圈外数据分析课程笔记
数据分析是通过数据来分析问题的能力,万物皆可数据分析。
Day1 数据分析三个常见误区
所谓数据分析,就是根据自己的工作目标,对数据进行一系列处理,最后得出结论的过程。
数据分析是通过数据分析问题的能力,万物皆可数据分析。
-
误区一:只有数据分析师才需要数据分析。
正确的认识:数据分析贯穿于我们的工作生活,各类工作均需要有数据收集,清洗,分析的过程。只有正确的分析,才能透过现象看本质。 -
误区二:数据分析就是学习excel等工具。
正确的认识:Excel,python 都只是数据分析的辅助工具, 具备敏感的思路和眼光,才最重要。 -
误区三:数据分析门槛高。
正确的认识:从餐厅服务员到高级会计师,不管什么行业,职位,都需要有一个数据基础分析的能力。
Day2 对比分析法
对比什么数据(what)
- KPI
- 从工作流里面找
- 从相关行业报告、行业分析里面找
- 手头现有的
非常需要注意不同渠道的数据可信度与权重占比
怎么对比(how)
三大统计指标与应用
- 描述数据的集中趋势:平均数、中位数、众数
- 描述数据的极端情况:最大值、最小值
- 描述数据的比值:比例
和谁对比(who)
- 纵向对比:不同历史阶段
- 横向对比:同一历史阶段的其他要素
- 外部对比:竞争对手、外部环境
Day3 要素拆解法
要素拆解,就是找出问题的基本构成,然后拆成一个个子问题。
这是一种最直接,也最常用的求和法,简单来说就是一个做加法的过程。
案例:奶茶店月销量环比下降20%。
-
零售行业非常经典的
人、货、场
模型:- 人:消费者
- 货:产品或服务
- 场:广义上的渠道
-
人的角度拆解:
- 身份标签:新用户、忠实用户
- 电商平台的话还可以从人口特征、消费偏好等角度入手
-
货的角度拆解:
- 产品种类、订单数,得知哪些畅销,哪些滞销,从而可以制定主推和促销策略
-
场的角度拆解:
- 下单时段:工作日、休息日、中午、晚上
- 下单渠道:外卖A、外卖B
- 下单方式:到店、外卖
要素拆解最大的作用是可以简化问题
,更快找到影响结果的可能因素。
本方法并非万能,更加复杂的问题可能需要通过相关分析法、回归分析法等,需要用到更加复杂的模型和工具。
青菜拼车案例,略。
Day4 流程拆解法
跟要素拆解法本质一样,是将大问题拆解成小问题。
区别在于:要素拆解法是将大问题拆解成一个个的关键因素,而流程拆解法是顺着环节、流程,拆解成一个个的步骤。
漏斗分析法:
适用于流程较长、环节较多,并且随着环节进行,留存越来越少的场景。
三个步骤:
- 根据工作量,建立漏斗框架;
- 要点:层数最后不超过7个,可使用归并、切割方法
- 用户增长模型:获取、促活、留存、转化、转介绍
- 案例:拼多多、爱彼迎
- 对漏斗各环节进行数据收集;
- 要点:揭露关键节点的数据,而不是感性的模糊认知
- 通过对比分析,确定重点优化环节;
- 使用第二节课的知识点:历史对比、横向对比、外部对比
三个好处:
- 快速找到关键问题
- 更好的决策经历分配,提升效率
- 更精准的绩效目标和更明确的工作方向
漏斗模型本质是拆解问题的一种方法,它的最大价值在于把大问题定位到了某个环节的小问题
。
Day5 火锅店案例分析实战
背景:
受疫情影响,人们外出就餐减少,某连锁火锅品牌海内捞推出火锅外卖。获客方式:广告投放;主要策略:折扣吸引用户点餐。
业务上线一个月后,本市的 A、B 两家店营业额出现较大差异,A 店表现优异。
问题:
同样时间、同样市区、同样规模、同样的配送服务,A 店营业额上升更快,为什么?
分析:
界定问题:
- 展开分析前,注意理出一个明确的分析线索,在对照需求,对数据进行清晰和整理。此处我们拆为两个问题。
- 问题1:A 店具体在哪些方面做的比 B 店好?(从大问题里发现具体的小问题,需要做数据对比和拆解)
- 问题2:A 店做了什么,让这方面更突出?(探讨涉及用户的具体行为,需要拆解流程,从环节去确定问题)
问题1:
- 对比分析:
- 目的:A 店是否一直比 B 店优秀,以及 7 月份营业额差距是否应当归因于外卖业务
- 横线对比:A/B 两家店6月营业额对比(无外卖业务)
- 横线对比:A/B 两家店7月营业额对比(有外卖业务)
- 历史对比:A/B 两家店6、7月营业额历史对比
- 外部对比:暂时不需要
- 要素拆解:
- 目的:7 月份营业额差距是否应当归因于外卖业务
- 只比对营业额还不能将营业额差距归因为外卖业务,因为还有堂食业务,此时需要用到
人、货、场模型
之中的“场”。
结果:通过对比分析和要素拆解,我们已经确定外卖业务是 A 店营业额提升的主要原因。
问题2:
- 流程拆解:
- 目的:因为两家店外卖流程是一样的,此时通过对外卖流程的拆解来确定 B 店问题出在哪一环节
- 漏斗模型:只关注一个问题,到这个步骤还剩下多少用户
结果:B 店在外卖业务的广告投放及优惠方式不及 A 店做得好。
Day6 闲聊:大数据如何改变我们的生活
核心:大数据时代已经带来,我们的衣食住行等各个方面正在被改变,在这样一个时代,数据分析能力可以说是一个必须掌握的能力。
Day7 关于数据分析的 7 个疑问
- 数据分析如何助力我的职场?
- 数据分析不是目标,只是实现目标的手段和方法
- 数据分析在工作中用不上怎么办?
- 能够提高生产力的工具都需要我们去改变和培养习惯
- 想升职加薪,就一定要会数据分析吗?
- 数据分析能力是一个可迁移的能力(元知识)
- 圈外为什么要推出“数据分析”课?数据分析在圈圈眼里有什么价值
- 我是一名技术人员,怎么利用我的技能,来帮公司提升销售
- 数据分析是不是很难,学不会怎么办?
- 有一定难度,但不代表学不会,需要合适的方式方法
- 数据分析需要具备什么技能?对数学要求高吗?
- 对数学要求不是不高(毕竟大部分人数学都不好,hhh)
Day8 数据可视化
- 数据分析并不是闭门造车,再缜密精彩的分析,也需要通过更直观容易的方式使人接受。
- 如何将数据分析的过程和结果更美观、直观的展示出来,可以通过图表、Tableau 等可视化工具。
- 很重要的一点:不同的数据要使用不同的图表,否则会弄巧成拙
Day9 数据化汇报
首先纠正一个观念:工作汇报是自己应该做好的事!
两个原因:
- 老板精力有限,不可能什么事情都知道
- 成果代表你的价值,可以量化的价值才能被更好的定价
三个要点:
1、 有效性
找对核心指标,量化工作成果。
应当先定下汇报的目标,要达到什么目的,然后围绕目标,将工作进行量化。从工作的关键环节和过程涉及的指标中,选择与公司的目标相关联
的指标。
通常来讲,公司的量化目标有以下四类:
- 财务目标:流水、收入、利润、成本
- 客户目标:客户量、满意度、活跃度、转化率
- 运营目标:与公司价值链各项流程有关,如研发周期、库存周转率
- 组织目标:关键人才流失率、人才敬业度、人才匹配度
学会关键环节的专有名词,往上靠就是了!
2、 准确性
正确的数据表达方式,凸显核心成果。
主要讲要用对图表!!!
常见的数据和图表的匹配关系:
- 柱状图&条形图:对比分析
- 饼图&环形图:占比分析、结构分析
- 折线图&面积图:趋势分析
- 地图:区域范围情况分析
- 雷达图:两个主题多个维度的对比分析
- 仪表盘:项目进度、完成情况
3、 故事性
梳理表达逻辑,使用故事性的表达方式,更容易让人产生认同!
常用的故事性表达结构:SCQA
- S(Situation):事情发生的背景信息,当时的局面
- C(Complication):实际情况和理想情况的差距
- Q(Question):消除差距需要解决的问题
- A(Answer):面对问题所使用的解决方案
合起来就是:在当时 xxx 的背景下,我们遇到 xxx 这样一种情况,这种情况所带来的问题是 xxx,然后我的解决方案是 xxx。
在这之后,你再去说所需要的资源和支持,就顺理成章且更容易让人接受了。