全网最实用的建立数据分析思维框架的步骤

作者: 永洪BI  来源: 永洪科技  时间:2020年11月09日

 
在被数据充斥的时代,掌握数据分析这门技巧会帮我们在效率以及可信度方面提升很多,今天整理了如何建立自己的数据分析思维框架相关内容。
 
1. 了解数据指标和维度
指标:按指标说明总体现象的内容不同,可分为数量指标和质量指标。数量指标是反映社会经济现象的绝对数量和规模的指标,如总产量、销售收入总额、职工人数等等。质量指标是反映一定时期工作质量、相对水平或总体内部的数量关系的指标,如利润率、单位成本、劳动生产率、合格品率等。
维度:
维度:是事物或现象的某种特征,如性别、地区、时间等都是维度。其中时间是一种常用、特殊的维度,通过时间前后的对比,就可以知道事物的发展是好了还是坏了,如用户数环比上月增长10%、同比去年同期增长20%,这就是时间上的对比,也称为纵比;另一个比较就是横比,如不同国家人口数、GDP的比较,不同省份收入、用户数的比较、不同公司、不同部门之间的比较,这些都是同级单位之间的比较,简称横比。
 
2. 建立数据指标体系
指标和维度是数据分析的第一步,接下来就需要建立数据分析指标体系,我们无法从单个指标中看到价值,通过将指标结构化,我们就能从中分析某一块业务的表现,如下图就是很好的一个例子,从数据分析思维将拉新过程的指标做了结构化。
 
数据分析
 
3. 指标评判
数据分析另一要素是有判断好指标还是坏指标的能力。好的指标应该最贴合业务实际,也最能反映企业发展。不是所有指标都是好指标,而我们要有判断指标好坏的能力。企业在不同发展时期和不同业务关注的核心指标是不同的。比如微信公众号在运营初期,运营者更关注粉丝数,如何吸粉和增粉?当粉丝量增加到几万、几十万级别,运营者可能更关注文章本身的阅读量,用户和公众号直接的粘性怎么样?是不是一个健康的状态。
坏的指标是无用的虚荣指标;已经发生过的无意义的后验性指标和陷于一堆指标造成的陷阱中的复杂性指标。影响对数据本身的全面和客观认识,坏指标没有任何实质性意义。
 
4. 维度分析法
我们总强调看待事物要从多角度去看,对于做数据分析也一样,利用维度分析数据、使用统计学知识如数据分布假设检验、使用机器学习,维度是分析事物的角度,我们要从数据的不同维度剖析数字背后的含义和问题。而永洪BI则很好的囊括了这几个步骤,帮助分析人员分指标维度快速拖拉拽实现数据分析结果。
 
这就是数据分析过程的思维框架,这个框架只是帮我们建立一个良好的分析意识,而不代表就能得到很好的数据分析结果,还需要我们提升在数据分析过程中的一些必备技能,如对业务的理解,一些专业的统计学知识,某个指标对数据的影响检验等技能。
 
 
版权声明

 

永洪BI
更敏捷、更快速、更强大

申请试用
Copyright © 2012-2021开发者:北京永洪商智科技有限公司版本:V9.2.2
京ICP备12050607号-1京公网安备110110802011451号 隐私政策应用权限