数据分析篇001

目录

一、数据是什么?

二、数据能做什么?

三、数据应用四步骤

第一步---搭建数据体系

第二步---积累数据资产

第三步---完成数据分析

第四步---实现数据应用

四、数据的三种性质

变异性

规律性(以正态分布为例)

客观性

五、优秀数据分析师的三特点

特点一---业务理解

特点二---工具使用

特点三---沟通表达

六、数据分析的九大步骤

步骤一:数据抓取---埋点

步骤二:数据抓取---爬虫

步骤三:数据抓取---API​编辑

步骤四:数据抓取---数据清洗

步骤五:数据分析---描述性统计(可视化)

步骤六:数据分析---诊断性分析

步骤七:数据分析---预测性分析

步骤八:数据分析---仿真模拟

步骤九:业务决策

常见的业务决策方向

七、Excel简介及优劣势分析

Excel优势:

Excel劣势:

八、Python简介及优劣势分析

Python优势:

潜在受众和建立数据标签

仿真应用---舒徐额仿真法

书籍介绍

一、数据是什么?

数据:指未经过处理的原始记录。例如:商品数据(SKU,库存,ASIN,价格等)、用户数据(行为数据、属性数据等)......

SKU,简单理解为一个独特的商品

二、数据能做什么?

以一家线下服装店的经营者为例,通过多年的经营已经在微信上积累了诸多用户,这时如何通过数据分析与数字化经营的思维来管理顾客资产,提升经营效率?

三、数据应用四步骤

第一步---搭建数据体系

常见数据体系维度:

性别、年龄、地理位置、行业、购买力、互动频率、最近互动时间

第二步---积累数据资产

数据资产的积累方向:

1、数据维度数量的增加

2、数据维度复杂性的增加

3、单维度数据数量的增加

4、单维度数据判断精准性的增加

当数据资产积累到一定程度时,就需要用单独的数据库存储数据。

第三步---完成数据分析

描述性分析、用户价值分析、用户分类分析

第四步---实现数据应用

常见数据应用方向:

1、个性化推荐

2、价格歧视

3、A/B test

4、用户生命周期管理

5、产品生命周期管理

app"杀熟"

四、数据的三种性质

变异性

规律性(以正态分布为例)

客观性

从多角度分析;

五、优秀数据分析师的三特点

特点一---业务理解

电商业务:GMV、复购率、客单价、流量、转化率、折扣率

广告业务:单次点击竞价、点击率、有效访问率、广告预算

产品业务:PV、UV、日活/月活、用户留存、ARPU

供应链业务:缺货率、安全库存、滞销率、备货量

营销业务:市场占有率、ROI(投资回报率)、头部市场/腰部市场/长尾市场

点击XXX:推荐给用户的要真正有用

访问<点击

日活和月活:app使用活跃度

特点二---工具使用

简单业务,数据处理的价值点很低,可复制性强

复杂业务,精准度和单一创造价值越大
预测:结果单一,易受影响

仿真分析:给出一系列结果,不易被影响

特点三---沟通表达

二八分布:20%的市场可能拥有80%的市场占有率和80%的利润来源

成交>咨询

六、数据分析的九大步骤

步骤一:数据抓取---埋点

埋点:在应用中特定的流程收集一些信息,用来跟踪应用使用的状况,后续用来进一步优化产品或是提供运营的数据支撑。

步骤二:数据抓取---爬虫

爬虫:指的是按照一定规则,自动抓取万维网信息的程序或者脚本。

步骤三:数据抓取---API

api,指的是应用程序接口,他是一些预先定义的函数,可以在无需访问源码的前提下,使应用程序的开发人员基于某软件或者硬件访问的一组例程。

步骤四:数据抓取---数据清洗

数据质量分析

1、缺失值分析(空置/遗漏值)

2、异常值分析(离群点分析)

3、一致性分析(矛盾/多数据源数据)

步骤五:数据分析---描述性统计(可视化)

气泡图,可以同时显示三个维度的数据信息

步骤六:数据分析---诊断性分析

周权重指数=1.09+1.26+1.14+1.27+1.20+1.13+1.00=8.11

边界效应

步骤七:数据分析---预测性分析

步骤八:数据分析---仿真模拟

步骤九:业务决策

常见的业务决策方向

1、描述性统计---用户画像---针对性运营

2、诊断性分析---ROI评估---企业资源配置优化

3、预测性分析---未来业绩评估---活动策划/人员工作排期

4、仿真模拟---不同情况风险评估---供应链资源规划

七、Excel简介及优劣势分析

Excel优势:

1、对单数据源(单表格)数据分析非常灵活,方便

2、操作简单,分析方法可复制性强,对业务放指导性强

Excel劣势:

1、对多数据源(多表格)数据分析时较为麻烦,低效

2、对大数据量数据源分析时容易发生卡顿、报错

八、Python简介及优劣势分析

Python优势:

1、可读性文字编写的语言之一,学习难度较小

2、数据可视化、数据分析的工具包丰富,分析效率高

潜在受众和建立数据标签

仿真应用---舒徐额仿真法

书籍介绍:

相关推荐
key0626 分钟前
电子水母函数解析
数据分析
Brduino脑机接口技术答疑2 小时前
脑机新手指南(二十一)基于 Brainstorm 的 MEG/EEG 数据分析(上篇)
数据挖掘·数据分析
镜舟科技2 小时前
StarRocks × Tableau 连接器完整使用指南 | 高效数据分析从连接开始
starrocks·数据分析·数据可视化·tableau·连接器·交互式分析·mpp 数据库
羊小猪~~2 小时前
【NLP入门系列五】中文文本分类案例
人工智能·深度学习·考研·机器学习·自然语言处理·分类·数据挖掘
好开心啊没烦恼3 小时前
Python 数据分析:DataFrame,生成,用字典创建 DataFrame ,键值对数量不一样怎么办?
开发语言·python·数据挖掘·数据分析
麻雀无能为力12 小时前
CAU数据挖掘实验 表分析数据插件
人工智能·数据挖掘·中国农业大学
时序之心12 小时前
时空数据挖掘五大革新方向详解篇!
人工智能·数据挖掘·论文·时间序列
永洪科技13 小时前
永洪科技荣获商业智能品牌影响力奖,全力打造”AI+决策”引擎
大数据·人工智能·科技·数据分析·数据可视化·bi
胡耀超18 小时前
标签体系设计与管理:从理论基础到智能化实践的综合指南
人工智能·python·深度学习·数据挖掘·大模型·用户画像·语义分析
Triv202519 小时前
ECU开发工具链1.10版:更强大的测量、校准与数据分析体验.
microsoft·数据分析·汽车电子开发·校准流程自动化·高速信号采集·测试台架集成·实时数据监控