五种简要分析数据的方法原创+整理版14128.pdf

《五种简要分析数据的方法原创+整理版14128.pdf》由会员分享，可在线阅读，更多相关《五种简要分析数据的方法原创+整理版14128.pdf（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、-五种简要分析数据的方法 无论是负责管理的同事还是销售一线的小伙伴，都会发现数据分析的重要性，但是在工作中，我发现很多小伙伴们都不太会处理数据，更不会明白数据取经团小伙伴们做的大量数据清洗工作，当然中间可能涉及到编程，数据取经团小伙伴们的能力可是杠杠的，我作为外行，是不敢班门弄斧的，如下从管理和销售方面简要讲讲我的数据分析方法。感统计学教师 首先，我们要知道，什么叫数据分析。其实从数据到信息的这个过程，就是数据分析。数据本身并没有什么价值，有价值的是我们从数据中提取出来的信息。然而，我们还要搞清楚数据分析的目的是什么 目的是解决我们现实中的*个问题或者满足现实中的*个需求。则，在这个从数据到信

2、息的过程中，肯定是有一些固定的思路，或者称之为思维方式。下面一一给你一一介绍。(本文用到的指标和维度是同一个意思)一、【对照】【对照】俗称比照，单独看一个数据是不会有感觉的，必需跟另一个数据做比照才会有感觉。比方下面的图 a 和图 b。图 a 毫无感觉 图 b 经过跟昨天的成交量比照，就会发现，今天跟昨天实则差了一大截。-这是最根本的思路，也是最重要的思路。在现实中的应用非常广，比方选产品丶监控增量等，这些过程就是在做【对照】，决策 BOSS 们拿到数据后，如果数据是独立的，无法进展比照的话，就无法判断，等于无法从数据中读取有用的信息。呜呜，虽然法律增量少，好歹还是在涨啊 二、【拆分】分析这个

3、词从字面上来理解，就是拆分和解析拆分不等于分析，呃，分析包含拆分，拆分能帮助我们找出原因这简直是终极意义啊。因此可见，拆分在数据分析中的重要性。很多小伙伴都会用这样的口吻：经过数据拆分后，我们就清晰了。不过，我相信有很多朋友并没有弄清楚，拆分是怎么用的？我们回到第一个思维【比照】上面来，当*个维度可以比照的时候，我们选择比照。再比照后发现问题需要找出原因的时候 或者根本就没有得比照。这个时候，【拆分】就闪亮登场了。大家看下面一个场景。运营组童鞋，经过比照成交数据，发现今天的销售额只有昨天的 50%，这个时候，我们再怎么比照销售额这个维度，已经没有意义了。这时需要对销售额这个维度做分解，拆分指标

4、。销售额=成交用户数*客单价，成交用户数又等于访客数*转化率。详见图 c 和图 d-图 c 是一个指标公式的拆解 图 b 是对流量的组成成分做的简单分解(还可以分很细很全)拆分后的结果，相对于拆分前会清晰许多，便于分析，找细节。可见，拆分是分析人员必备的思维之一。三、【降维】是否有面对一大堆维度的数据却促手无策的经历 当数据维度太多的时候，我们不可能每个维度都拿来分析，有一些有关联的指标，是可以从中筛选出代表的维度即可。如下表 这么多的维度，其实不必每个都分析。我们知道成交用户数/意向客户数=转化率，当存在这种维度，是可以通过其他两个维度通过计算转化出来的时候，我们就可以【降维】.成交用户数丶

5、访客数和转化率，只要三选二即可。另外，成交用户数*客单价=销售额，这三个也可以三择二。另外，我们一般只关心对我们有用的数据，当有*些维度的数据跟我们的分析无关时，我们就可以筛选掉，到达【降维】的目的。四、【增维】增维和降维是对应的，有降必有增。当我们当前的维度不能很好地解释我们的问题时，我们就需要对数据做一个运算，增加多一个指标。请看下列图。-我们发现一个搜索指数和一个类目数，这两个指标一个代表需求，一个代表竞争，有很多人把搜索指数/类目数=倍数，用倍数来代表一个词的竞争度(仅供参考)。这种做法，就是在增维。增加的维度有一种叫法称之为【辅助列】。【增维】和【降维】是必需对数据的意义有充分的了解

6、后，为了方便我们进展分析，有目的的对数据进展转换运算。五、【假说】当我们拿不准未来的时候，或者说是迷茫的时候。我们可以应用【假说】，假说是统计学的专业名词吧，俗称假设。当我们不知道结果，或者有几种选择的时候，则我们就召唤【假说】，我们先假设有了结果，然后运用逆向思维。从结果到原因，要有怎么样的因，才能产生这种结果。这有点寻根的味道。则，我们可以知道，现在满足了多少因，还需要多少因。如果是多项选择的情况下，我们就可以通过这种方法来找到最正确路径(决策)当然，【假说】的威力不仅仅如此。【假说】可是一匹天马(行空)，除了结果可以假设，过程也是可以被假设的。我们回到数据分析的目的，我们就会知道只有明确

7、了问题和需求，我们才能选择分析的方法。顺带给大家讲讲三大数据类型。这个属于偷换概念，其实就是时间序列的细分，不是真正意义上的数据类型，但这个却是在处理销售数据时经常会碰到的事情。数据放在坐标轴上面分【过去】丶【现在】和【未来】-第一大数据类型【过去】【过去】的数据指历史数据，已经发生过的数据。作用：用于总结丶对照和提炼知识 如：历史店铺运营数据，退款数据，订单数据 第二大数据类型【现在】【现在】的概念比拟模糊，当天，当月，今年这些都可以是现在的数据，看我们的时间单位而定。如果我们是以天作为单位，则，今天的数据，就是现在的数据。现在的数据和过去的数据做比拟，才可以知道现在自己是在哪个位置，单有现在的数据，是没什么用处的。作用：用于了解现况，发现问题 如：当天的店铺数据 第三大数据类型【未来】【未来】的数据指未发生的数据，通过预测得到。比方我们做得规划，预算等，这些就是在时间点上还没有到，但是却已经有了数据。这个数据是作为参考的数据，预测没有 100%，总是有点儿出入的。作用：用于预测 如：店铺规划，销售方案-三种数据是单向流动的，未来终究会变成现在，直到变成过去。他人我不知道，但我自己非常喜欢把数据往坐标轴上面放，按时间段一划分，每个数据的作用就非常清晰