CDA Level1知识点总结之业务数据分析
业务数据分析
- 数据驱动型业务管理方法
- 指标的应用与设计
- 常用场景指标
- 1.流量相关指标
- 2.转化相关指标
- 3.营运、销售相关指标
- 4.库存相关指标(难以理解)
- 5.绩效类指标
- 6.客户相关指标
- 设计新指标
- 客户分析
- 行为效果分析
- 业务分析模型
- 业务分析方法
数据驱动型业务管理方法
数据的产生和应用：记住企业的目的是为了盈利、挣钱，所有的数据分析、经验参考产生的决策都是为了这一目的。数据分析是锦上添花，而人员经验、执行能力才是雪中送炭。说白了，人才是根本重要的。
指标的应用与设计
指标的作用–用汇总数据量化业务强弱
指标的理解–对度量的汇总，数据的汇总规则
指标的特点：指标是游离态的，如总销售额，需要与统计维度结合，明确统计指标的对象，如产品时间维度下，2021年某产品的总销售额。指标可以自由组合形成新指标，以适应多变的业务环境。
基本指标：求和类（常规求和、累计求和、时间维度下累计指标）、计数类、比较类（差异百分比、均比、定基比增长率、同环比增长率）
常用场景指标
1.流量相关指标
量
CPM–每千次曝光、CPC–按点击次数收费、CPS–按实际销售收费
UV访客数：访问对应维度的非重复用户数
PV浏览量：维度下浏览页面的总次数
Visits访问次数：统计会话数
新访客数
质
平均访问深度：浏览量/访问次数
跳失率：跳出次数/访问次数（跳失是指无点击行为就离开页面）
新访客占比：新访客数/访客数
2.转化相关指标
转化率
黄金三剑客：流量、转化率、客单价
3.营运、销售相关指标
成交额：GMV、实际销售额、税后销售额、退款额
成交量：实际订单量、销量、退款订单量、上架数量
完成情况：目标达成率、退货率
效果：屏效、商品关联性
4.库存相关指标(难以理解)
库存周转天数=库存量/最近n天平均销量
库龄=存放仓库时长
库存周转次数=平均库存量/出库总量
订货满足率=按合理需求正常供货次数/产品被要求供货的总次数
缺货率=缺货次数/总订货次数
售罄率=1-库存金额/进货金额
5.绩效类指标
6.客户相关指标
量：
注册用户数、登录用户数、浏览用户数
质：
活跃用户数、复购用户数、留存率、在线时长
设计新指标
指标分析方法–纵向分析（时间周期下指标变化规律）、横向分析（指定维度下不同项的指标值的差异）、预警分析（当前时间节点对应维度下的指标累计值或瞬时值，对比基准值）
客户分析
用户生命周期
客户来源分析
渠道用户价值贡献：a.瞬时价值–用户量；b.长期价值–用户质量
留存分析
留存用户：用户注册后开始接触产品，使用产品且未离开的用户。
用户流失分析
流失定义：
无明确定义，根据APP具体业务行为而定。如用户 30 天内未发生购买行为；如用户卸载了 APP ；如最近 2 个月用户未登录
用户行为价值分析
电商app为例，浏览页面数、浏览时长、登陆次数、收藏商品数、收藏并购买次数。加购次数、支付金额、支付间隔天数、分享商品次数
行为效果分析
业务分析模型
RFM模型
重要价值用户–保持现状
重要发展用户–提升频次
重要保持用户–用户回流
重要挽留用户–重点召回
用户忠诚度模型
漏斗模型
业务分析方法
树状结构分析–下钻式、金字塔
二八分析–80%的问题是由20%的原因造成的，用于找到核心问题。
四象限分析–波士顿矩阵（用于商品分析）
同期群分析–量化行为指标，分析不同群体的该指标随时间的变化情况
同期群–指定的时间段内或指定的地理位置处，具有相同特征属性的用户
其他：LTV用户生命价值：LTV=LT*ARPU, LT是用户生命周期，APRU是平均用户收入。
1.在查看中国电商市场的交易数据时，会发现由于双11的存在，中国电商市场的交易额会在每年第四季度有很大的增幅。这一特征体现了电商市场成交数据的（）
A.长期趋势变动
B.季节变动
C.周期变动
D.以上都是
答：B。
错选为C。但周期变动一般指2-3年以上的循环。
2.有三个企业的年利润额分别是5000万元、8000万元和3900万元，则这句话中有（ ）个变量
A.0个
B.2个
C.1个
D.3个
答：B。企业和年利润额分别作为变量。（有点傻的题目）
3.下列有关数据分析过程说法错误的是（）
A.经典统计分析侧重理论检验统计模型的适用性
B.成本与收益问题贯穿数据分析始终
C.同样的数据分析方法论适用于所有的分析领域
D.验证性数据分析的思想有利于更好的指导数据分析实践
答：A.错选为C，因为我认为C的所有的这个词太绝对了，没想到它又是对的。A错在哪里呢？
CDA Level1知识点总结之业务数据分析相关推荐
- CDA Level1知识点总结之数据分析概述与职业操守
数据分析概述与职业操守 策略分析 考点总结 前导课 数据分析概述与职业操守 1. 数据分析概念.方法论.角色 2. 数据分析师职业道德与行为准则 3. 大数据立法.安全.隐私 习题整理(易错题.难题) ...
- CDA Level1知识点总结之总论
CDA Level1 系列文章目录 总论 考试形式与试卷结构 报考须知 PART 1 数据分析概述与职业操守(占比3%) PART 2 数据结构(占比15%) PART 3 数据库应用(占比17%) ...
- CDA Level1知识点总结之多维数据透视分析
多维数据透视分析 策略分析 考点精讲 多维数据模型概述OLAP 多维数据模型创建方法 5W2H思维模型 基本透视规则 透视规则扩展 多维透视分析应用 习题汇总 策略分析 本章是新版新加的内容,考试中占 ...
- CDA Level1知识点总结之描述性统计分析
描述性统计分析 策略分析 考点总结 描述性统计分析介绍 描述性统计图表--直方图.散点图.箱型图 统计分布 相关分析 参数估计 点估计 区间估计 假设检验 习题整理(易错题.难题) 策略分析 参数估计 ...
- （六）CDA 数据分析师Level1考试新版大纲解析（自己整理）PART 6业务数据分析
PART 6 业务数据分析(占比 30%) 总体要求 理解业务数据分析方法.掌握业务数据分析流程.能够使用及设计创建业务指标.能够 结合业务模型及业务分析方法正确理解业务问题,找到问题原 ...
- 【6.3 业务分析方法（15%）-业务数据分析】——CDA
目录 I.大纲 编辑 II.业务分析方法 2.1 客户分析 2.4 行为效果分析 2.5 活动效果分析 2.6 日常销售分析 III. 业务分析模型 3.1 RFM模型 3.2 用户忠诚度模型 IV ...
- 【6.2 指标的应用与设计（12%）-业务数据分析】——CDA
目录 I.大纲 II.指标的应用与设计(12%) 2.1 指标的概述 2.1.1 指标的作用 2.2.2 指标的理解 2.2.1 求和类 2.2.2 时间维度的累计求和 2.2.3 计数类 2.2.4 ...
- （Adventure项目）自行车业务数据分析报告（三）
(Adventure项目)自行车业务数据分析报告(三) 项目背景 Adventure Works Cycles是Adventure Works样本数据库所虚构的公司,这是一家大型跨国制造公司.该公司生 ...
- 聊聊业务数据分析那些事儿
小飞象·交流会 一个人幸运的前提其实是他有能力改变自己. 内部交流│2期 业务数据分析那些事儿 Business data analysis ●●●● 分享人:红星 这一期的分享的主要内容有:业务数分 ...
最新文章
- 多分类学习方法、One vs. Rest、One vs. One、Many vs. Many、多输出分类
- AccountManagment
- VScode 汉化以及侧栏npm脚本显示
- 前端学习（1853）vue之电商管理系统电商系统之git安装
- 把握不好数组边界的危害（记洛谷P1789题RE+WA的经历，Java语言描述）
- latex中使用bibtex显示paragraph ended before \mule@arg was complete 的解决方法
- 响应式滚动图懒加载 element ui el-carousel 组件优化代码
- Hyperledger发布Burrow新版本，改进集成和开发体验
- 【DIOCP开源项目】实际应用案例
- ionic + angular + cordova, 打造专属自己的App！
- python异步爬虫下载_Python3 异步代理爬虫池
- stardict词典全集
- 安卓APP逆向入门破解
- php蝠衭厍桴埭钨,有没办法判断输入汉字的笔划数？
- MATLAB 的串口连接
- python 三角形雷达图,python 画雷达图
- Java在线打开word文档实现指定用户只能编辑指定区域
- JS获取动态添加的元素
- 清华博士生被开除：告诉孩子，不吃学习的苦，就要吃生活的苦
- 怎么让照片变年轻_PS高手让你变得更年轻