为什么你学完了68个Python函数,却依旧做不好数据分析?
数据分析老鸟都知道,相比于自己作出好的数据分析报告,“教别人如何入门数据分析”这事情简单多了。
什么for循环呀,def函数呀,print输出呀,自变量a赋值呀,字符串和数字的转换呀;什么相关分析呀,回归分析呀,方差分析呀,聚类分析呀,判别分析呀,决策树分析呀等等等等。
函数太多,方法太多,套路太多,技巧太多……
可现实是,大多数的人,听了无数道理依旧庸碌一生,学完68个Python常见函数却依旧做不好数据分析。
这很正常,因为我们依旧太年轻,数据分析并没有那么简单。
本文不属于具体的数据分析技巧,而是如何积累数据分析经验、提升自己逻辑思维能力的建议,希望你能尽情释放自己对数据分析的激情。
做一个数据分析精分人
好的数据分析师,会从市场需求的角度进行分析。所有的数据分析都是有市场目标的,而你要学会从数据的维度对目标做拆分,用数据落地目标。
作为一个月薪6000的数据分析师,如何为百万甚至千万的项目提供数据分析方向指导?
项目投入产出需要如何调整?推广费用如何分配?市场走向如何预测?
C君认为,关键点在于“学会用市场检验你所做的数据分析”
想做好数据分析,第一点就要明确目标,用数据的方式理解你正在做的业务,需要面临的问题。进而用数据拆分目标,对目标进行细分,确定数据处理问题的优先级。
注:本案例数据纯属举例,不具备参考价值
以2018年CDA课程销售业绩为例,假设2018年CDA课程销售的业绩为1000万,那么作为数据分析师,就要学会细分2018年的业绩指标,细分到一个季度250万的业绩指标,每个项目承担多少的销售指标,然后再继续拆分到每门课程(例如CDA等级班、CDA脱产就业班、CDA周末班、CDA大数据就业班、CDA区块链学院等),每门课程需要承担多少的销售指标。
分解完目标,就要去一步步落地,然后自己在整理数据过程中,逐步形成自己对数据的认知,从中获得点状的启发。而在收集数据和整理数据的过程中,最主要的是要形成认知,通过认知对比信息,或者通过建模和数据挖掘来论证所需变量和自己的业务之间的关系。
当你再执行2018年度的计划之前,首先要整合2017年甚至2016年的数据,从这两年的数据中提取信息,形成自己对2018年规划和推广的认知,并找到各个渠道推广成本和收益关系,找到自己对2018年规划中如何进一步优化项目的推广渠道和减少推广成本,决定CDA数据分析师2018年课程推广的重点方向指导。
基于之前的认知分析和建模论证等,你已经形成了自己数据分析的结论,还需要你根据具体的业务方向,项目具体情况,将结论抽象成和业务协定的建议。
通过2017年和2016年的收益与成本比,整理推论出的结果表明,CDA数据分析课程在推广的成本最高,收益能达到最优。
前面讲了全部都是理论层面的东西,最后呈现给老板的必然是数据分析报表。这时候展现出了数据分析师的表达能力,如何深入浅出的讲述自己的报表,是自己数据分析是否落地的核心。
此处C君借助别人家的报表进行简单分析给大家提供一个简单的模板,供大家参考。
首先,你需要根据活动目标确定你的目标达成率,完成百分比,提升百分比。
评定某次活动的成果,首先要注明目标情况,如:
CDA数据分析师公众号目标 10W+粉丝,1月粉丝1W,完成率90%,同比提升20%等
其次,你需要有充足的数据支撑,核心的数据走势图(一般适用于月报)
在这张图里,要对每个数据的拐点做分析,比如图中1月17日的数据之间增长有明显提升,你需要分析这个波动形成的原因,你需要找到并写在报告里。
再次,接下来进行粉丝分析,粉丝来源如何分布,不同渠道的流量转化率情况
粉丝量涨了,但是为什么粉丝会涨?要找到是哪个渠道带来的粉丝,为什么涨了?接触公众号的人都知道,公众号粉丝的来源分为公众号搜索、扫描二维码、图文页右上角菜单、图文页内公众号名称、名片分享、支付后关注、其他等几种来源方式,你要做的是将几个渠道进行分析,最好能制作出饼图,更好的展现出各个渠道粉丝占比。
注:图为CDA数据分析师一天粉丝数据,不具备实际参考性
由上图可以明线看到该天公众号的粉丝来源中公众号搜索与图文页内公众号名称为主要来源,两个的占比都接近35%,则意味着我们有必要修改渠道的投入比例,优化粉丝增长。
最后,改进及优化
根据上面简单的数据分析,大致了解了粉丝增长的一些规律和技巧,为以后的粉丝增长进行了经验的积累,不断的沉淀更新升级,走上数据分析的升级打怪之路。
切忌盲目迷信数据
最后,要明确一点,数据不是万能的。
第一点,在数据量不充足的情况下,数据只能作为参考,不能真正的适用于正常市场业务的判断,通常这点适用于初创公司;第二点,切忌深挖数据分析单一指标,而应权衡各个指标合理分析,否则耗时耗力,事半功倍得不偿失。
最后,祝你成为一个对数据了若指掌的互联网人。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14