预测，最终实现对整体业务发展的预估。获取数据获取分析所必要的数据处理与分析数据对获取的数据按拆解的分析思路进行处理撰写报告通常以Excel表格的形式呈现最终的结果。

1.2分析思路与方法对于预测性分析的框架，我们通常会基于公式来拆解，常见的形式有两种。（1）基于数学关系如GMV=付费用户量×平均付费金额。（2）基于业务逻辑如运营活动期间的GMV=资源投入前的GMV×提升系数。常用的分析方法有移动平均法、相关性分析法、各种插值法等。

1.3预测性分析案例案例：电商企业会做很多营销活动，以此来刺激用户在平台内消费。最近我们企业正好在筹划“双十一”的活动，现在产品部门、运营部门想让我们预估一下今年“双十一”当天的GMV能达到多少。分析思路：1、搭建预估的分析框架，对GMV进行拆解GMV=付费用户量×平均付费金额2、将往年“双十一”的付费用户量，乘以预估系数（比较今年和往年的资源投入比），得出今年的付费用户量。平均付费金额可以参考往年的数据。GMV预估值=付费用户量×平均付费金额=（往年付费用户量×预估系数）×往年平均付费金额3、为了得到更精确的预估值，把付费用户量继续往下拆解，如增加渠道维度。即：将往年每个渠道的转化率，乘以今年每个渠道的实际值，得出今年的付费用户量付费用户量=用户量×转化率用户量拆解的思路有很多，以下提供一种思路，实际业务中可以根据场景进行合理拆解

1.3预测性分析案例付费用户量近30天未浏览该商品的用户量用户量×转化率A近30天浏览过该商品的用户量浏览过该商品未将其加入购物车的用户量×转化率B浏览过该商品且将其加入购物车的用户量×转化率C注意几个细节：（1）今年取数的口径要和往年一致如往年的转化率取的是活动前10天的数据，那么今年的转化率也要取活动前10天的数据。（2）近30天未浏览该商品的用户量，可在大盘用户中进一步限定，如限定为近30天登录过的用户。假设每个渠道的转化率今年保持稳定（结合资源投入、产品改进等实际情况预估一个范围），那么今年每个渠道的实际值是可以算出来的，针对今年付费用户量的预估就会相对精确一些。

2.描述性分析数据分析师经常需要做日报、周报、月报，评估业务的状态和进展，这些都是描述性分析范畴内的工作内容

2.1描述性分析的目的提升杠杆效率通过描述性分析报告的拆解逻辑，让更多的人了解业务状态，并知道如何去改善业务状态。02提升工作效率通过数据产品定期自动化刷新描述性分析报告，减少重复工作量。01用体系化的框架、合理的指标去评估业务状态，清楚地判断业务现状及定位业务波动的数据原因。一般来说，日报、周报，或者对于某块业务的描述性分析报告都会沉淀在数据产品上自动更新，因为业务方需要经常关注相关的数据。

2.2分析思路与方法明确分析目的01系统地评估企业某业务的状态。明确分析思路02搭建分析框架，拆解业务，根据实际情况，使用逻辑树、5W2H分析法、PEST分析模型等分析方法，确定业务和子模块的核心观测指标，用合适的分析方法表现业务发展的好坏。获取数据03获取分析所必要的数据。处理与分析数据04对获取的数据按拆解的分析思路进行处理。描述性分析需要更宏观、深刻地理解整个业务.撰写报告05通常在数据产品（Tab