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