数据分析中的五大思维方法

栏目: 数据库 · 发布时间: 5年前

内容简介：在数据分析中，数据分析思维是一个基于框架的指南。在分析问题时，我们需要很多技能和工具。就像在中学一样，你可以用公式法，完全平方，平方根的提取或分解方法来求解二次方程。我们还可以在一些常见的分析场景中使用数据分析技术。它们可以帮助您构建未来的数据分析模型。在本文中，我们将共享五种常见的数据分析方法：公式方法，比较方法，象限方法，80/20规则和漏斗分析。我们经常组合使用它们。

在数据分析中，数据分析思维是一个基于框架的指南。在分析问题时，我们需要很多技能和工具。就像在中学一样，你可以用公式法，完全平方，平方根的提取或分解方法来求解二次方程。

我们还可以在一些常见的分析场景中使用数据分析技术。它们可以帮助您构建未来的数据分析模型。

在本文中，我们将共享五种常见的数据分析方法：公式方法，比较方法，象限方法，80/20规则和漏斗分析。我们经常组合使用它们。

注意：这些方法主要偏向思维层面，是基于业务问题的数据探索性分析。它们与专业统计中的数据处理方法不同。

1.公式方法

所谓公式是对公式进行分解，以分解某一指标的影响因素。

示例：使用公式方法分析产品销售低的原因。

产品销售额=销售量 单价销量=渠道A销量+渠道B销量+渠道C销量+ ...... 渠道销售量=用户数 订单率用户数=曝光率*点击率第1步：找出影响产品销售的因素。销量是否过低或价格设定不合理？

第2步：找出影响销量的因素。分析每个渠道的销售量。将它与之前的销售进行比较，找出异常的销售情况。

第3步：分析影响渠道销售的因素。用户数量或订单率是低吗？如果订单率低，则有必要查看频道的广告内容是否与产品的实际受众相匹配。

第4步：分析影响点击次数的因素。曝光不足还是点击率太低？如果点击次数比率较低，则需要优化广告系列。曝光与频道有关。

为此，公式方法是对问题的层次分析。它逐步分解影响因素。

2.比较方法

比较方法是比较两组或更多组数据，这是最常用的方法。

我们知道孤立的数据毫无意义，我们通过比较看到差异。人们比较一些直接描述事物的变量，例如长度，数量，高度，宽度等，以获得比率，增长率，效率和其他指标。

比较方法可以找到数据变化的规律。下图显示了A公司和B公司的销售比较。虽然A公司的销售额普遍增加并且高于B公司，但B公司的增长率高于A公司。即使已经很晚了B公司的增长率下降，最终销售额迎头赶上。

3.象限法

通过划分两个或更多维度，我们使用坐标来表示值，即象限方法。象限方法基于策略驱动的思维。我们经常在产品分析，市场分析，客户管理和商品管理中使用它。

例如，以下图片是广告点击的四象限分布。

如果广告获得高转化率（CVR）和高点击率（CTR），则意味着其目标受众群体相对准确。

如果点击率很高且CVR很低，则意味着点击的大多数人都被广告本身所吸引。CVR较低表示广告定位的人与产品的实际受众群体不匹配。

高CVR和低点击率表示广告的受众和产品的实际受众更加一致。问题是需要优化广告内容以吸引更多人点击。

我们可以放弃CVR低，点击率低的广告。

使用象限方法分析具有相同特征的事件，您可以找到问题的常见原因。在上述广告案例中，观察第一象限中的事件，可以总结出有效的推广渠道和策略。第三和第四象限可以排除一些无效的促销渠道。同时，您可以为不同的象限建立优化策略。

4. 80/20规则

80/20规则也称为帕累托原则。它以其创始人，意大利经济学家Vilfredo Pareto的名字命名。他注意到意大利80％的财富在20％的人口控制下。在数据分析中，我们可以理解，20％的数据产生了80％的效果。我们需要挖掘这20％的数据。

它通常与排名有关，前20％被认为是有效数据。80/20规则分析关键部分并适用于任何行业。找到关键点，发现它们的特征，然后考虑如何使剩余的80％转换为这20％来改善效果。

通常，它将用于产品分类以测量和构建ABC模型。例如，如果零售企业有500个SKU（库存单位），那么哪些SKU很重要？这是在业务操作中区分主要部分和次要部分的问题。

通常的做法是将产品的SKU用作维度，并使用相应的销售作为基本指标来对这些销售指标进行排名，并计算每个SKU在总销售额中的累计销售百分比。例如，我们可以将它们分为3类：A类（<70％），B类（70％-90％）和C类（90％-100％）。您可以根据实际情况调整百分比。

ABC分析模型不仅可用于划分产品和销售，还可用于划分客户和利润。例如，哪些客户将80％的利润贡献给公司？如果这部分客户占20％，那么在资源有限的情况下，您就会专注于维护这20％的客户。

5.漏斗分析

漏斗分析是一个漏斗图，有点像一个倒金字塔。这是一种简化的思维方式。我们经常在分析中使用它来改变和某些过程，如新用户的开发，购物转换率等。

上图是一个经典的营销渠道，展示了从用户获取到最终转换为购买的整个过程。渠道模型将整个购买流程分为几个步骤。然后使用转换率来衡量每个步骤的性能，最后通过异常数据指标找到有问题的步骤。通过这种方式，我们可以优化步骤，以提高整体购买的转换率。

漏斗模型的核心概念可以归类为分解和量化。例如，要分析电子商务的转换，我们所要做的就是监控每个级别的用户转换，并找到每个级别的可优化点。对于未遵循该流程的用户，我们专门构建其转换模型并缩短路径以增强用户体验。但是，单个漏斗分析是无用的。我们应该将它与其他方法结合起来，例如与历史数据进行比较。

数据分析工具使用数据分析思维方法的好处是它提供了一个思维框架，可以帮助您建立对事物和问题的观点。现在我们有了一个思考框架，我们还需要有效的工具来实现真正的数据分析，比如Tableau和Python。在这里，我强烈推荐一种新的数据分析工具FineReport。它是一个商业智能和报告软件，集成了数据显示（报告）和数据输入（填充），可用于协助软件开发。它已成功入选Gartner全球市场指南，成为中国唯一被选中的制造商和产品，与微软，SAP和甲骨文等国际巨头一同上市。

FineReport允许您通过简单的拖放操作创建复杂的报告。它还集成了强大的功能，包括报告的可变显示，数据填充，数据分析，二次开发，移动应用程序等。

接下来，我们将使用FineReport向您展示一些数据分析方案。