登录
首页精彩阅读以电商为例,数据分析的5个思维方法
以电商为例,数据分析的5个思维方法
2018-01-08
收藏

以电商为例,数据分析的5个思维方法

数据分析真的很重要,能从一堆看似杂乱的数据里,找到问题并解决问题。从数据上的变化,来判断甄别效果得失;简直是居家旅行,运营生意的必备良品。

首先,我们要知道,什么叫数据分析。其实从数据到信息的这个过程,就是数据分析。数据本身并没有什么价值,有价值的是我们从数据中提取出来的信息。然而,我们还要搞清楚数据分析的目的是什么?目的是解决我们现实中的某个问题或者满足现实中的某个需求。

那么,在这个从数据到信息的过程中,肯定是有一些固定的思路,或者称之为思维方式。

第一大思维——对照

“对照”俗称对比,单独看一个数据是不会有感觉的,必需跟另一个数据做对比才会有感觉。比如下面的图a和图b。

图a毫无感觉

图b经过跟昨天的成交量对比,就会发现,今天跟昨天实则差了一大截。

这是最基本的思路,也是最重要的思路。在现实中的应用非常广,比如选款测款丶监控店铺数据等,这些过程就是在做“对照”,分析人员拿到数据后,如果数据是独立的,无法进行对比的话,就无法判断,等于无法从数据中读取有用的信息。

第二大思维——拆分

分析这个词从字面上来理解,就是拆分和解析。因此可见,拆分在数据分析中的重要性。在派代上面也随处可见“拆分”一词,很多作者都会用这样的口吻:经过拆分后,我们就清晰了……。不过,我相信有很多朋友并没有弄清楚,拆分是怎么用的。

我们回到第一个思维“对比”上面来,当某个维度可以对比的时候,我们选择对比。再对比后发现问题需要找出原因的时候?或者根本就没有得对比。这个时候,“拆分”就闪亮登场了。大家看下面一个场景。

运营小美,经过对比店铺的数据,发现今天的销售额只有昨天的50%,这个时候,我们再怎么对比销售额这个维度,已经没有意义了。这时需要对销售额这个维度做分解,拆分指标。

销售额=成交用户数*客单价,成交用户数又等于访客数*转化率。详见图c。

图c是一个指标公式的拆解

拆分后的结果,相对于拆分前会清晰许多,便于分析,找细节。可见,拆分是分析人员必备的思维之一。

第三大思维——降维

是否有面对一大堆维度的数据却促手无策的经历?当数据维度太多的时候,我们不可能每个维度都拿来分析,有一些有关联的指标,是可以从中筛选出代表的维度即可。如下表

这么多的维度,其实不必每个都分析。我们知道成交用户数/访客数=转化率,当存在这种维度,是可以通过其他两个维度通过计算转化出来的时候,我们就可以“降维”。

成交用户数丶访客数和转化率,只要三选二即可。另外,成交用户数*客单价=销售额,这三个也可以三择二。

另外,我们一般只关心对我们有用的数据,当有某些维度的数据跟我们的分析无关时,我们就可以筛选掉,达到“降维”的目的。

第四大思维——增维

增维和降维是对应的,有降必有增。当我们当前的维度不能很好地解释我们的问题时,我们就需要对数据做一个运算,增加多一个指标。请看下图。

我们发现一个搜索指数和一个宝贝数,这两个指标一个代表需求,一个代表竞争,有很多人把搜索指数/宝贝数=倍数,用倍数来代表一个词的竞争度(仅供参考)。这种做法,就是在增维。增加的维度有一种叫法称之为“辅助列”。

“增维”和“降维”是必需对数据的意义有充分的了解后,为了方便我们进行分析,有目的的对数据进行转换运算。

第五大思维——假说

当我们拿不准未来的时候,或者说是迷茫的时候。我们可以应用“假说”,假说是统计学的专业名词吧,俗称假设。当我们不知道结果,或者有几种选择的时候,那么我们就召唤“假说”,我们先假设有了结果,然后运用逆向思维。

从结果到原因,要有怎么样的因,才能产生这种结果。这有点寻根的味道。那么,我们可以知道,现在满足了多少因,还需要多少因。如果是多选的情况下,我们就可以通过这种方法来找到最佳路径(决策)

当然,“假说”的威力不仅仅如此。“假说”可是一匹天马(行空),除了结果可以假设,过程也是可以被假设的。

我们回到数据分析的目的,我们就会知道只有明确了问题和需求,我们才能选择分析的方法。


数据分析咨询请扫描二维码

客服在线
立即咨询