数据分析基础套路与实战

数据分析的基本流程

确定数据分析的目标与分析框架；
数据采集与预处理；
数据分析；
业务需求建模
完善数据分析报告；

确定数据分析的目标与框架

1、如何高效的拆解业务需求，确定数据分析目标
业务需求的拆分分为两部分：第一是把需求拆分到业务指标；第二是对每个指标拆分分析。
业务指标也分为核心指标和底层指标，电商运营的核心优化指标是GMV，但不同业务问题可以从人货场、链路转换、生命周期等不同角度拆解出细分指标用于优化。

指标拆分分析的常用思路与方法：

以DAU变动为例分析
（1）按短期和长期因素拆分
此处DAU上升现将其拆分为长期因素和短期因素，长期因素表现在用户量的长期趋势，如一年来app的日活指标都是呈上升态，可估算5月到7月按既往趋势的DAU增长量（换算为量而非百分比），比如使用移动平均等预测手法计算；在剔除了趋势增长量的基础上，考虑短期因素，考虑在7月和5月间有无重大社会事件、商业事件，社会事件可以是某种舆论造成App的关注度提升，商业事件可考虑商业合作和商业活动（618），可以以各月的舆论热度作为对比的指标。
（2）按内外部变化拆分
日活的变化第一是产品本身某个改动点获得认可，可以通过abtest的方式来检验，指标包括用户研究类（活跃用户）、内部的新版本，运营活动；外部变化是市场环境，可以从市场趋势和市场竞争（交互作用）两方面来分析，市场趋势开始提倡或推动本类产品的增长（用户增长潜力），而从分割市场的角度解释市场竞争，一个固定容量的市场，一些产品倒下或增加，必将导致用户量的集中和分散，因此可考虑分析近几个月的行业舆情和竞争对手运营情况。
（3）按时空来拆分
可以将日活细拆为地区、城市的粒度，然后进行相应的对比，分析具体的日活增长点是某一个城市、还是某些城市还是所有城市，如果是某个或某几个城市，如可以分析这些城市的渗透率的变化，是否和其他日活变化不大的城市的渗透率相差较大，则可以归结于业务推广的功劳。若所有城市日活都在上升，则可以考虑该增长与野夫分析无关，考虑其他因素，如竞品退出、市场趋势、产品改进等有关
京东的销量预测
评估指标wMAPE。选择合适业务环境的指标

2、数据分析的常用业务框架和指标有哪些

1）常用指标
数据分析的核心指标在不同行业有所差异，底层细分指标也很多。以几个互联网平台的核心指标为例：
INS 照片分享率
Facebook 月活跃用户率
uber 接单司机到用户的距离（优化用户体验的目的）
电商销售额 GMV

下面以电商运营为例，分析常用指标，可以从人、货、场的角度进行细分。

人的指标：
人包括客服；流量（访客）；用户

DSR 店铺动态评分
是店铺信用销售价值的重要表征指标。与消费评价息息相关
计算方法：基础权重—抽取连续6个月内买家评分总和/买家评分次数，在此基础上会叠加店铺内每个宝贝的评分。
货的指标：从货的生命周期切入包括，库存；销售；配货；售后
（1）总体介绍

（2）详细介绍
产品活跃指标
场的指标拆解
场的通用指标包括：销售预测和销售分析
销售预测：增长率、权重指数（月/周/日）
销售分析：直接指标—销售额、净销售额（不含退款）、业绩增长率、毛利率
间接指标—销售量、订单数量、成交转换率、客单价、连带率

场的网页链路指标包括：页面，促销方案，活动商品
页面：页面结构—流量路径、热力图、停留时长、跳失率；页面陈列—屏效
促销方案：优惠券—发放数量、使用率、折损；赠品—发放数量、折损
活动商品：SKU数/占比；销售额/占比

2）业务分析常用的框架
（1）基于AIPL的消费者资产管理
从用户生命周期出发量化品牌的人群资产，分成以下四个阶段。
认知：广告报告；公域页面曝光；无品牌倾向搜索
兴趣：广告点击；粉丝互动；店铺浏览；品牌倾向搜索；关注/收藏/加购
购买：购买
忠诚：复购；主动分享；正面评论

（3）RFM分析框架：
Recency 最近一次消费时间；Frequency 一段时间内消费次数；Money 消费金额
用户价值的分层分析（可分为8类），精准营销，挽留高价值客户，引入潜在客户。

（3）电商漏斗模型
消费者漏洞模型：注意—兴趣—欲望—记忆—行动
通过漏斗模型寻找用户行为各环节可优化的节点

3、关于用户/商品/场所的分析
（1）关于商品的分析

（2）关于用户的分析

（3）关于新零售的分析

（4）关于场景的分析

数据采集与清洗

1、如何在明晰业务需求的基础上，提炼重点采集对象
2、数据采集的常用渠道与方法
3、总览概况
熟悉一下已有的数据集结构，包括表名，字段名，表之间的业务逻辑关系。
4、清洗无效数据
乱码、重复、超出阈值范围的

数据预处理

1、处理缺失值
2、处理异常值
3、数值转换（正态分布）
4、数据类型转换（离散化、连续化重编码）

数据分析的基础套路与实战（一）——业务拆解框架相关推荐

《数据分析思维》：分析方法与业务知识
小飞象·读书会生活从来不会刻意亏欠谁,它给你一块阴影,必会在不远处撒下阳光. 读书交流│3期数据分析方法与业务知识 data analysis ●●●● 分享人:木兮欢迎大家参加这次读书会的直播 ...
SpringBoot2零基础到项目实战-基础篇
springboot2零基础到项目实战-基础篇课程内容说明课程单元学习目标基础篇能够创建SpringBoot工程基于SpringBoot实现ssm/ssmp整合应用篇能够掌握Sprin ...
Hadoop大数据零基础高端实战培训系列配文本挖掘项目
<Hadoop大数据零基础高端实战培训系列配文本挖掘项目(七大亮点.十大目标)> 课程讲师:迪伦课程分类:大数据适合人群:初级课时数量:230课时用到技术:部署Hadoop集群涉 ...
python快速编程入门课后程序题答案-Python编程从零基础到项目实战完整PPT+习题答案...
Python编程从零基础到项目实战是一本介绍Python相关知识的Python基础教程,内容涉及算法.Python数据分析.图形处理.Web开发.科学计算.项目管理.人工智能.Python爬虫等.其中 ...
Aooms_基于SpringCloud的微服务基础开发平台实战_002_工程构建
为什么80%的码农都做不了架构师?>>> 一.关于框架更名的一点说明最近在做年终总结.明年规划.还有几个项目需要了结.出解决方案,事情还比较多,死了不少脑细胞,距离上一篇文章 ...
Mysql常用基础命令操作实战
目录一启动与关闭MySQL 3 1.1 单实例MySQL启动与关闭方法 3 ※1※ 常规启动关闭数据库方式(推荐) 3 1.2 多实例MySQL启动与关闭 ...
Java、Python、大数据、人工智能、软件测试等学科零基础到项目实战教程免费分享！
你有一直在坚持的事情吗?传智教育有! 传智教育从2006年开始坚持向千万学子免费分享学习资源,截止到2020年年末,视频教程已发布12万余节,免费直播公开课1500余场. 每一次分享,都能得到成千上万 ...
大数据分析入门基础知识学什么？
大数据分析入门基础知识学什么?做好数据分析要掌握多方面的知识和技能,软实力包括沟通能力.表达能力.设计能力等.学大数据分析需要掌握可视化分析.数据挖掘算法.预测性分析能力.语义引擎.数据质量和数据管理 ...
【汤鸿鑫 3D太极】5年目标规划（基本功、套路、实战搏击）
[5年目标]在基本功的基础上,每年完成一个套路或实战搏击的学习研究. [中小学2年]三段九节 + 2套路. [高中的3年]太极十三势 + 1套路 + 推手 + 搏击. 1.中小学阶段-可自学 (1)基 ...

数据分析的基础套路与实战（一）——业务拆解框架