京公网安备 11010802034615号
经营许可证编号:京B2-20210330
21. 如果研究有实验设计和研究设计,所以实验设计,包括所谓双盲实验、正交设计、 拉丁方格等,确定样本分组是非常精细的,有助于研究品质;但设计缺陷会造成降 低品质; 22. 处置组和对照组的设计,主要应用在传播效果、广告效果研究上,需要有设计原则 23. 实验设计也强调对其它影响因素的控制, 也就是 X 对 Y 的影响, 要控制住 Z 的干扰, 更能提高研究品质 24. 被访者的参与度(你的激励方式)也重要,一分钱一分货;我们是花钱买信息 25. 任何理由都是可解释的,但这里主要是要用术语,越专业越说行话,别人更相信, 所以解释样本量的科学性,有时候要用科学,也就是理论; 26. 因为有理论,显得有水平,因为有水平就有话语权,就有执行力!所以权威部门的 设计或出面,客户就相信了! 27. 研究过程,不断修正,比如追加样本也是解决问题的办法 28. 连续性研究,也会解决或减少对样本量的需求 29. 广告效果研究经常采用 rolling data 的方式,因为广告效果有延迟效应,每周 50 个样本,4 周一个分析,就是 200 样本,第五周分析前 4 周,第六周分析 2-5 周 数据,进行比较和检验,这是常有方法;
如何在 Excel 里实现一张图显示多系列直方图
我们在分析的时候,经常需要设计模拟器,特别是在结合分析和离散选择模型中,通过模拟 分析市场份额进行测算!当然,有时候我们特别希望根据不同的选择显示不同的数据结果, 特别是图表结果! 例如: 下面是在模拟某个汽车品牌市场竞争环境的效用值分析用到的方法, 通过选择不同的 属性,可以在统一视图下看到各个属性的水平效用值!
首先我们假设有这样一个结合分析需求(Conjoint Analysis):
通过市场调查和结合分析得到某个类别的特定效用值:
现在我们需要采用直方图(条形图)方式给出效用值图,但是如果能够整合在一起,用一 张图表述就非常方便啦!有没有解决方法呢? 其实,只要我们把这组数据进行重新排列和组合,让后利用 Vlookup 函数,就可以方便 实现! 首先,我们把数据重新组合排列: 注意:因为不同属性的水平不同,也就意味着不同直方图系列长度不一,我们需要恰当分 配和布局
然后,在蓝色单元格里分别写 Vlookup 函数语句
红色单元格,主要目的是把 0 值转换成空格,=IF(单元格=0,""该单元格) 接下来,针对红色单元格,画直方图,Lable 用前半部分,数值取后半部分,图标用最后 一列! (这要求大家在画图的时候,能够细致调整具体内部和格式) 最后,大家设计一个单选按钮选择,从视图——>窗体——>工具栏(单选按钮),将单 选按钮的链接单元格设定为 A1,上图左上角黑色的位置!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16