数据分析思维及技巧Data Analysis Skills

what, why, how

三种核心思维：结构化，公式化，业务化

结构化：金字塔思维Pyramid Principles

将论点归纳和整理，递进和拆解，完善和补充

核心论点：塔底。假设，问题，预测，原因

结构拆解：自上而下，上下之间呈现因果或者依赖关系

MECE: Mutually Exclusive Collectively Exhaustive，相互独立，完全穷尽。

验证：核心论点和分论点必须可以量化，可验证性。

思维导图：

线下销售下降原因分析

查看资料及背景，将结论列成卡片，之后依据主题分类；把同一类型的结论按顺序区分；讨论同一级别的共通结论，将其结论放在上一段位置。

结构化试分析的思维，但是还不够数据化，而且内部和外部因素很难有关联（实际上可能有关联），不严谨。

公式化：

量化，计算，关联，最小不可分割

业务化：

有没有从业务方的角度思考？    真的分析份原因了吗？    能不能分析结果落地?

用结构化思考+公式化拆解，获得的最终分析论点在很多时候，是现象。数据是某个结果的体现，但不代表原因。

结构化思维=》结构化数据=》结构化业务数据

捋顺思路=》将其数据化=》落地，贴合业务

---

数据分析的思维技巧：

象限法Quadrant: RFM模型

多维法：

缺点：会有辛普森悖论。

可以通过drill-down钻取去更加细化维度避免辛普森悖论。

假设法：

指数法：线性加权，反比例，log：目的就是调整特征的重要性以及将数据能够快速收敛。

二八法：帕累托Pareto Rule；20% 和 topN 的数据是最有价值的。

对比法：好的数据指标一定是比例，比率。占比的提高不代表绝对值提高。对比方向：竞争对手对比，类别对比，特征和属性对比，时间同比环比，转化对比ROI，前后变化对比。

漏斗法：需要结合对比法来分析转化率。单一的转化率没有用！

---