一、用上帝的视角来思考
1.维度偏差:单一维度分析会出现偏差,多个维度组合起来的时候,可能会得到相反的结论。
2.幸存者偏差:需要增大观测样本量。
3.数据化思维第一点:全面、整体的评估。
4.打破数据孤岛
5.全面分析业务:监控的业务指标是否完整和合理。
6.线上线下打通:有无充分利用互联网外的数据。
二、窥一斑而知全豹
1.数据越大,样本越重要:①计算资源不是无限的②计算资源不是便宜的③计算资源不是漫无目的的。
2.数据化思维第二点:样本思维(全量总体、可触及总体、样本)
三、万事均有可能
1.数据化思维第三点:精确地衡量可能性
四、数据化思维的核心逻辑
落地形式+经营策略=增长
五、分析方法:七武器
1.观察表象:描述性统计,从数据的表象来寻找突破点。
2.评估变化:分析变化类指标,从指标的变化中寻找问题。
3.多维分析:从指标的多个维度分析,避免两种分析偏差。
4.寻找归因:相关性分析,寻找最为重要的因素。
5.联合分析:多个指标联合分析,全面评估业务变化。
6.趋势预测:时间序列预测,科学预判未来的发展和趋势。
7.落地业务:从业务中来,到业务中去。
优点:完整&闭环、业务普适性、行业通用性
1.描述性统计:评估整体情况
描述数据的表征,通常考察样本的平均数、中位数、众数、几何平均数、调和平均数、方差、标准差、分布等。目的是从表象和整体观察样本的特征。
2.分析变化:寻找可能的突破口
寻找变化、深入观察:通常情况下,发生变化的指标一般是指标关联的业务环境发生了某种变化。目的是通过观察变化量,来寻找可能的业务问题点。
3.多维分析:从各个角度全面分析
全面评估、多维分析:维度是描述指标的不同角度,通过多维度分析,来寻求指标变化的可能原因。广义的多维分析,不仅包括从指标的不同维度进行分析,也包括拆分为多个子指标进行分析。
多维分析的工具:指标体系+维度体系
4.相关性分析:量化评估、寻找归因
指对两个或多个具备相关性的变量元素进行分析,从而衡量两个变量因素的相关密切程度。相关性的元素之间需要存在一定的联系或者概率才可以进行相关性分析。在业务中,通常为了量化评估各种因素对于核心指标的影响程度,寻找出对业务影响最大的原因。定量确定变量间相互影响的分析方法,用来评估变量的影响大小。
5.联合分析:为了避免两个严重偏差
两手都要抓,多指标联合分析:单一指标的分析,容易让我们落入两个严重的偏差,可能会导致和真实情况相反的结论。有时候,联合分析也叫做多指标交叉分析。
6.趋势预测:定性的分析未来的走势
回到未来、趋势预测。预测分析是一种统计或数据挖掘解决方案,包含可在结构化和非结构化数据中使用以确定未来结果的算法和计数。在业务上,通常是为了定性判断核心指标发展趋势。分为时间序列预测和回归分析预测。
7.现状---变化---原因---趋势---策略---计划。