chinesefreesexvideos高潮,欧美极品少妇性运交,久久久国产一区二区三区,99久久婷婷国产综合精品,成人国产一区二区三区

數(shù)據(jù)分析的目的是把隱藏在雜亂無(wú)章的數(shù)據(jù)背后的信息集中和提煉出來(lái)，總結(jié)出研究對(duì)象的內(nèi)在規(guī)律。但還是有很多小伙伴覺(jué)得稀里糊涂的，覺(jué)得太概念化了。讓我們不知道“要做什么”。此時(shí)，我們就需要對(duì)問(wèn)題進(jìn)行拆解，梳理一個(gè)整體的框架流程，讓大家對(duì)數(shù)據(jù)分析有個(gè)全局觀。而這個(gè)拆解過(guò)程就要求一個(gè)數(shù)據(jù)分析師對(duì)數(shù)據(jù)分析的整體框架有所了解。

從事數(shù)據(jù)分析相關(guān)工作的4年時(shí)間里，我慢慢沉淀了一些數(shù)據(jù)分析方面的知識(shí)，來(lái)分享給大家關(guān)于數(shù)據(jù)分析整體框架之落地全流程，我把數(shù)據(jù)分析流程分成了五大塊階段: 發(fā)現(xiàn)問(wèn)題→需求處理→數(shù)據(jù)處理→數(shù)據(jù)分析→數(shù)據(jù)展現(xiàn)。

發(fā)現(xiàn)問(wèn)題既可以是需求方發(fā)現(xiàn)，我們被推動(dòng)來(lái)分析，也可以自己發(fā)現(xiàn)，我們主動(dòng)來(lái)分析。所以，先來(lái)說(shuō)發(fā)現(xiàn)問(wèn)題。

先看一個(gè)例子，一位烤串大爺說(shuō)賺的太少了，這個(gè)“少”怎么得來(lái)的。與過(guò)去比少了？與目標(biāo)比少了？與行業(yè)平均水平比少了， 還是與其他同商圈的烤串大爺比少了？等。這個(gè)少的判斷就隱藏著數(shù)據(jù)分析思維。

1）探索問(wèn)題

以數(shù)據(jù)分析思維思考問(wèn)題，再去進(jìn)一步拆解、分析、探索該問(wèn)題。尤其是有效問(wèn)題。有效問(wèn)題才有意義。

2）確定有效問(wèn)題

3）發(fā)現(xiàn)問(wèn)題的方式

最后最重要的一點(diǎn): 站在業(yè)務(wù)角度想問(wèn)題。比如這個(gè)問(wèn)題有多大的業(yè)務(wù)價(jià)值，能實(shí)際解決什么樣的業(yè)務(wù)問(wèn)題。吃透業(yè)務(wù)邏輯，才能在分析上游刃有余。

1）需求類型

一般來(lái)說(shuō)，數(shù)據(jù)分析師接到的需求有4種，大家可以看下。

◆純?nèi)?shù)

◆數(shù)據(jù)分析

◆報(bào)表開(kāi)發(fā)

◆指標(biāo)口徑迭代

數(shù)據(jù)處理其實(shí)就是獲取數(shù)據(jù)、處理數(shù)據(jù)、校驗(yàn)數(shù)據(jù)的過(guò)程。

獲取數(shù)據(jù)既可以直接從現(xiàn)有數(shù)據(jù)庫(kù)表中獲取，也可以請(qǐng)數(shù)倉(cāng)根據(jù)需求落表再去獲取。當(dāng)然，有時(shí)候還可以通過(guò)外部數(shù)據(jù)來(lái)獲取一些信息輔助分析。

數(shù)據(jù)處理一般是處理掉一些不需要的無(wú)關(guān)數(shù)據(jù)，以及聚合的運(yùn)算。接下來(lái)就要提前先做下數(shù)據(jù)驗(yàn)證，一個(gè)是自身多方角度驗(yàn)證，還可以與需求方協(xié)同驗(yàn)證。也可定性驗(yàn)證，就是根據(jù)經(jīng)驗(yàn)或者邏輯推理來(lái)驗(yàn)證?；蚨框?yàn)證，就是以數(shù)據(jù)為支撐，多方交叉驗(yàn)證。

做好數(shù)據(jù)處理，為下一步的數(shù)據(jù)分析奠定良好的數(shù)據(jù)基礎(chǔ)。問(wèn)題也發(fā)現(xiàn)了，需求也溝通好了，數(shù)據(jù)該處理的也處理好了，那就開(kāi)始做分析吧！

做數(shù)據(jù)分析之前，我們先要想清楚整體的分析框架是什么、采用什么數(shù)據(jù)分析方法。數(shù)據(jù)分析方法，是你去組織哪些數(shù)據(jù)，指導(dǎo)后續(xù)整個(gè)數(shù)據(jù)工作的開(kāi)展。

那么，我們現(xiàn)在來(lái)分享數(shù)據(jù)分析的九大分析方法！

1）漏斗分析法

漏斗分析比較簡(jiǎn)單，重要的是在合適的業(yè)務(wù)場(chǎng)景中靈活的應(yīng)用它。

2）AARRR模型

AARRR模型，主要為了探索用戶增長(zhǎng)，正好對(duì)應(yīng)用戶生命周期的5個(gè)環(huán)節(jié)：用戶獲取、用戶激活、用戶留存、用戶變現(xiàn)、推薦傳播。

來(lái)想象一個(gè)場(chǎng)景，xx公司開(kāi)發(fā)了一款新產(chǎn)品:

第一步:通過(guò)地推、廣告投放等途徑獲取用戶。

第二步:通過(guò)新手引導(dǎo)、物質(zhì)/精神激勵(lì)/會(huì)員體驗(yàn)等激活剛剛獲取到的用戶，讓用戶盡快體驗(yàn)到產(chǎn)品核心功能，get到核心價(jià)值。

第三步:趕緊把激活的用戶留住?。《绦?push提醒提醒用戶該來(lái)訪問(wèn)了；讓用戶辦年會(huì)員，增加他離開(kāi)的成本；功能趕緊迭代優(yōu)化提升用戶體驗(yàn)等

第四步:用戶既然留下了，那就協(xié)助我賺點(diǎn)錢(qián)唄！對(duì)，到用戶變現(xiàn)環(huán)節(jié)了。給產(chǎn)品增加付費(fèi)功能，嵌套些廣告等。（自身付費(fèi)，付錢(qián)才能用，試用期沒(méi)了。嵌套付費(fèi)功能）

第五步: 用戶裂變搞起來(lái)，讓我們的用戶給我們拉用戶。要相信，來(lái)自于用戶的好評(píng)更有舒服力。當(dāng)然，產(chǎn)品需要有價(jià)值、有共鳴、有趣味用戶才愿意推薦傳播。

我推薦大家業(yè)余看下《增長(zhǎng)黑客》這本書(shū)，里面對(duì)AARRR模型講的也很細(xì)。

3）預(yù)測(cè)分析

這里主要講下邏輯回歸預(yù)測(cè)。邏輯回歸預(yù)測(cè)就是根據(jù)歷史數(shù)據(jù)，預(yù)測(cè)未來(lái)數(shù)據(jù)，提前預(yù)知，以及時(shí)做好預(yù)案?；貧w預(yù)測(cè)涉及到自變量x，因變量y，直接在excel上先制成折線圖，然后再添加擬合線就可以。重點(diǎn)就是該怎么判斷擬合是否合理。就看R方，R2越接近1，代表擬合效果越好。

這只是一個(gè)比較簡(jiǎn)單的案例。真正工作中預(yù)測(cè)會(huì)考慮的會(huì)比這復(fù)雜，比如需要考慮季節(jié)性，需要剔除極值異常值等。涉及的知識(shí)點(diǎn)較多，更詳細(xì)的內(nèi)容請(qǐng)大家去公眾號(hào)《溜溜筆記說(shuō)》中“銷量預(yù)測(cè)模型實(shí)戰(zhàn)”一文查看。

4）關(guān)聯(lián)規(guī)則分析

關(guān)聯(lián)規(guī)則分析其實(shí)就是購(gòu)物籃分析，就是通過(guò)挖掘用戶的消費(fèi)行為數(shù)據(jù)，探索用戶的消費(fèi)習(xí)慣，從而合理搭配商品，提升收益。

主要涉及的知識(shí)點(diǎn)有條件概率、支持度、置信度、提升度。

◆支持度：同時(shí)包含A和B的事務(wù)/所有事務(wù)

◆置信度：同時(shí)包含A和B的事務(wù)/包含A事務(wù)

◆提升度：包含A的事務(wù)中同時(shí)包含B事事務(wù)的比例/包含B事務(wù)的比例

概念不好理解，來(lái)根據(jù)案例理解下:

假如近30天共產(chǎn)生了10筆訂單（虛構(gòu)的訂單量有點(diǎn)少，不影響計(jì)算哈），其中購(gòu)買(mǎi)了蘋(píng)果的訂單有6筆，購(gòu)買(mǎi)了香蕉的訂單有5筆，同時(shí)購(gòu)買(mǎi)了蘋(píng)果和香蕉的有3筆。

那么問(wèn)題來(lái)了。

第一個(gè)問(wèn)題，同時(shí)購(gòu)買(mǎi)蘋(píng)果和香蕉的概率有多大？是3除以10，30%。這是支持度。

第二個(gè)問(wèn)題，購(gòu)買(mǎi)了蘋(píng)果的用戶會(huì)有多大概率再去買(mǎi)香蕉？3除以6，50%。這是支持度。

第三個(gè)問(wèn)題，購(gòu)買(mǎi)蘋(píng)果對(duì)購(gòu)買(mǎi)香蕉會(huì)產(chǎn)生正向影響還是負(fù)向影響或是無(wú)影響。這個(gè)理解會(huì)繞一點(diǎn)。我詳細(xì)說(shuō)下。

先看下提升度公式。

拆解下公式就是，購(gòu)買(mǎi)了蘋(píng)果的用戶再去買(mǎi)香蕉的概率與直接買(mǎi)香蕉的概率進(jìn)行對(duì)比，前者大于后者，則購(gòu)買(mǎi)蘋(píng)果會(huì)對(duì)香蕉產(chǎn)生正向影響，小于后者，則購(gòu)買(mǎi)蘋(píng)果會(huì)對(duì)香蕉產(chǎn)生負(fù)向影響，二者相等，則購(gòu)買(mǎi)蘋(píng)果會(huì)不會(huì)對(duì)購(gòu)買(mǎi)香蕉產(chǎn)生任何影響。

這種分析比較適合零售行業(yè)的商品組合銷售。向剛剛研究的是蘋(píng)果對(duì)香蕉的影響，反過(guò)來(lái)可以再研究下香蕉對(duì)蘋(píng)果的影響。如果兩者研究都是可以產(chǎn)生正向影響的，就可以做捆綁銷售。

5）RFM模型

RFM模型主要用來(lái)衡量用戶價(jià)值，做用戶分群，比如區(qū)分出低價(jià)值用戶、高價(jià)值用戶、忠誠(chéng)用戶等用戶群體。R：用戶最近一次消費(fèi)距今時(shí)間（Recency）F：用戶在最近時(shí)間段內(nèi)的消費(fèi)頻次（Frequency）M：用戶在最近時(shí)間段內(nèi)的消費(fèi)金額（Monetary）。

這里用一個(gè)比較簡(jiǎn)單的例子講下：

先對(duì)R、F、M三個(gè)值進(jìn)行分層并賦予權(quán)重（以下數(shù)據(jù)純屬虛構(gòu)，分層時(shí)根據(jù)實(shí)際情況）。

比如用戶最近一次消費(fèi)距今時(shí)間7天以下的打?yàn)?分，8-14天的打?yàn)?分......以此類推。分?jǐn)?shù)高的表示價(jià)值性比較高，分?jǐn)?shù)低的表示價(jià)值性比較低。然后對(duì)每個(gè)用戶計(jì)算R、F、M值，比如圖中，用戶“111113”最近一次消費(fèi)距今時(shí)間在7天以下，則R為5，在最近時(shí)間段內(nèi)的消費(fèi)頻次在6-10之間，則F為2，在最近時(shí)間段內(nèi)的消費(fèi)金額在1001-2000之間，則M為2。再將每個(gè)用戶的R、F、M值與均值對(duì)比（這里就主要用均值來(lái)對(duì)比，工作中大家根據(jù)實(shí)際情況來(lái)選擇是否按照均值），大于均值填充1，小于均值填充0，填充于”按照均值處理后“列中。最后將“按照均值處理后”的數(shù)據(jù)參照下圖模型表，匹配出用戶類型。

至此，每個(gè)用戶的的價(jià)值標(biāo)簽就打出來(lái)了，可以衡量下哪些是高價(jià)值用戶，哪些是低價(jià)值用戶等。

6）帕累托分析

帕累托分析就是“二八法則”。“二八法則”認(rèn)為80%的財(cái)富掌握在20%的人手里，應(yīng)用到業(yè)務(wù)中就是，80%的營(yíng)收在20%的產(chǎn)品里，同理，我們應(yīng)該花80%的時(shí)間內(nèi)在這20%的產(chǎn)品上。也就是說(shuō)，寶貴的時(shí)間與資源應(yīng)該用在刀刃上。

如圖所示，柱形是銷售額，折線是銷售額百分比累積。越往后越接近100%。

共15種品類，其中7個(gè)品類貢獻(xiàn)了80%的銷售額，占比46.67%，也就是說(shuō)46.67%的商品為公司帶來(lái)了80%的銷售額，并不符合二八定律，該公司并沒(méi)有強(qiáng)勢(shì)產(chǎn)品。

那么我們80%的精力就要分散運(yùn)營(yíng)這46.67%的產(chǎn)品才能為公司帶來(lái)80%的銷售額。

通過(guò)該模型可分析出:

◆我們80%的精力都花在哪些產(chǎn)品上了

◆20%的頭部產(chǎn)品是否帶來(lái)了大額營(yíng)收

7）留存分析

留存分析的指標(biāo)是留存率，留存率指某日用戶數(shù)在第N日仍啟動(dòng)該App的用戶比例，留存分析即分析用戶隨時(shí)間變化的活躍情況。獲客成本比較高，提高用戶留存的重要性不言而喻。

從時(shí)間維度劃分：常見(jiàn)的的有：次日留存、3日留存、7日留存、30日留存、周留存、月留存。

從用戶維度劃分：常見(jiàn)的的有：新用戶留存、活躍留存。

來(lái)看一個(gè)案例：

該表留存率：（某日新增的用戶中，在第N天還進(jìn)行登錄的用戶數(shù)）/ 該日新增用戶數(shù)。

格中以8月6日注冊(cè)用戶的次留(71%)為起始點(diǎn)，8月1日注冊(cè)用戶的7留(34%)為結(jié)束點(diǎn)，二者形成對(duì)角線，縱向?qū)Ρ葦?shù)據(jù)，顏色顏色部分留存率都比較高。首先需要確認(rèn)8月7日這天運(yùn)營(yíng)是否做了動(dòng)作？

為什么要懷疑8月7日？

因?yàn)?月6日的次留是8月7日，8月5日的次留也是8月7日，以此類推。所以初步猜測(cè)是否8月7日有促銷動(dòng)作？

再看一下次留這列，8月9日的次留明顯低于一般水平。警惕羊毛黨。有人會(huì)新用戶注冊(cè)時(shí)候利用新用戶福利來(lái)薅羊毛，薅完羊毛就撤，并不會(huì)留存下來(lái)。

數(shù)據(jù)分析結(jié)束之后，就要將數(shù)據(jù)展現(xiàn)出來(lái)了，也就是數(shù)據(jù)可視化。將海量數(shù)據(jù)圖形化，復(fù)雜數(shù)據(jù)直觀化。

主要作用為：

◆便于讓業(yè)務(wù)人員查詢所需內(nèi)容；

◆便于管理層迅速抓取到重要信息；

◆公司門(mén)面，傳達(dá)了公司數(shù)據(jù)分析方面對(duì)外的第一印象，尤其對(duì)乙方而言；

◆推動(dòng)決策，幫助使用方節(jié)省更多數(shù)據(jù)清洗&處理的時(shí)間，將更多時(shí)間放于分析與決策制定。

這里我重點(diǎn)提一點(diǎn)，可視化的兩種極端。

一種是過(guò)于粗糙。我見(jiàn)過(guò)看板做的簡(jiǎn)直慘不忍睹的，排版不整齊，顏色大紅配大綠，視覺(jué)上很有沖擊感。而且，分析師忍耐力也很強(qiáng)，需求方不反饋就不改。數(shù)據(jù)可視化，最起碼保證一種舒適感，能讓人迅速get到需要的數(shù)據(jù)信息。可以不注重美觀，但也不能粗糙過(guò)了頭。

另一種是過(guò)于炫技。知道我的可能已經(jīng)見(jiàn)過(guò)我之前設(shè)計(jì)的tableau作品了，確實(shí)有炫技的成分在立面。但是也只是業(yè)余愛(ài)好玩玩，真正工作中基本用不到這么酷炫的圖形。除非，公司需要一種酷炫的dashboard去談商務(wù)搞營(yíng)銷。不然，還是數(shù)據(jù)為主。

總之，數(shù)據(jù)分析涉及很多知識(shí)點(diǎn)，不是一次分享能全部了解的，而很少有一種系統(tǒng)化的流程來(lái)參考，本次分享正好梳理從0到1構(gòu)架數(shù)據(jù)分析整體流程框架，但數(shù)據(jù)分析不僅僅是一個(gè)職位，一個(gè)工作，而是一個(gè)思考的方式，未來(lái)職場(chǎng)人的一個(gè)底層能力。