資料分析中的五大思維方法

一個遠近聞名的富婆發表於2019-05-06

在資料分析中，資料分析思維是一個基於框架的指南。在分析問題時，我們需要很多技能和工具。就像在中學一樣，你可以用公式法，完全平方，平方根的提取或分解方法來求解二次方程。

我們還可以在一些常見的分析場景中使用資料分析技術。它們可以幫助您構建未來的資料分析模型。

在本文中，我們將共享五種常見的資料分析方法：公式方法，比較方法，象限方法，80/20規則和漏斗分析。我們經常組合使用它們。

注意：這些方法主要偏向思維層面，是基於業務問題的資料探索性分析。它們與專業統計中的資料處理方法不同。

1.公式方法

所謂公式是對公式進行分解，以分解某一指標的影響因素。

示例：使用公式方法分析產品銷售低的原因。

產品銷售額=銷售量單價銷量=渠道A銷量+渠道B銷量+渠道C銷量+ ...... 渠道銷售量=使用者數訂單率使用者數=曝光率*點選率第1步：找出影響產品銷售的因素。銷量是否過低或價格設定不合理？

第2步：找出影響銷量的因素。分析每個渠道的銷售量。將它與之前的銷售進行比較，找出異常的銷售情況。

第3步：分析影響渠道銷售的因素。使用者數量或訂單率是低嗎？如果訂單率低，則有必要檢視頻道的廣告內容是否與產品的實際受眾相匹配。

第4步：分析影響點選次數的因素。曝光不足還是點選率太低？如果點選次數比率較低，則需要優化廣告系列。曝光與頻道有關。

為此，公式方法是對問題的層次分析。它逐步分解影響因素。

2.比較方法

比較方法是比較兩組或更多組資料，這是最常用的方法。

我們知道孤立的資料毫無意義，我們通過比較看到差異。人們比較一些直接描述事物的變數，例如長度，數量，高度，寬度等，以獲得比率，增長率，效率和其他指標。

比較方法可以找到資料變化的規律。下圖顯示了A公司和B公司的銷售比較。雖然A公司的銷售額普遍增加並且高於B公司，但B公司的增長率高於A公司。即使已經很晚了B公司的增長率下降，最終銷售額迎頭趕上。

3.象限法

通過劃分兩個或更多維度，我們使用座標來表示值，即象限方法。象限方法基於策略驅動的思維。我們經常在產品分析，市場分析，客戶管理和商品管理中使用它。

例如，以下圖片是廣告點選的四象限分佈。

如果廣告獲得高轉化率（CVR）和高點選率（CTR），則意味著其目標受眾群體相對準確。

如果點選率很高且CVR很低，則意味著點選的大多數人都被廣告本身所吸引。CVR較低表示廣告定位的人與產品的實際受眾群體不匹配。

高CVR和低點選率表示廣告的受眾和產品的實際受眾更加一致。問題是需要優化廣告內容以吸引更多人點選。

我們可以放棄CVR低，點選率低的廣告。

使用象限方法分析具有相同特徵的事件，您可以找到問題的常見原因。在上述廣告案例中，觀察第一象限中的事件，可以總結出有效的推廣渠道和策略。第三和第四象限可以排除一些無效的促銷渠道。同時，您可以為不同的象限建立優化策略。

4. 80/20規則

80/20規則也稱為帕累託原則。它以其創始人，義大利經濟學家Vilfredo Pareto的名字命名。他注意到義大利80％的財富在20％的人口控制下。在資料分析中，我們可以理解，20％的資料產生了80％的效果。我們需要挖掘這20％的資料。

它通常與排名有關，前20％被認為是有效資料。80/20規則分析關鍵部分並適用於任何行業。找到關鍵點，發現它們的特徵，然後考慮如何使剩餘的80％轉換為這20％來改善效果。

通常，它將用於產品分類以測量和構建ABC模型。例如，如果零售企業有500個SKU（庫存單位），那麼哪些SKU很重要？這是在業務操作中區分主要部分和次要部分的問題。

通常的做法是將產品的SKU用作維度，並使用相應的銷售作為基本指標來對這些銷售指標進行排名，並計算每個SKU在總銷售額中的累計銷售百分比。例如，我們可以將它們分為3類：A類（<70％），B類（70％-90％）和C類（90％-100％）。您可以根據實際情況調整百分比。

ABC分析模型不僅可用於劃分產品和銷售，還可用於劃分客戶和利潤。例如，哪些客戶將80％的利潤貢獻給公司？如果這部分客戶佔20％，那麼在資源有限的情況下，您就會專注於維護這20％的客戶。

5.漏斗分析

漏斗分析是一個漏斗圖，有點像一個倒金字塔。這是一種簡化的思維方式。我們經常在分析中使用它來改變和某些過程，如新使用者的開發，購物轉換率等。

上圖是一個經典的營銷渠道，展示了從使用者獲取到最終轉換為購買的整個過程。渠道模型將整個購買流程分為幾個步驟。然後使用轉換率來衡量每個步驟的效能，最後通過異常資料指標找到有問題的步驟。通過這種方式，我們可以優化步驟，以提高整體購買的轉換率。

漏斗模型的核心概念可以歸類為分解和量化。例如，要分析電子商務的轉換，我們所要做的就是監控每個級別的使用者轉換，並找到每個級別的可優化點。對於未遵循該流程的使用者，我們專門構建其轉換模型並縮短路徑以增強使用者體驗。但是，單個漏斗分析是無用的。我們應該將它與其他方法結合起來，例如與歷史資料進行比較。

資料分析工具使用資料分析思維方法的好處是它提供了一個思維框架，可以幫助您建立對事物和問題的觀點。現在我們有了一個思考框架，我們還需要有效的工具來實現真正的資料分析，比如Tableau和Python。在這裡，我強烈推薦一種新的資料分析工具FineReport。它是一個商業智慧和報告軟體，整合了資料顯示（報告）和資料輸入（填充），可用於協助軟體開發。它已成功入選Gartner全球市場指南，成為中國唯一被選中的製造商和產品，與微軟，SAP和甲骨文等國際巨頭一同上市。

FineReport允許您通過簡單的拖放操作建立複雜的報告。它還整合了強大的功能，包括報告的可變顯示，資料填充，資料分析，二次開發，移動應用程式等。

接下來，我們將使用FineReport向您展示一些資料分析方案。

1、指數完成率分析