知乎数据分析训练营

学习必看代码

public void string main(String agrs[]){
    //获取课程vx 80407290
}

六、掌握了基础方法以后
1. 路线一：业务分析模型
业务模型，用来解决：定义模糊、数据贫瘠、需指导业务的问题。

比如业务在纠结：

到底做什么用户更好？
到底怎样才能激励销售？
到底活动起了多大作用？
这些问题听起来简单，其实定义非常模糊，什么算好？怎么叫起作用？不发钱的激励真的有用？各种问题错综复杂，且很有可能掺杂了业务部门自己的小心思。因此，需要细细的梳理业务逻辑，推导出可行的解题逻辑。

2. 路线二：算法分析模型
算法模型，用来解决：定义清晰、数据丰富、计算过程复杂的问题。

比如，高价值用户识别问题，业务上已经定义清楚了

用什么指标衡量用户价值；
用什么标准评价价值“高”；
采集了丰富的数据（性别、年龄、兴趣、关联商品、互动、评论……）；
有一批人工标注过的“高价值”用户做正样本。
此时，可以用各种算法来建模了。建模的目的，不是为了增加分析深度，而是提高从分析到业务应用的效率。有了相对准确的模型判断，业务可以通过CDP+MA，自动触发营销规则，不需要每次都写ppt写很久。算法模型需要一些

3. 路线三：统计推断
统计推断方法，用来解决：定义清晰、没有数据、需测试收集数据的问题。

比如：要上一个新版本产品，业务已经定义了：新版本要提升用户的人均在线时长（均值问题），现在要做测试，从两个预备版本里选一个。此时要用：双总体均值比较假设检验的方法。

当然，实际问题会更复杂，考虑各种控制变量、假设前提，还要考虑系统开发、数据采集方案，不单单靠分析师解决。

二、从一个指标开始

1. 周期性分析法
最基础的分析方法，可以从一个指标开始，这就是“周期性分析法”。

所谓“周期性分析法”，操作上非常简单，就是把一个指标的观察时间拉长，看它是否有周期变化规律。

这种方法分析简单，但是非常实用。因为新手经常因为不懂看周期变化，引发笑话。诸如：

“我发现昨天指标大跌”——昨天是周末，本来就该跌（自然周期变化）
“我发现A产品卖得很好”——A产品刚上市，它就该卖得好（产品生命周期）

很多时候，我们看的指标是总体指标，而总体指标是由若干部分组成的，比如：

公司——分公司A、分公司B、分公司C
总销售——商品A、商品B、商品C
因此看到一总体指标以后，可以根据它的组成部分，对总体做拆解，了解各部分组成，是为结构分析法（分析总体的内部结构）。

2. 结构分析法
结构分析法在很多时候都好用，比如问：“为什么业绩下滑呀！”答：“因为XX区域没有做好！”通过看结构，能很快找到责任人。

3. 分层分析法
除了单纯地看结构，人们也喜欢做排名，区分个高中低，这就是分层分析法。

很多同学把分层和结构搞混，大家只要记得以下两句：

这三种方法，是基础中的基础。一来，它们都是在分析一个指标，二来，它们都是基于事实陈述，不需要啥计算。当我们初到一个公司，初接触一个新数据，都可以用这三种方法，建立基础认知。

五、从指标到业务逻辑
1. 标签分析法
以上所有方法，都是基于数据指标计算，但实际业务中，很多关系并不能直接用数据指标表示。比如：

是不是社区店比步行街店，生意更好？
是不是私域流量比公域流量，转化更佳？
是不是刮风下雨比晴空万里，销售更好？
社区店/私域流量/刮风下雨，很难用一个数据指标来衡量。但这些因素，又确实会对企业经营产生影响，该怎么分析呢？这就需要采用：标签分析法。

举个简单的例子，南方某省，8月份经常下暴雨。大家都觉得：下雨会影响门店业绩。那么怎么分析呢？按照五步法，可以针对该省份门店，做分析如下图：

那么可以得出结论：下雨对业绩影响不大，这就做完了。

注意，上边的小例子里，标签做的很粗糙，只有简单粗暴的下雨/没下雨两类。除了下雨以外，还可能有台风、冰雹、高温等等情况。因此，做标签的精细程度，决定了标签分析的准确度。而能否选取到合适的标签，则考验的是分析人员对业务的理解程度。

到这里，一共介绍了八种基础方法。在实际工作中，一般都是多种方法综合使用的。因为业务提的问题会很复杂，很有可能涉及多个指标、多个标签。此时千头万绪，要理清思路，就得祭出第九种方法：MECE法。

2. MECE法
MECE是（Mutually Exclusive Collectively Exhaustive）的缩写，指的是“相互独立，完全穷尽”的分类原则。通过MECE方法对问题进行分类，能做到清晰准确，从而容易找到答案。

MECE法是基础分析和高级分析的分水岭，也是从基础提升到高级的通道。所有复杂的问题，都需要经过认真的梳理和分解，才能成为一个个能解决的小问题。所谓的业务分析模型，其实就是对业务问题的MECE分解。

当然，肯定有同学好奇：掌握了这九种方法以后，还可以怎么深入呢？一般有三条深入路线，可以进行深入分析。

一、什么是基础方法

从本质上看，几乎所有工作都和数据有关系，都或多或少需要一些数据分析方法。但数据本身是有门槛的，很多人上学的时候就怕数学课，更不要说复杂的理论了。因此，所谓基础数据分析方法，应该是：

不涉及高等数学、统计学、运筹学、算法原理；
不涉及复杂的业务逻辑、因果推断逻辑；
不局限于特定的业务场景，有普适性。
总之，人人能用的，才是基础方法。

基于这个理念，我们为大家整理了九种基础分析方法，简单又好用。