系列文章目录

【技巧分享】【数据分析】数据分析模型
【技巧分享】【数据分析】数据分析思维


文章目录

  • 系列文章目录
  • 前言
  • 时间序列思维
  • 分类思维
  • 矩阵思维
  • 管道/漏斗思维
  • 闭环思维
  • 逻辑树思维
  • 公式化思维
  • 独立穷尽（MECE）原则
  • 相关思维
  • 关联思维


前言

罗列一下数据分析用到的基本思维。

时间序列思维

看趋势、找异常。

  1. 用历史的时间维度的对比来分析问题，比如同比、环比、定基比。
  2. 用箱型图找离群值（异常值）
  3. 用历史数据计算生命周期价值

分类思维

筛选优质资源。

  1. 分类后的数据往往慢慢帕累托定律（二八定律）
  2. 不同维度的分类能更好的分类资源，制定精准策略，如RFM模型。
  3. 运用时间序列思维，看各组群的分布，如同期群分析。

矩阵思维

分类思维的变种，通过多维度数据筛选资源，如波士顿矩阵，RFM模型。

管道/漏斗思维

通过优化各链路环节的留存率达到优化业务的目的。如AARRR模型，UJM模型。分析场景包括：
曝光落地（引流路径）、注册转化（引流路径）、商品触达（浏览路径）、购买下单（销售路径）、复购种草（销售路径）等。

闭环思维

梳理业务流程，追踪各链路环节的指标，建立有逻辑关系的指标体系，达到优化运营的目的，如OGMS模型。

漏斗思维的扩展，可以引申到很多场景中，比如业务流程的闭环、用户生命周期闭环、产品功能使用闭环、市场推广策略闭环等等。如AARRR模型中，留存（Retention）到推广（Referral）的闭环。

逻辑树思维

归因分析常用的方法之一。

  1. 对数据的下钻和上卷，即数据的细分和汇总，找到问题的根源。
  2. 通过多维度对数据进行分类，常用于用户画像。

公式化思维

归因分析常用的方法之一。通过业务数据的数学逻辑，找到问题的根源。如杜邦分析。比如，常用的公式法：




独立穷尽（MECE）原则

相互独立，完全穷尽 (Mutually Exclusive Collectively Exhaustive)

分析问题的基本原则。在制定指标体系、定位问题时，各个指标间相互独立，涵盖面尽可能的广。如公式法中销售额的拆解、综合评分卡。

相关思维

归因分析常用的方法之一。通过相关性的高低，筛选变量，然后下钻溯源分析，从而确定问题的根源。如销售量和客单价的正相关性。

关联思维

数据挖掘常用的方法之一。通过相关性分析，发现交易数据库中不同商品（项）之间的联系。如购物篮分析 (Market Basket Analysis)。