The 7 most commonly used data analysis thinking, solve 95% of the analysis problems

很多人苦恼,学会了很多数据分析工具和技能,依然做不好数据分析.遇到业务问题时,常常觉得无从下手.其实,掌握技能和工具只是第一步,做好数据分析还必须要有数据分析思维.

数据思维具有框架性引导作用,能够帮助确认分析角度、搭配分析方法、选择指标体系以及得出分析结论.但要明白,数据思维不是一两周就能锻炼出来的,要不断练习,下面我给大家推荐7种常用的数据分析思维技巧,帮助大家缩短学习时间.

第一种：对比法

对比法是一种挖掘数据规律的思维,能够和任何技巧结合,一次合格的分析一定要用到N次对比.

对比主要分为以下几种：

横向对比：同一层级不同对象比较,如江苏不同市茅台销售情况.

纵向对比：同一对象不同层级比较,如江苏南京2021年各月份茅台销售情况.

目标对比：常见于目标管理,如完成率等.

时间对比：如同比、环比、月销售情况等,很多地方都会用到时间对比.

第二种：象限法

象限法是运用坐标的方式,人工对数据进行划分,从而传递数据价值,将之转变为策略.象限法应用很广泛,像RFM模型、波士顿矩阵都是象限法思维.

下面这个RFM模型就是利用象限法,将用户分为8个不同的层级,从而对不同用户制定不同的营销策略.

第三种：漏斗法

漏斗思维本质上是一种流程思路,在确定好关键节点之后,计算节点之间的转化率.这个思路同样适用于很多地方,像电商的用户购买路径分析、app的注册转化率等等.

著名的海盗模型AARRR模型就是以漏斗模型作为基础的,从获客、激活、留存、变现、自传播五个关键节点,分析不同节点之间的转化率,找到能够提升的环节,采取措施.

第四种：二八法

“世界上80%的财富掌握在20%的富人手里”,这句话你一定听过.这就是二八法则,也叫帕累托法则.这个方法的思维就是抓重点,围绕找到的20%有效数据,找到其特征,使之产生更大的效果.

比如一个商超进行产品分析的时候,就可以对每个商品的利润进行排序,找到前20%的产品,那这些产品就是能够带来较多价值的商品,可以再通过组合销售、降价销售等手段,进一步激发其带来的收益回报.

第五种：指数法

指数思维是一种goal-driven thinking,通过将无法利用的数据加工成指数,达到聚焦的目的,从而找到方向.但指数法没有统一的标准,比较多依靠经验,一旦设立的话不会经常变动.如果数据没有规律的时候,可以试试这个方法.

第六种：假设法

假设法一般用在进入新领域的时候,没有历史数据参考,没有外部线索,这个时候就需要假设.通过假设的数据进行反推,再去制定计划,整个过程是先假设,后验证,再分析结果.

比如在对新产品进行定价的时候,就是根据成本去假设一个售价,由销售情况去验证,再决定是否需要上调或者下调价格,以达到最大利润.

第七种：多维法

多维法主要是通过对数据的切割,分成多个维度,通过立方体的形式进行数据展示.在对数据进行交叉分析的时候,可能会出现辛普森悖论,与之而来的应对方法有钻取、上卷、切片、切块、旋转等.

多维法的使用场景也很广,比如一个app的用户分析,可以从注册数、用户偏好、用户兴趣和用户流失等角度进行分析.

推荐阅读

• 【Python自动化办公】Share a few useful modules,建议收藏！
  

• 用Python制作可视化GUI界面,One-click to replace the background color of the ID photo
  

• 【干货原创】发现了一个好用到爆的数据分析利器
  

• 百万点赞怎么来？用Python制作抖音视频原来这么简单！

• 【硬核干货】数据分析哪家强？选Pandas还是选SQL

分享、收藏、点赞、在看安排一下？