
以電商為例,數(shù)據(jù)分析的5個(gè)思維方法
數(shù)據(jù)分析真的很重要,能從一堆看似雜亂的數(shù)據(jù)里,找到問(wèn)題并解決問(wèn)題。從數(shù)據(jù)上的變化,來(lái)判斷甄別效果得失;簡(jiǎn)直是居家旅行,運(yùn)營(yíng)生意的必備良品。
首先,我們要知道,什么叫數(shù)據(jù)分析。其實(shí)從數(shù)據(jù)到信息的這個(gè)過(guò)程,就是數(shù)據(jù)分析。數(shù)據(jù)本身并沒(méi)有什么價(jià)值,有價(jià)值的是我們從數(shù)據(jù)中提取出來(lái)的信息。然而,我們還要搞清楚數(shù)據(jù)分析的目的是什么?目的是解決我們現(xiàn)實(shí)中的某個(gè)問(wèn)題或者滿足現(xiàn)實(shí)中的某個(gè)需求。
那么,在這個(gè)從數(shù)據(jù)到信息的過(guò)程中,肯定是有一些固定的思路,或者稱之為思維方式。
第一大思維——對(duì)照
“對(duì)照”俗稱對(duì)比,單獨(dú)看一個(gè)數(shù)據(jù)是不會(huì)有感覺(jué)的,必需跟另一個(gè)數(shù)據(jù)做對(duì)比才會(huì)有感覺(jué)。比如下面的圖a和圖b。
圖a毫無(wú)感覺(jué)
圖b經(jīng)過(guò)跟昨天的成交量對(duì)比,就會(huì)發(fā)現(xiàn),今天跟昨天實(shí)則差了一大截。
這是最基本的思路,也是最重要的思路。在現(xiàn)實(shí)中的應(yīng)用非常廣,比如選款測(cè)款丶監(jiān)控店鋪數(shù)據(jù)等,這些過(guò)程就是在做“對(duì)照”,分析人員拿到數(shù)據(jù)后,如果數(shù)據(jù)是獨(dú)立的,無(wú)法進(jìn)行對(duì)比的話,就無(wú)法判斷,等于無(wú)法從數(shù)據(jù)中讀取有用的信息。
第二大思維——拆分
分析這個(gè)詞從字面上來(lái)理解,就是拆分和解析。因此可見,拆分在數(shù)據(jù)分析中的重要性。在派代上面也隨處可見“拆分”一詞,很多作者都會(huì)用這樣的口吻:經(jīng)過(guò)拆分后,我們就清晰了……。不過(guò),我相信有很多朋友并沒(méi)有弄清楚,拆分是怎么用的。
我們回到第一個(gè)思維“對(duì)比”上面來(lái),當(dāng)某個(gè)維度可以對(duì)比的時(shí)候,我們選擇對(duì)比。再對(duì)比后發(fā)現(xiàn)問(wèn)題需要找出原因的時(shí)候?或者根本就沒(méi)有得對(duì)比。這個(gè)時(shí)候,“拆分”就閃亮登場(chǎng)了。大家看下面一個(gè)場(chǎng)景。
運(yùn)營(yíng)小美,經(jīng)過(guò)對(duì)比店鋪的數(shù)據(jù),發(fā)現(xiàn)今天的銷售額只有昨天的50%,這個(gè)時(shí)候,我們?cè)僭趺磳?duì)比銷售額這個(gè)維度,已經(jīng)沒(méi)有意義了。這時(shí)需要對(duì)銷售額這個(gè)維度做分解,拆分指標(biāo)。
銷售額=成交用戶數(shù)*客單價(jià),成交用戶數(shù)又等于訪客數(shù)*轉(zhuǎn)化率。詳見圖c。
圖c是一個(gè)指標(biāo)公式的拆解
拆分后的結(jié)果,相對(duì)于拆分前會(huì)清晰許多,便于分析,找細(xì)節(jié)??梢?,拆分是分析人員必備的思維之一。
第三大思維——降維
是否有面對(duì)一大堆維度的數(shù)據(jù)卻促手無(wú)策的經(jīng)歷?當(dāng)數(shù)據(jù)維度太多的時(shí)候,我們不可能每個(gè)維度都拿來(lái)分析,有一些有關(guān)聯(lián)的指標(biāo),是可以從中篩選出代表的維度即可。如下表
這么多的維度,其實(shí)不必每個(gè)都分析。我們知道成交用戶數(shù)/訪客數(shù)=轉(zhuǎn)化率,當(dāng)存在這種維度,是可以通過(guò)其他兩個(gè)維度通過(guò)計(jì)算轉(zhuǎn)化出來(lái)的時(shí)候,我們就可以“降維”。
成交用戶數(shù)丶訪客數(shù)和轉(zhuǎn)化率,只要三選二即可。另外,成交用戶數(shù)*客單價(jià)=銷售額,這三個(gè)也可以三擇二。
另外,我們一般只關(guān)心對(duì)我們有用的數(shù)據(jù),當(dāng)有某些維度的數(shù)據(jù)跟我們的分析無(wú)關(guān)時(shí),我們就可以篩選掉,達(dá)到“降維”的目的。
第四大思維——增維
增維和降維是對(duì)應(yīng)的,有降必有增。當(dāng)我們當(dāng)前的維度不能很好地解釋我們的問(wèn)題時(shí),我們就需要對(duì)數(shù)據(jù)做一個(gè)運(yùn)算,增加多一個(gè)指標(biāo)。請(qǐng)看下圖。
我們發(fā)現(xiàn)一個(gè)搜索指數(shù)和一個(gè)寶貝數(shù),這兩個(gè)指標(biāo)一個(gè)代表需求,一個(gè)代表競(jìng)爭(zhēng),有很多人把搜索指數(shù)/寶貝數(shù)=倍數(shù),用倍數(shù)來(lái)代表一個(gè)詞的競(jìng)爭(zhēng)度(僅供參考)。這種做法,就是在增維。增加的維度有一種叫法稱之為“輔助列”。
“增維”和“降維”是必需對(duì)數(shù)據(jù)的意義有充分的了解后,為了方便我們進(jìn)行分析,有目的的對(duì)數(shù)據(jù)進(jìn)行轉(zhuǎn)換運(yùn)算。
第五大思維——假說(shuō)
當(dāng)我們拿不準(zhǔn)未來(lái)的時(shí)候,或者說(shuō)是迷茫的時(shí)候。我們可以應(yīng)用“假說(shuō)”,假說(shuō)是統(tǒng)計(jì)學(xué)的專業(yè)名詞吧,俗稱假設(shè)。當(dāng)我們不知道結(jié)果,或者有幾種選擇的時(shí)候,那么我們就召喚“假說(shuō)”,我們先假設(shè)有了結(jié)果,然后運(yùn)用逆向思維。
從結(jié)果到原因,要有怎么樣的因,才能產(chǎn)生這種結(jié)果。這有點(diǎn)尋根的味道。那么,我們可以知道,現(xiàn)在滿足了多少因,還需要多少因。如果是多選的情況下,我們就可以通過(guò)這種方法來(lái)找到最佳路徑(決策)
當(dāng)然,“假說(shuō)”的威力不僅僅如此?!凹僬f(shuō)”可是一匹天馬(行空),除了結(jié)果可以假設(shè),過(guò)程也是可以被假設(shè)的。
我們回到數(shù)據(jù)分析的目的,我們就會(huì)知道只有明確了問(wèn)題和需求,我們才能選擇分析的方法。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10