数据分析02-如何正确培养数据思维
2023-06-15 09:05:41 0 举报AI智能生成
登录查看完整内容
如果觉得有帮助,欢迎点赞，收藏、克隆!
作者其他创作
大纲/内容
如何正确培养数据思维
使用数据解决问题的能力
难以获取
没有相关数据
难点
找到数学模型，计算公式
抽样，样本量科学
消除物理盲点-快速预估
结果指标-有无增长
关注点有无增长
是否监控到
过程指标
反向指标-和结果指标定义方向相反，如退货
what
真实度量业务结果，而非能找到的指标
聚类选择特征指标：招行hello kitty信用卡
加入反向指标
评估满足派生指标标准，不能用长远，好，坏高低描述
how
制定评估标准
消除逻辑盲点
怎么办？
数据丈量一切
量化思维
环比
同比
增长率
趋势、极值、临界点
怎么比
1、自然波动范围内
2、上下游浮动一致-上下游指标
3、历史波动范国内-通过足够长的时间进行原因排查
正常波动-范围内可忽略
异常波动
比的结果
对比分析
什么是数据思维
目标和实际之间的差距
1、列出实际情况 （数据），重新定义问题
2、写出目标结果（数据）
3、最后确定二者差距（数据对比）
准确描述问题的过程
如何确定问题
相互独立，完全穷举 (mece)
维度：产品、组织架构、用户细分
分析
拆解至不可再分
拆解结果通常为值，不是x率
公式
按照事情发展的先后顺序，罗列出流程步骤
关注关键节点
不要切换视角
如果某一视角流程较短，则需要转换视角，如贷款，从客户角度转换为银行视角，ABCG，中央总部，不同分支机构，普通员工，管理者，不同细分用户，颗粒度更精准
流程法
根据经典的商业模型组成要素对分析内容的重组
4p
swot：团队分析
AARRR： 获客
拉弗曲线等不断总结沉淀适合自己业务的模型
模型法
拆解分析
1、宏观：国家国际形势，政策，咨询公司，行业，同行，跨界
2、中观：公司整体战路，分工协作，解决方素，日常工作
问题界定
问题拆解
没有批评和否定
头脑风暴
提出假设
内部数据
外部数据
数据验证方案
1、 业务假设数据全部罗列
递进-时间顺序-优先级
并列-占比权重
2、重新分类和排序
3、只留下重要的几个
结论呈现
迭代精进循环上升
3、微观：分析原因
分析框架系统诊断
如何用数据分析问题
0 条评论
回复 删除
下一页
