京公网安备 11010802034615号
经营许可证编号:京B2-20210330
CDA数据分析师 出品
作者:李诗怡
定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确保分析全面性、深度与逻辑性。
| 维度 | 英文 | 回答的问题 |
|---|---|---|
| Why 动因 | Why | 为什么发生?挖掘核心动机与根本原因 |
| What 行为 | What | 做了什么?界定核心事实与行为本身 |
| Where 场景 | Where | 在哪里发生?识别环境与场景影响 |
| When 时间 | When | 何时发生?发现时间规律与关键触发时机 |
| Who 主体 | Who | 是谁做的?锁定目标人群身份与角色 |
| How 方式 | How | 如何完成?拆解执行步骤、工具与关键环节 |
逻辑顺序:先事实后原因:What → Who → When → Where → How → Why
排序原因:先搞清楚事实(What 是基础事实,Who/When/Where 是事实三维度,How 是事实来龙去脉),最后才追问 Why。
考试要点:描述“为什么要进行这项活动” = Why(何因)
定义:企业当前阶段唯一核心战略指标,统一所有部门长期奋斗目标。
三个关键词:唯一、核心战略、统一所有部门
经典案例:Facebook 早期 = 月活跃用户数(MAU);电商平台 = 商品交易总额(GMV)
| 阶段 | 核心战略 | 典型北极星指标 |
|---|---|---|
| 启动期(0-1) | 验证产品价值 | 核心功能使用率 / 次日留存率 |
| 成长期(1-10) | 快速扩大用户规模 | 月活跃用户数 MAU / 新增用户数 |
| 成熟期(10-100) | 商业化变现 | GMV / 付费用户数 / 营收 |
| 衰退期 | 延长生命周期 | 用户留存率 / 老用户复购率 |
| 拆解方法 | 定义 | 核心特点 | 示例 |
|---|---|---|---|
| 全链漏斗式拆解 | 按照用户完整行为链路相乘拆分 | 有时间先后顺序,是用户行为流转过程 | 信用卡申请量 = 浏览 UV × 页面打开率 × 提交率 × 审核通过率 |
| 因子分解式拆解 | 指标由多个独立业务模块加总/相乘构成 | 没有时间先后顺序,是并列组成部分 | 会员总营收 = 新会员付费收入 + 老会员付费收入;GMV = 流量 × 转化率 × 客单价 |
考试区分:全链漏斗式 = 浏览 → 下单 → 支付(时间先后流转);因子分解式 = GMV = 流量 × 转化率 × 客单价(公式维度并列拆分)。
某电商公司正在开发精准营销策略,旨在通过用户画像帮助营销团队更好地触达潜在客户。为了更清晰地了解用户的行为和需求,营销团队决定采用 5W1H 分析法,分别从原因、对象、地点、时间、人员和方法六个方面进行问题拆解,确保营销活动的精准性。根据这种方法,以下哪个方面主要用于描述“为什么要进行这项营销活动”( )
答案:A
解析:5W1H 分析法中:
因此,描述“为什么要进行这项营销活动”的方面是 何因(Why),选 A。
某电商平台在分析业务时,将“商品交易总额(GMV)”作为北极星指标,按照“全链漏斗式”拆解方法,以下哪个指标可能是拆解后的结果?
答案:D
解析:答案选 D. 浏览人数、下单率、支付成功率。因为“全链漏斗式”拆解强调按照用户行为链路逐层展开,即从浏览、下单到支付,依次对应漏斗各环节的指标:浏览人数、下单率、支付成功率;而选项 C 的“流量、转化率、客单价”属于因子分解式拆解,不是典型的全链漏斗式,所以正确答案是 D。


数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23