数据分析中的数据整理

数据分析中的数据整理_第1张图片
数据分析封面.png

写这篇时也在纠结它是归于产品专辑还是运营专辑,最终还是放到运营专辑了,因为运营在做计划或者汇报的时候会将收集好的数据进行更直观处理、美化,作为自己的论据。闲言少叙,书归正文。

一、什么是数据分析?

简单的说,就是对数据进行分析,比较专业的说法是,数据分析是指用适当的统计分析方法对收集来的大量数据进行分析,提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。以求最大化地发掘数据的作用。
在实际工作中,数据分析能够帮助决策者进行判断和参考,以便采取适当策略与行动。比如:公司的高管希望通过对市场数据的分析和研究,把握当前行业的市场动向,从而制定合理的产品研发和推广计划,这就必须依赖数据分析才能够完成。

二、数据整理之原始数据转化成图表

我们的项目在更新版本或者推出活动之后需要检验效果,那评判的标准是什么呢?当然是数据!可是各种数据都记录在自己服务器的数据库中,决策者、运营和产品都没法直接获取,这个时候就要去找技术的童鞋帮忙导出想要的数据,但是技术导出的数据都是原始的Excel数据(我们先假设导出数据很顺利,关联条件、埋点神马的不是此次讨论的重点),没办法直接在文档和PPT中用,这就需要产品或者运营对数据加以处理了。
我以上家公司在三个城市的B端推广的数据为例,讲一下把数据转化成图表的方法。先看技术的同学给出的原始数据:

数据分析中的数据整理_第2张图片
image.png

这样的数据如果我直接拿来放到文档中去用,然后给领导看,估计片头曲还没唱完我就领盒饭了,这种数据既看不出数量也看不出趋势,领导也没时间细看啊,想让数据说话就得改变数据展现的形式。OK这难不倒机智的产品和运营,我们把数据转化成折线图再看:
1、首先选中需要绘制的数据然后点击插入按钮

数据分析中的数据整理_第3张图片
image.png

2、选择数据转化形式
我们是要插入图表,在显示出的子菜单中我们选择折线图并选择“带数据标记的折线图”如图:


image.png

3、修改图表
选择折线图后Excel会自动将数据转化成折线图的形式如图:


数据分析中的数据整理_第4张图片
image.png

这时图表标题可以进行修改,只要双击编辑即可。同时还可以双击图表,召唤出图表格式设置栏,对图标的颜色、字体、线段等等进行美化设置。憨人希望绿色可以让领导的心情平复下来,所以选择绿色。设置完毕后可以右击图表保存为图片,如图:
数据分析中的数据整理_第5张图片
image.png

至于想把数据转化成柱状图、饼状图方法类似这里不一一介绍了,有木有很简单?

三、数据整理之漏斗图制作

漏斗图往往在总结和复盘的时候用到,下面讲讲漏斗图的制作。我以上家公司在微信朋友圈投放活动广告的某一天的数据为例进行讲解,先看原始数据(惨不忍睹!):


数据分析中的数据整理_第6张图片
image.png

1、原始数据处理
制作漏斗图之前需要对原始的数据表格进行处理,主要是占位数据添加和转化率两个方面。处理完的数据如下:


数据分析中的数据整理_第7张图片
image.png

其中占位数据的计算方法为:fx=(C2-Cx)/2,x为C列中不同的行数,添加占位数据的目的是为了让每一行的数据居中。大部分漏斗图转化率都取绝对转化率,但是我觉得添加一个相对转化率更完善一点。相对转化率是指某一步相对于上一步的转化率。
2、选中需要绘制的数据然后点击插入按钮选择堆积条形图


数据分析中的数据整理_第8张图片
image.png

数据分析中的数据整理_第9张图片
image.png

3、逆序数据
选中图表中的纵轴然后右击选择“设置坐标轴格式”,然后选择“逆序类别”


数据分析中的数据整理_第10张图片
image.png

数据分析中的数据整理_第11张图片
image.png

4、去掉占位数据
这里并没有“去掉”,而是将占位数据隐藏了,方法就是将占位列名删除,再将图表中的占位数据设置成透明的无填充即可。如图:


数据分析中的数据整理_第12张图片
image.png

设置完后效果如下:
数据分析中的数据整理_第13张图片
image.png

其中这里橙色的数据展示的是各个阶段的数量,各位同学也可以右击选择“选择数据”把图标中的数据设置为转化率。这里不详细说明了。
同学们应该有疑问此处举的例子里为啥还要带着广告曝光呢?跟自己的产品没啥关系呀,而且严重降低了后面数据的可看性,是的确实不放也可以,这里我放上是为了告诉领导,这次选择广告投放的渠道有问题。同学们在自己复盘的时候可以选择不纳入。

通过漏斗图表我们可以很直接的发现:
①广告的曝光量虽然高,但是点击率并不高。广告投放渠道需要再选择。
②查看活动详情再进入商品详情的用户占比比较高,说明这次活动比较能吸引人,可能是活动奖品更吸引人,也可能是活动商品是爆款,也可能是活动折扣力度很大,因为没有把更详尽的数据拿出来,这里就不展开分析了。
③从商品详情到订单提交的比例并不是很高,我们分析可能是因为在提交订单时需要让用户填写的内容过多造成的,也可能是用户不确定自己的数据造成的。具体原因需要再向开发的同学要数据,例如不同商品成交占比,订单备注数据等。
好了,把原始数据整理成可看性更高的形式后我们也对数据进行了初步的分析,并由此得出了结论和假设,通常我们拿到假设后需要更多的数据进行分析和验证。
女票召唤中,有空再继续吧 拜拜~

你可能感兴趣的:(数据分析中的数据整理)