数据分析三大手法之细分分析人人都是

北京最好白癜风医院 https://jbk.39.net/yiyuanzaixian/bjzkbdfyy/xcxbdf/
在工作中，我们常常需要分析各种数据。不同的数据分析方法要怎么用呢？本文作者根据自己的自身经历，从四个角度进行分析介绍，推荐给对数据分析感兴趣的童鞋阅读。作为业务部门的数据分析师，经常面临的场景就是分析异常。比如老板找到你说：“小伙，帮我分析下最近一周的GMV下降的原因。”很多人拿到这个问题的时候就开始直接去找各个维度来拆分看了，最后还是一脸茫然。首先拿到这个问题时，我们需要用分析方法，描述和对比分析法。就是采用描述性分析方法，看具体的GMV值下降了多少，以及采用趋势和对比的方法来判断是不是真正的异常，有可能去年同期也是节假日后的正常下降。这个过程就像侦探探案时了解一些案发现场的基础信息。在对异常有了基础认知之后，想要了解真相，需要细分的思维方法，一步步分解还原案发的蛛丝马迹。但是怎么细分，以及按照什么样的套路细分是有讲究的。首先介绍细分常见的方法，笔者将其归纳为3类。通常在分析一个具体问题中可能会多种一起使用。一、结构细分第一类是按照结构进行细分：事物或组织本身的结构；产线的区分（如化妆品类，生鲜类等），区域的区分（如华东/华西/华南大区），渠道的区分（APP/小程序/PC端）等。杜邦分析法，是杜邦公司发明的，采用金字塔结构，把企业净资产收益率逐级分解为多项财务指标的比值或乘积。这个借鉴于我们常规的指标体系的分析中。比如，在文首遇到的那个情景，GMV同比下降30%，可以按照杜邦分析法进行指标拆解，定位是UV少了，还是cr下降了，还是客单价降低主要影响。分组分析法，根据一定标准对研究对象进行分组。分组分析法分为属性指标分组和数量指标分组。而属性指标所代表的数据不能进行运算，只是说明事物的性质、特征。如人的姓名、部门、性别、文化程度等指标，可以按照一定规则分组，比如页面引流中对于同组织下：内部引流，其他为外部引流。数量指标所代表的数据能够进行加减乘除运算，说明事物的数量特征，比如人的年龄、工资水平、企业的资产等指标，例如年龄属性：1-17：青少年，18-35青年，35-55中年，55以上老年；矩阵分析法，又称四象限分析法，源自著名的BCG矩阵，多用于产品组合战略分析中，实现产品及资源分配结构的良性循环，明星/现金牛/廋狗/问题产品。在分析场景中，可以用来评估两种因素对于不同组的影响差异时，识别不同组间不同的业务策略。比如，评估业务中各个大区的GMV占比vsGMV同比增长率，识别到重点核心大区和有机会的大区。二、时间流程第二类是时间（流程）维度：时间颗粒度下的细分，按年/月/周/日对齐的方式细分看异常是否集中于某一时间段。漏斗分析法，这是互联网用于行为分析中使用较多的分析法，分析从潜在用户到最终用户这个过程中用户数量的变化情况，确定整个流程的设计是否合理，各步骤的优劣，和是否存在优化的机会。客户生命周期的方法，主要应用的场景是用户运营，聚焦不同阶段用户运营的策略，平时接触不多，就不展开。三、程度属性第三类是程度分析方法，聚焦

转载请注明：http://www.jinyawz.com/zflzz/10969.html