目录
1.核心数据分析思维
(1). 结构化：
- 思维：金字塔思维
- 工具：思维导图
案例：现在有一个线下销售的产品。 我们发现8月的销售额度下降，和去年同比下降了 20%。我想先观察时间趋势下的波劢，看是突然暴 跌，还是逐渐下降。再按照不同同地区的数据看一下差异，有没有地区性的因素影响。我也准备问几个销售 员，看一下现在的市场环境怎么样，听说有几家竞争 对手也缩水了，看一下是不是这个原因。顾客访谈也要做，但是往常一直找不出原因，这次我也不抱希 望，姑且试试吧。要是还找不出原因，那我也很绝望啊。
(2)公式化
案例：
- 销售额：销量x客单价
- 利润：销售额收益-成本
- 销售额：多个商品/sku总和
- 地区销量：不同渠道的累加
- 销量细挖
加法不同同类别的业务叠加。
减法常用来计算业务间的逻辑关系。
乘法和除法是各种比例或者比率。
(3)业务化
Q：如何预估上海地区的共享单车投放量?
- 从城市流动人口计算
- 从人口密度计算
- 从城市交通数据计算
- 从保有自行车计算
结构化思维（捋顺思路） —— 结构化数据（将其可数据化） —— 结构化业务数据（落地，贴合业务）
案例：
某一天，xx学院的课程学习人数下跌了，梁老板急得头发都要掉光了，现在，你能不能通过三种思维方式，做出一个假设型的分析案例?
2.数据分析思维七大技巧
1）象限法
- 核心： 象限法是一种策略驱型的思维
- 优点：直观，清晰，对数据进行人工的划分。划分结果可以直接应用于策略
- 应用：适用范围广、策略分析、产品分析、市场分析、客户管理、 用户管理、商品管理等
- 须知：象限划分可以按中位数，也可以按平均数，或者是经验
案例：
2）多维法
- 用户统计维度:性别、年龄...
- 用户行为维度:注册用户、用户偏好、用户兴趣、用户流失...
- 消费维度:消费金额、消费频率、消费水平...
- 商品维度:商品品类、商品品牌、商品属性...
辛普森悖论：当人们尝试探究两种变量（比如新生录取率与性别）是否具有相关性的时候，会分别对之进行分组研究。然而，在分组比较中都占优势的一方，在总评中有时反而是失势的一方。该现象于20世纪初就有人讨论，但一直到1951年，E.H.辛普森在他发表的论文中阐述此一现象后，该现象才算正式被描述解释。后来就以他的名字命名此悖论，即辛普森悖论。
解决方法：
- 核心： 象限法是一种精细驱动的思维
- 优点：处理大数据量，维度丰富且复 杂的数据有较好的效果。但是 维度过多，会消耗不少时间
- 应用：只要数据齐全且丰富，均可以应用
- 须知：对不同维度进行交叉分析时， 需要注意辛普森悖论
3）假设法
- 带有方向的预测，没有数据
很多时候，数据分析是没有数据可明确参考的:比如新迚入一个市场，公司开拓某样产品。老板让你预测一年后的销量，或者产品的数据基础非常糟糕，你拿不到数据。
案例1：公司在节日进行了一次营销活劢，APP上的销量数据整体比上周上升了20%。因为统计失误问题， 拿不到明细数据，也就是说，活动效果是一个黑盒。现在的问题是，销量本身就有可能因为节日而提高，那么怎么证明活动是有效或者无效的呢?。
- 假设活动是有效的
思考一下，活动有效的话，会发生什么事情? 会有一定数量的用户购买，如果能证明这条，那么我们有理由相信活劢是有效的。用户通过活动购买商品，会发生什么可观测的行为呢?假设有一些用户会评论留言，那么可以统计提及活动的字眼。 当用户提及了这次营销活动，接下来的问题是，有效了多少?10%，20%?假设参不活动的用户行为没有变化，那么通过历史数据的用户评论占比，反推购买人数
案例2：你是自营电商的数据分析师，现在想商品提价后，收入会不会有变化?，你会怎么做?
- 假设商品提价后，销量一定会下跌，问题是销量下跌多少?
首先假设流量不会有变化，流量和渠道营销正相关，商品价格影响转化率，那么现在确定转化率的波动。找出平时的转化率(譬如为20%)，预估提价后的转化率变化。假设各类型用户对价格敏感度不同，那么将用户划分忠诚XX、普通XX、羊毛XX...不同用户层次数量不同，反应不同。忠诚用户转化率变化 极低，羊毛几乎不会转化...这些数据可以凭借经验做出假设。最后汇总。
- 核心：假设是一种启发思考驱劢的思维
- 优点：当没有直观数据或者线索能分析时，以假设先行的方式进行推断，这是一个论证的过程。
- 应用：它更多是一种思考方式，假设—验证—判断。
- 须知：不止可以假设前提，也能假设概率戒者比例，一切都能假设， 只要自圆其说。
4）指数法
场景举例：
- 中国今年的经济指标如何?
- 美国NBA最佳球星是谁?
- 竞争对手产品表现的如何?
- 哪位是天善学院最帅的男人?
方法：
- 线性加权
- 反比：采用导数，让其收敛
- log
- 核心： 指数法是一种目标驱动的思维
- 优点：目标驱动力强，直观、简洁、 有效。对业务有一定的指导 用。一旦设立指数，不易频繁变化。
- 应用：和假设法不同，假设法是缺乏有效的数据，指数法是无法利用数据而将其加工成可利用的。
- 须知：指数法没统一的标准，很多指 数更依赖经验的加工。
5）80/20法则（帕累托法则）
- 核心： 二八法是一种只抓重点的思维
- 优点：和业务紧密相关，和KPI更紧密相关。几乎花费最少的精力就能达到不错的效果，性价比很优
- 应用：二八法则存在于几乎所有的领域，所以这种分析思维没有局限。
- 须知：在条件允许的情况下，数据分析依旧不能放弃全局，否则会让思路变得狭隘
6）对比法
- 核心：对比法是一种挖掘数据规律的思考方式
- 优点：对比法可以发现很多数据间的规律，它可以与任何思维技巧结合，比如多维对比、象限对比、假设对比等
- 应用：对比更多是一种习惯，是数据分析的牛角尖，一次合格的分析，一定要用到n次对比
- 须知：在条件允许的情况下，数据分析依旧不能放弃全局，否则会让思路变得狭隘
7）漏斗法
- 核心： 漏斗法是一种流程化思考方弅
- 优点：单一的漏斗分析没有用，转化 率20%，但是能说明什么呢? 它要和其他分析思维结合，比 如多维，比如对比
- 应用：涉及到变化和流程的都能用
- 须知：单一的转化率没有，单一的转 化率没有，单一的转化率没 有。
3.数据分析思维锻炼方法
1）好奇心
案例
- 啤酒与尿布
- 去思考生活中商业案例的表现，背后的原理、摆放方法和数据差异
2）生活中的练习
- 例如夜市，一天的人流量？一人的流量？营业额？数据的分析方式？
- 换做你是商家，如何提高店面的利润？
3）工作中的练习
- 为什么领导和同事不认可？
- 如果我职位更高，我会怎么分析？
- 复盘，对于一个月，一年前等等的案例进行对比。需要，每个案例有记笔记的习惯，效果更好
- 历史分析，用这三种分析思维，分析更多的事情。结构化，公式化，业务化。
4.总结
- 核心思维为重点！结合案例理解了，这三种思维的重要性，运用范围极广，对于问题的思考都可以从这三方面开展。
- 七大技巧，展示了具体的分析技巧，但是需要配合分析工具如Python、excel中去实现他，需要记住特点，在需要时运用到数据分析中
- 数据分析思维的锻炼，来自于长期的思考习惯，从生活、案例和工作中日积月累的思考与积累，通过自己真正“思考”出来的结果，才是“真正”理解的思维。