做数据分析时,你的方法论是什么
当你完成一份数据分析报告时,不知领导是否有问过你,“你的分析方法论是什么?”。如果分析方法论不正确或不合理,那分析结果参考价值几何呢?
困惑
相信很多人在做数据分析时,会经常遇到这几个问题:不知从哪方面入手开展分析;分析的内容和指标常常被质疑是否合理、完整,自己也说不出个所以然来。当然我也一样,处在数据分析的学习阶段,对这些问题常常会感到困惑。
这就是为什么强调数据分析方法论的原因。当方法论结合了实际业务,才能尽量确保数据分析维度的完整性和结果的有效性。
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。
数据分析的一般步骤:
解惑
数据分析的目的越明确,分析越有价值。明确目的后,需要梳理思路,搭建分析框架,把分析目的分解成若干个不同的分析要点,然后针对每个分析要点确定分析方法和具体分析指标;最后,确保分析框架的体系化(体系化,即先分析什么,后分析什么,使得各个分析点之间具有逻辑联系),使分析结果具有说服力。
那么,如何保证分析框架的体系化呢?
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,这样才能尽量确保数据分析维度的完整性,结果的有效性及正确性。
营销方面的理论模型有:4P、用户使用行为、STP理论、SWOT等。
管理方面的理论模型有:PEST、5W2H、时间管理、生命周期、逻辑树、金字塔、SMART原则等。
这里主要说明:PEST、5W2H、逻辑树、4P、用户使用行为这五个比较经典实用的理论,了解如何在搭建数据分析框架时应用它们作指导。
(1)PEST:主要用于行业分析
PEST,即政治(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。
eg:仅作举例,不代表只考虑这几点因素
(2)5W2H:应用相对广泛,可用于用户行为分析、业务问题专题分析、营销活动等
5W2H,即何因(Why)、何事(What)、何人(Who)、何时(When)、何地(Where)、如何做(How)、何价(How much)
该方法广泛应用于企业营销、管理活动,对于决策和执行性的活动措施非常有帮助,也有助于弥补考虑问题的疏漏。
eg:仅作举例,不代表只考虑这几点因素
(3)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。
它是将问题的所有子问题分层罗列,从最高层开始,并逐步向下扩展。
逻辑树的作用主要是帮我们理清自己的思路,避免进行重复和无关的思考。
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。
eg:仅作举例,不代表只考虑这几点因素
(4)4P: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)
eg:仅作举例,不代表只考虑这几点因素
(5)用户使用行为:用途较为单一,就是用于用户行为的研究分析
用户使用行为,即用户为获取、使用物品或服务所采取的各种行动。
用户对产品首先需要有一个认知、熟悉的过程,然后试用,再决定是否继续消费使用,最后成为忠诚用户。
用户使用行为的完整过程:
可以利用用户使用行为理论,梳理产品分析的各关键指标之间的逻辑关系,构建符合公司实际业务的产品分析指标体系。
eg:仅作举例,不代表只考虑这几点因素
这些方法论并非只能单独使用,可以根据具体情况选择合适的方法论嵌套使用。
最后
明确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:
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。
数据分析咨询请扫描二维码
数据挖掘是现代企业利用数据驱动决策的重要工具。它涉及从大量数据中提取隐藏的、先前未知但潜在有用的信息,依托人工智能、机器 ...
2024-10-23在当前数据驱动的商业环境中,数据分析师的角色变得越来越重要。想要踏入这一领域并取得成功,不仅需要扎实的技术基础,还需要不 ...
2024-10-23数据分析是一个广泛而又精细的领域,它结合了统计学、计算机科学、商业策略以及数据科学等多个学科的知识。这个领域日新月异的发 ...
2024-10-23在现代企业中,数字化管理师扮演着至关重要的角色。他们不仅帮助企业优化资源配置,还推动企业的数字化转型。要成为一名合格的数 ...
2024-10-23大数据专业是一个跨学科的领域,涵盖了数学、统计学、计算机科学与技术等多个学科。随着数据在各个行业中的重要性日益增加,大数 ...
2024-10-23大数据分析师培训教程-2.1 Hadoop入门-Hadoop 1.0 的局限与 Hadoop 2.0(YARN)的革新 Hadoop简介Hadoop 的生态系统HDFS 的原理 ...
2024-10-232024,您是否渴望在数据领域探索更广阔的职业机遇? 数字化时代,数据量级每年都在呈指数级增长。据统计,全球互联网用户每天产 ...
2024-10-21数据科学专业是一门跨学科的综合性学科,涵盖了数学、统计学、计算机科学等多个领域。其核心目标是通过数据的收集、处理和分析来 ...
2024-10-21Python是一种高级解释性编程语言,由Guido van Rossum于1991年创造。凭借其简单易学、代码可读性强和功能强大的特点,Python已经 ...
2024-10-21在当今数据驱动的世界中,选择学习Hadoop已成为许多数据分析师和IT专业人士的必修课。Hadoop不仅是大数据处理领域的核心技术之一 ...
2024-10-21数据开发工程师在当今数据驱动的世界中扮演着至关重要的角色。他们不仅负责数据的采集和处理,还在数据仓库建设、系统开发和数据 ...
2024-10-20在当今快速变化的数字经济时代,数字化转型已经成为企业实现持续增长和竞争优势的关键。数字化转型不仅仅是技术的变革,更是组织 ...
2024-10-19在当今快速发展的科技时代,数字经济已成为全球经济的重要组成部分。选择数字经济专业,不仅能为你打开通往多个行业的大门,还能 ...
2024-10-18学习统计学与大数据分析具有显著的优势,能够帮助你走向高薪岗位。在数字化时代背景下,统计学和大数据分析展现出强大的就业潜力 ...
2024-10-18在当今的数字时代,数据科学与大数据技术专业的就业方向极为广泛,涵盖了多个领域和岗位。随着数据成为企业决策的重要依据,行业 ...
2024-10-18大数据技术与应用领域正在迅速发展,成为现代经济和科技发展的重要驱动力。随着数据量的爆炸式增长,各行各业对大数据专业人才的 ...
2024-10-18在当今数据驱动的商业环境中,数据分析软件已成为企业决策过程中不可或缺的工具。随着数据量的激增和分析需求的复杂化,选择合适 ...
2024-10-18在当今数据驱动的世界中,数据分析已成为许多行业不可或缺的一部分。无论是企业决策、市场营销,还是产品开发,数据分析都能提 ...
2024-10-18数据分析在现代企业中扮演着至关重要的角色,帮助企业在竞争激烈的市场中做出明智的决策。随着数据量的不断增长,企业需要依赖先 ...
2024-10-18CDA(Certified Data Analyst)认证在数据分析领域具有显著的作用,具体包括以下几个方面: 1. 专业技能认可 CDA认证是数据分析 ...
2024-10-17