大数据分析和人工智能TB|5种经典的数据分析思维和方法
作者:启方
在数据分析中 , 数据分析思维是框架式的指引 , 实际分析问题时还是需要很多“技巧工具”的 。 就好比中学里你要解一元二次方式 , 可以用公式法、配方法、直接开平方法、因式分解法 。
数据分析里也有技巧 , 在一些通用的分析场景下可以快速使用 , 而且对未来构建数据分析模型也有帮助 。
接下来就分享常见的5种数据分析方法 , 分别是:公式法、对比法、象限法 , 二八法 , 漏斗法 , 常常多种结合一起使用 。
注:主要偏思维层面的 , 基于业务问题对数据的探索性分析 , 不同于专业统计学中的数据处理方法 。
一、公式法
所谓公式法就是针对某个指标 , 用公式层层分解该指标的影响因素 , 这个我在指标化思维中提到过 。
举例:分析某产品的销售额较低的原因 , 用公式法分解
某产品销售额=销售量X产品单价
销售量=渠道A销售量+渠道B销售量+渠道C销售量+…
渠道销售量=点击用户数X下单率
点击用户数=曝光量X点击率
第一层:找到产品销售额的影响因素 。 某产品销售额=销售量X产品单价 。 是销量过低还是价格设置不合理?
【大数据分析和人工智能TB|5种经典的数据分析思维和方法】第二层:找到销售量的影响因素 。 分析各渠道销售量 , 对比以往 , 是哪些过低了 。
第三层:分析影响渠道销售量的因素 。 渠道销售量=点击用户数X下单率 。 是点击用户数低了 , 还是下单量过低 。 如果是下单量过低 , 需要看一下该渠道的广告内容针对的人群和产品实际受众符合度高不高 。
第四层:分析影响点击的因素 。 点击用户数=曝光量X点击率 。 是曝光量不够还是点击率太低 , 点击率低需要优化广告创意 , 曝光量则和投放的渠道有关 。
通过对销售额的逐层拆解 , 细化评估以及分析的粒度 。
公式拆解法是针对问题的层级式解析 , 在拆解时 , 对因素层层分解 , 层层剥尽 。
二、对比法
对比法就是用两组或两组以上的数据进行比较 , 是最通用的方法 。
我们知道孤立的数据没有意义 , 有对比才有差异 。 一些直接描述事物的变量 , 如长度、数量、高度、宽度等 。 通过对比得到比率数据 , 增速、效率、效益等指标 , 这才是数据分析时常用的 。
比如用于在时间维度上的同比和环比、增长率、定基比 , 与竞争对手的对比、类别之间的对比、特征和属性对比等 。 对比法可以发现数据变化规律 , 使用频繁 , 经常和其他方法搭配使用 。
下图的AB公司销售额对比 , 虽然A公司销售额总体上涨且高于B公司 , 但是B公司的增速迅猛 , 高于A公司 , 即使后期增速下降了 , 最后的销售额还是赶超 。
文章图片
三、象限法
通过对两种及以上维度的划分 , 运用坐标的方式表达出想要的价值 。 由价值直接转变为策略 , 从而进行一些落地的推动 。 象限法是一种策略驱动的思维 , 常于产品分析、市场分析、客户管理、商品管理等 。
比如 , 下图是一个广告点击的四象限分布 , X轴从左到右表示从低到高 , Y轴从下到上表示从低到高 。
文章图片
高点击率高转化的广告 , 说明人群相对精准 , 是一个高效率的广告 。
高点击率低转化的广告 , 说明点击进来的人大多被广告吸引了 , 转化低说明广告内容针对的人群和产品实际受众有些不符 。
高转化低点击的广告 , 说明广告内容针对的人群和产品实际受众符合程度较高 , 但需要优化广告内容 , 吸引更多人点击 。
低点击率低转化的广告 , 可以放弃了 。
还有经典的RFM模型 , 把客户按最近一次消费(Recency)、消费频率(Frequency)、消费金额(Monetary)三个维度分成八个象限 。
- 水底奥秘|世界上最大的5种淡水鱼,巨型黄貂只能排末位,很多已经濒危!
- 澄澈的眼|如何做到赋能营销?(上),揭秘!人工智能时代下
- 尚学堂人工智能学院|总结归纳AI人工智能时代常见的面试题以及解析
- BI视角|业务人员必看!企业数据分析可以这么做
- 产业气象站|AWS人工智能欺诈检测服务全面可用,应对金融欺诈
- 中国青年网|百度人工智能打造了不起的中国AI,为生产注入智能化的力量
- 小胖有技能|要不,让图灵“亲自”给你讲讲?,还没搞懂人工智能吧
- 科技之感|全行业需要这三类人才,“下一个十年”人工智能大有可为
- 趣味科技|AWS副总裁Swami:现在是人工智能和机器学习的黄金时代
- 上观新闻|人工智能“碰撞”传统运动,来金桥国际与AI机器人打乒乓