本帖最后由 灿烂的小狮子 于 2017-9-17 14:28 编辑
剖析大数据分析方法论的几种理论模型 做大数据分析的三大作用，主要是：现状分析、原因分析和预测分析。什么时候开展什么样的数据分析，需要根据我们的需求和目的来确定。
利用大数据分析的应用案例更加细化的说明做大数据分析方法中经常用到的几种理论模型。
以营销、管理等理论为指导，结合实际业务情况，搭建分析框架，这是进行大数据分析的首要因素。大数据分析方法论中经常用到的理论模型分为营销方面的理论模型和管理方面的理论模型。
管理方面的理论模型：
PEST、5W2H、时间管理、生命周期、逻辑树、金字塔、SMART原则等
PEST：主要用于行业分析
PEST：政治(Political)、经济(Economic)、社会(Social)和技术(Technological)
P：构成政治环境的关键指标有，政治体制、经济体制、财政政策、税收政策、产业政策、投资政策、国防开支水平政府补贴水平、民众对政治的参与度等。
E：构成经济环境的关键指标有，GDP及增长率、进出口总额及增长率、利率、汇率、通货膨胀率、消费价格指数、居民可支配收入、失业率、劳动生产率等。
S：构成社会文化环境的关键指标有：人口规模、性别比例、年龄结构、出生率、死亡率、种族结构、妇女生育率、生活方式、购买习惯、教育状况、城市特点、宗教信仰状况等因素。
T：构成技术环境的关键指标有：新技术的发明和进展、折旧和报废速度、技术更新速度、技术传播速度、技术商品化速度、国家重点支持项目、国家投入的研发费用、专利个数、专利保护情况等因素。
大数据分析的应用案例：吉利收购沃尔沃
大数据分析应用案例
5W2H分析法
何因(Why)、何事(What)、何人(Who)、何时(When)、何地(Where)、如何做(How)、何价(How much)
网游用户的购买行为：
逻辑树：可用于业务问题专题分析
逻辑树，又称问题树、演绎树或分解树等
逻辑树的使用必须遵循以下三个原则。
要素化：把相同问题总结归纳成要素。
框架化：将各个要素组织成框架，遵守不重不漏的原则。
关联化：框架内的各要素保持必要的相互关系，简单而不孤立。
缺点：涉及的相关问题可能有遗漏，虽然可以用头脑风暴把涉及的问题总结归纳出来，但还是难以避免存在考虑不周全的地方。所以在使用逻辑树的时候，尽量把涉及的问题或要素考虑周全。
大数据分析的应用案例：网游用户的购买行为
大数据分析应用案例二
营销方面的理论模型有：
4P、用户使用行为、STP理论、SWOT等。
4P模型：主要用于公司整体经营情况分析
4P，即产品(Product)、价格(Price)、渠道(Place)、促销(Promotion)
产品(Product)：包含有形产品、服务、人员、组织、观念或它们的组合。
价格(Price)：包括基本价格、折扣价格、支付期限等。
价格或价格决策关系到企业的利润、成本补偿、以及是否有利于产品销售、促销等问题。
影响定价的三个要素有三个：需求、成本、竞争。
最高价格取决于市场需求，最低价格取决于该产品的成本费用，在最高价格和最低价格的幅度内，企业能把这种产品价格定多高取决于竞争者的同种产品的价格。
渠道(Place)：是指产品从生产企业流转到用户手上的全过程中所经历的各个环节。
促销(Promotion)：是指企业通过销售行为的改变来刺激用户消费，以短期的行为促成消费者增长，吸引其他品牌的用户或导致提前消费来促进销售的增长。
大数据分析应用案例三
逻辑树：可用于业务问题专题分析
逻辑树，又称问题树、演绎树或分解树等。逻辑树的使用必须遵循以下三个原则。
要素化：把相同问题总结归纳成要素。
框架化：将各个要素组织成框架，遵守不重不漏的原则。
关联化：框架内的各要素保持必要的相互关系，简单而不孤立。
缺点：涉及的相关问题可能有遗漏，虽然可以用头脑风暴把涉及的问题总结归纳出来，但还是难以避免存在考虑不周全的地方。所以在使用逻辑树的时候，尽量把涉及的问题或要素考虑周全。
大数据分析应用案例：利润分析中的应用
大数据分析应用案例四
明确大数据分析方法论的主要作用：
理顺分析思路，确保数据分析结构体系化。
把问题分解成相关联的部分，并显示它们之间的关系。
为后续数据分析的开展指引方向。
确保分析结果的有效性及正确性。
明确数据分析方法论和数据分析法的区别：
大数据分析方法论主要是从宏观角度指导如何进行数据分析，它就像是一个数据分析的前期规划，指导着后期数据分析工作的开展。
而数据分析法则指具体的分析方法，比如对比分析、交叉分析、相关分析、回归分析等。数据分析法主要从微观角度指导如何进行数据分析。
| 
