数据统计口径是什么意思数据统计口径是什么意思( 八 ) _知识分享

三分
33.3%
1.5/4.5
27.8%
0.5/1.8
中投
37.5%
3/8
36.7%
2.2/6
篮下
71.4%
5/7
71.0%
7.6/10.7
合计
48.7%
9.5/19.5
55.7%
10.3/18.5
看出来了吗？即使和上赛季比篮下命中率略有下降，但它还是上赛季合计命中率的近1.5倍，而篮下出手比例比上赛季提升了50%以上，低命中率的三分和中投又减少的更多，使总出手比上赛季都低了。这个命中率的提升，不是靠提高投篮准确度，而是靠提高更擅长投篮方式的占比实现的。
依照这个思路，你可以查看下，那些没有细分、添加其他相关指标验证的数据，估计你会找到一个大宝藏！
陷阱十五：分析业务数据时，不加外部数据。
举个真实案例，一个公司年营业额从去年的2,000万到了今年的4,000万， CEO给董事会汇报时，说：业绩翻番，做的很好。前4个字是描述事实，没有问题；后4个字是表达观点，业绩翻番和做的好有什么关系吗？真的有关系吗？
行业第一从10亿做到了20亿也是业绩翻倍，但人家基数是你50倍，这个难度差得有点大呀。
该公司的主要竞争对手，从1亿做到了4亿，业绩翻两翻。基数是你5倍，业绩成长是你2倍，哪个更难不言而喻。
而去年营业额在2,000万左右的同行，今年营业额全在5,000万以上。
业绩翻番是增长最少，且总营业额最低的！能说做得好吗？
分析业务数据时，加上行业第一、竞争对手、其他同行，再看看自己的业务数据变化，也许你会发现，世界不一样了！
陷阱十六：为了分析而分析。
做业务时，数据分析是手段，业务提升是目的，不能本末倒置。
举个例子，归因模型大家应该都听过，一个非常高级的分析技术，用来分配价值的。一个用户看了某个产品很多次，才购买，每次的入口不同，应该如何分配这笔收入呢？
这么高级的东西，很多做数据分析的朋友，都很愿意尝试，用它来做数据分析，甚至是自定义归因模型，听起来很高大上哈。高大上和假大空往往只有一线之隔，能不能落地带来价值。
继续说归因模型，它是分析反复浏览才转化的用户的。
如果你绝大部分的转化都是新用户带来的？
如果你绝大部分用户的访问间隔大于购买决策周期？
如果你是在做促使消费者冲动消费的活动？
上述3种情况，用归因模型分析得到的结论，对业务提升帮助不大。
类似的情况很多就不一一举例了。分析模型该怎么选，也够单独成文了。
所有的分析模型、分析方法、分析手段，都是为了通过数据解释某个业务场景而存在的。建议大家先想业务目标，再想业务场景，最后看怎么分析，这样数据分析才能有的放矢！
用数阶段的2个陷阱
这两个让数据变成谎言的陷阱都能越过的话，你应该能从数据中，获取很大的收益了！
陷阱十七：根据推算标签，做具体调整。
细致调整是指推广账户里的具体设定，尤其是那些标签的具体选择。
标签的分类入手，解释下为什么这是个陷阱。
标签主要分采集型标签和推算型标签两类。
手机型号，联网方式，这些是可以直接采集到的，这种标签非常准确。
推算型标签，一般数据量越大越准，标签里值的个数越少越准。举个例子，性别，只算男和女，有2个值；年龄段，却可以有18以下、18-25、26-35、36-45、45以上，很多个值；那么，数据量相同的情况，大概率是性别更准确。由于这点的存在，一般再分成高准确率推算标签和低准确率推算标签。
标签推算的一大逻辑是：根据行为打分，以性别为例，算1百万个人，有多少男、多少女，准确率会超过97%；但具体某个人，系统给出的不是，这个人的性别是男是女，而是类似该用户有89%的男性行为、11%的女性行为。

数据统计口径是什么意思 数据统计口径是什么意思( 八 )

数据统计口径是什么意思数据统计口径是什么意思( 八 )