浅谈数据分析及数据思维

目录

  • 一、数据分析及数据分析思维?
    • [1.1 数据分析的本质](#1.1 数据分析的本质)
    • [1.2 数据分析思维的本质](#1.2 数据分析思维的本质)
      • [1.2.1 拥有数据思维的具体表现](#1.2.1 拥有数据思维的具体表现)
      • [1.2.2 如何培养自己的数据思维](#1.2.2 如何培养自己的数据思维)
        • [1.2.2.1 书籍](#1.2.2.1 书籍)
        • [1.2.2.2 借助工具](#1.2.2.2 借助工具)
        • [1.2.2.3 刻意练习](#1.2.2.3 刻意练习)
  • 二、数据分析的价值及必备能力?
    • [2.1 数据分析的价值](#2.1 数据分析的价值)
      • [2.1.1 现状分析](#2.1.1 现状分析)
      • [2.1.2 原因分析](#2.1.2 原因分析)
      • [2.1.3 预测分析](#2.1.3 预测分析)
    • [2.2 数据分析的必备能力](#2.2 数据分析的必备能力)

一、数据分析及数据分析思维?

1.1 数据分析的本质

数据的三要素:数据来源(从哪里来?)采集方式(以何种方式采集?)记录形式(以何种形式记录?)

数据分析的本质,是把思维建立在牢固的事实基础上,通过有逻辑的分析,推理出接近真相的答案。数据分析不仅仅是ESP(excel、SQL、Python)或者EST(excel、SQL、Tableau),这只能说是一些操作工具,让我们能更好地处理数据。

1.2 数据分析思维的本质

数据思维相关书籍链接:https://pan.quark.cn/s/37848b323525

数据思维是使用数据分析技能去解决问题的能力 。数据分析思维的作用是搭建分析思路的框架 ,数据分析技能是在思路的框架范围内做具体的分析 。就如盖房子一样,数据分析技能就像是砖头、钢筋、水泥,而数据分析思维就相当于设计图,有了设计图你就可以很好地将砖头、水泥、钢筋合理组合搭配,最终盖出一个高楼大厦。技能决定下限,思维决定上限。

事实上,所有的岗位都需要数据思维能力。例如:

1)董事长CEO要有清晰的数据战略,理解数据对于核心业务的意义所在;

2)CFO要懂数据资产的价值,甚至可以做到价值评估;

3)运营要懂得如何通过数据改善业务;

4)产品经理要洞察数据价值的产品表达形式;

5)BD也就是我们的Business Development商务拓展要懂得自己的数据和伙伴数据的交换价值;

6)销售要懂数据对于客户业务的可度量价值;

7)营销要懂得如何通过数据让广告投放更加精准。

1.2.1 拥有数据思维的具体表现

分析业绩下降的原因:没有数据思维的分析:停留在数字层面加减乘除,通常最后很难提供有价值的结论 。有数据分析思维的分析:有一套更加全面的角度去分析问题解决问题。

1)梳理事实 :是什么时间的事,目前是否已经结束,从多少下降到多少,事件类型(周期性、突发性、持续性)

2)问题定性 :业绩下降到底是否是一个问题?计划内的、规律性的 下降属于正常情况(如:投入减少、节假日效应、产品退市等);计划外的、突发的、异常的 才属于真正的问题。

3)衡量幅度 :计划内的下跌;计划外下跌(发生的时间、地点、群体)

4)区分问题 :计划内的轻微下跌(正常变化),计划外的轻微下跌(持续观察),计划内的剧烈下跌(检查过程),计划外的剧烈下跌(直击要点)。

5)区分内外部影响 :外部宏观因素引起的波动(断崖式下跌),内部因素引起的波动(找到标杆公司对比分析)。

6)深入外部问题 :外部因素引起的波动,数据的表现:业绩指标随政策应声而落,长期阴跌不止,提升业绩手段越来越差,所有业务均呈同态势下跌,没有被波及的业务有特殊资源支持。

拥有数据思维的具体表现,通常来说需要涉及:对业务的了解对业绩指标走势有经验积累对常见业务活动的数据表现有总结对不同维度下数值差异有拆分对标杆情况有掌握对内外部归因有判断未结问题持续跟进

1.2.2 如何培养自己的数据思维

1.2.2.1 书籍

逻辑类:金字塔原理、麦肯锡思维、事实

分析类:精益数据分析、数据化管理、数据挖掘与数据化运营实战

产品类:产品方法论(余军)、从点子到产品、产品思维创新设计的六条法则

书籍相关链接:https://pan.quark.cn/s/37848b323525

1.2.2.2 借助工具

思维导图:Xmind、Process On

1.2.2.3 刻意练习

1)陈述事实,而非观点

如:最近的转化率大幅下降,这句话是事实还是观点?答案:观点。

转化率下降了。这句话是事实还是观点?答案:观点,从一个角度看可能是,放大到更大维度就不是。

周一到周三的转化率持续下降,周三相比周一下降5%。这是事实。

2)用客观标准代替主观判断

只有数据对业务问题的分析没有什么帮助,所以最后事实还是要归纳成观点。想要解读出观点,需要找到一个标准,标准怎么找?

(1)可以是老板定的标准,看数据是否符合老板心中的标准;

(2)可以看行业和竞品的平均标准,看数据下降是否是行业的普遍现象;

(3)看企业过去的平均水平,可以在历史数据中找到类似场景下的数据情况,和自己过去对比。

3)不预设立场

人们总是习惯于通过自己的现存经验和知识去判断未知事物,实际上,想要证明一个观点,只要肯找,总能找到支持的理由。不仅辛普森悖论这种统计学的把戏可以得出完全相反的结论,即使最简单的"真话不全说"的方法,也能达到这种目的。比如,把正例说成反例 。我想要证明一种物质是有害的,列举了以下论点:

(1)它是酸雨的主要成分;

(2)对泥土流失有促进作用;

(3)过多的摄取可能导致各种不适;

(4)皮肤与其固体形式长时间的接触会导致严重的组织损伤;

(5)吸入该物质容易引发室息;---答案是:水

想要把反例说成正例也没问题 。比如中国男足,想要把男足描述成世界强队行不行,当然行。

(1)哥斯达黎加是世界杯史上为数不多能够战胜中国队的国家

(2)即使是巴西队这样的世界强队也仅战胜过中国队一次

(3)自2002年韩日世界杯后,中国队在世界杯正赛上不败纪录已经延续12年

(4)纵观漫长的世界杯史,中国队也仅输过三次

(5)中国队从未在世界杯点球大战中失利过

(6)中国队在领先的情况下从未丢过球

只要你想证明一件事,总能找出一些证据,所以,预设立场再去找证据是一件相当不靠谱的事。

4)归纳而不是演绎

逻辑思维方法分为归纳法和演绎法。归纳法是从特殊到一般的推理,是从结果找到原因的方法,也就是说,通过观察很多个事物的特殊性,然后概括出同类事物的特征,但我们一般是不可能观察到这个事物的所有样本,所以归纳法得出的结论是不确定正确性的。

5)找出底层逻辑

本周的转化率相比上周已经下降了5%,怎么办?两个衍生问题:问题1:转化率下降5%真的是不好的情况吗?问题2:如果数据表现真的不好,那么这是现在急需解决的问题吗?

二、数据分析的价值及必备能力?

对数据进行分析,主要就是为了提取有价值的信息,并对企业的生产营销工作进行指导,它的价值主要体现在现状分析原因分析预测分析三个方面。

2.1 数据分析的价值

2.1.1 现状分析

就是告诉你过去发生了什么,比如:

  • 告诉你企业现阶段的整体运营情况,主要是通过各个经营指标的完成情况来衡量,用来说明企业整体运营是不是键康的,如果是键康的、良好的,我们应该持续的有哪些,如果是病态的、不好的,那又需要修改哪些地方来让它恢复正常。
  • 告诉你企业各个业务的发展及构成情况,让你了解企业各个业务的发展及变动情况对企业运营情况有更深入的了解。

现状分析一般通过日常报表来完成,比如日报、周报、月报等日报形式。

2.1.2 原因分析

就是告诉你为什么发生。比如:经过第一阶段的现状分析,对企业的运营情况有了一个基本的了解,但是不知道运营情况具体好在哪里,差在哪里,是什么原因引起的。这时候就需要展开原因分析了,进一步确定运营状况变动的具体原因。

2.1.3 预测分析

就是告诉你将来发生什么。比如:在了解企业的运营状况之后,还需要对企业的未来发展趋势做出预测,为制定企业运营目标及策略提供有效的参考决策依据,以保证企业可持续键康发展。

预测分析一般通过开展专题分析来完成,一般是在制定季度计划或者年度计划的时候应用。

2.2 数据分析的必备能力

正确的数据思维、对数据的敏感程度是成为数据分析师的先决条件,其次才是一些硬性的条件。

相关推荐
孔令飞1 分钟前
01 | Go 项目开发极速入门课介绍
开发语言·人工智能·后端·云原生·golang·kubernetes
szxinmai主板定制专家10 分钟前
基于DSP+ARM+FPGA轨道交通6U机箱结构牵引控制单元(Pcle)
大数据·arm开发·人工智能·fpga开发·架构
yuanpan21 分钟前
机器学习神经网络中的损失函数表达的是什么意思
人工智能·神经网络·机器学习
小青龙emmm1 小时前
机器学习(七)
人工智能·机器学习
数字供应链安全产品选型1 小时前
安全左移动赋能:灵脉IAST交互式应用安全测试平台
网络·人工智能·安全·开源·开源软件
Mountain and sea2 小时前
焊接机器人与线激光视觉系统搭配的详细教程
人工智能·opencv·机器人
灏瀚星空2 小时前
高效图像处理工具:从需求分析到落地实现
图像处理·人工智能·经验分享·python·学习方法
安冬的码畜日常2 小时前
【AI 加持下的 Python 编程实战 2_02】第一章:利用 GitHub Copilot 叩开 AI 辅助编程的大门
人工智能·python·ai·copilot·ai助手·ai应用·ai辅助编程
Terrence Shen2 小时前
跟着AI复习一下pytorch原理和操作
人工智能·pytorch·python·深度学习·算法·机器学习
月落星还在3 小时前
AI学习——深度学习核心技术深度解析
人工智能·深度学习