就业班第五阶段 业务知识

时间：2021/1/18-2021/01/24

学习内容：第五阶段业务第一章节到第三章节

心得体会：

1.相较于之前的学习，现阶段对于数据分析已有一个大概全局认识，对于数据清洗等流程也大致了解，pandas的常用代码越来越熟练中

2. 对于数据分析方法和相关应用还亟需加强，后续要多做大厂题目，尤其注重锻炼数据分析思维的题目的相关训练，进一步提升数据敏感度

后续目标：注重面试题目的思路总结，归纳数据思维题型，针对项目的学习及练习注重思维的训练归纳，逐步形成习惯

知识点归纳

第一章节 数据指标体系

1 主指标与子指标

• 数据指标组成
  • 主指标（核心kpi）
  • 子指标（二级指标）
• 合格指标的标准
  • 定义清楚完整
  • 说清楚计算规则
  • 讲明白具体业务含义
• 数据指标元素
  • 指标意义：大白话说得清楚
  • 统计时间：什么时间段的数据
  • 计算规则：比例还是总数

• 数据指标体系
  • 有逻辑的数据指标的集合
  • 不能一味照搬，要按照自己的业务针对性搭建
• 指标体系结构

  • 主指标

    • 核心KPI,评价成果最直接
    • 注意主指标需要多个，才能综合评价

  • 子指标

    • 由主指标拆解得到的细化的指标

  • 过程指标

    
    
    

2 分类维度和判断标准

• 指标如何拆分
  • 按照组成成分拆分，如 销售额 = 购买人数* 客单价
  • 按照过程拆分，如从曝光到组成再到付费

• 强化指标体系
  • 增加分类维度
    • 把主指标切成若干部分，便于看清整体和局部
    • 注意：很难掌握的维度最好不要设置，不可取
  • 增加判断标准

    • 定义好坏的标准

    • 方法

      • 目标KPI是否达成：达成就是好的标准
      • 历史同期：比去年这个时候好
      • 竞争对手：比竞争对手或者行业平均好

3 业务流程绘制

• prossesion操作（略）

4 如何使用指标体系

• 如何使用指标体系
  • 先看主指标和判断标准：****主指标是否达标？未完成差多少
  • 再看分类维度：那些区域/部分没有做好？
  • 再看子指标/过程指标：那个环节没有做好
• 常见问题
  • 选取指标没有实际参考意义
    • 虚荣指标：只是数据好看，但没什么用的指标
  • 没有判断标准
    • 指标是好还是坏要有个衡量标准，而不是一味的堆砌指标

第二章节 数据指标在各个行业的运用

1 电商行业

• 用户行为流程
  • 曝光——点击——下载——注册——浏览——加购——下单——注册
  • 主要有两个流程： 获取用户——产生付费

• 常用数据分析指标
  • 获取用户
    • PV/UV
    • 新用户数新增、渠道占比
    • 注册转换比率
    • 不同渠道获客留存
  • 付费交易
    • 订单量、销售金额
    • 购物车放弃比例
    • 优惠券使用率
    • 复购率回购率
• 数据分析应用
  • 渠道获客分析
  • 商品浏览流量分析
  • 促销复盘

2 金融行业

• 用户行为流程
  • 曝光——点击——下载——注册——开户授信——投资
  • 主要仍然是两个流程：获取用户——产生付费

• 常用数据分析指标
  • 获取用户

    • PV/UV

    • 注册用户数量、授信用户数量

    • 次日留存、7日留存

    • 渠道用户转换情况

    • 渠道用户投资金额情况

  • 付费交易
    • 产品浏览偏好
    • 投资人数、金额
    • 到期提现比率
    • 复投率
    • 进件数、核准率
• 数据分析应用
  • 获取渠道分析
  • 提升复投率

3 游戏行业

• 用户行为流程
  • 曝光——点击——下载——注册——试玩——付费
  • 主要仍未两部分：获取用户——产生付费

• 常用数据分析指标
  • PV/UV
  • 次日留存、7日留存
  • 设备终端数据：什么手机/平台人数最多、付费最多
  • 网络运营商、用户地域数据
  • 新老用户付费情况
  • 游戏启动次数
  • 付费率、平均付费情况
• 数据分析应用
  • 获取渠道
  • 游戏内容

第三章节 数据分析方法

对比分析法

1.对比分析方法

• 定义：给孤立的指标一个判断标准，相同数据标准下，有其他影响因素所导致的数据差异
• 目的：找出差异背后产生的原因，找到优化的方法

2.对比分析方法的步骤

• 找出主要因素进行对比

  • 如不同渠道吸引用户的效果，找出各个渠道的访问量、点击量、注册量等指标

• 进行多维度对比

  • 寻找合适维度进行对比，如空间、时间、目标等

• 对比指标逻辑一致

  • 对象要相似，如男生和女生相比就没有意义

3.对比分析的分类

• 纵向对比
  • 和自己比较
    • 同比：今年同期与去年同期相比，消除淡季和旺季影响
    • 环比：这个月和上个月对比
• 横向对比
  • 将自己和他人对比
    • 相似空间对比
      • 同级、单位、部门，分析自身发展
    • 与优势空间对比
      • 与优秀的部门、同级、单位相比，看自己有什么不足，确认发展目标
    • 与计划标准对比
      • 与计划数、目标数、定额数对比，对比发展进度和完成率，分析目标策略是否需要调整

4.对比分析应用场景

• 产品应用
  • 产品是否有效，ab测试
• 优化推广渠道
  • 对比不同渠道优劣，优化渠道投放策略
• 提升用户留存
  • 漏斗的横向分析找到付费的关键因素

辛普森悖论与多维度拆解

1. 辛普森悖论
按照维度分析前后结果不一，如男生入学率增加，女生入学率增加，总体入学率降低
原因：申请人数占比不同
如何避免：同时参考不同用户间的事实全貌
方法：多维度分析法
具体应用场景
用户分群：根据特征把用户分为不同群体
细分**指标：细分到具体国家、用户群、渠道、消费能力等

2. 多维度拆解

   • 维度:

     • 看、思考问题的角度，常用有性别、地区、年龄段、时间季度

   • 拆解：

     • 可理解为做加法，A = 维度1+维度2+维度3....如 优秀 = 白+富+美

   • 目的

     • 将复杂问题拆解为简单问题
       • 如留存下降5%，按照流程和指标拆解，先对用户进行拆分，新老、渠道、活动、用户画像等，然后分析不同的用户画像，找出具体哪个群体，那一部分留存下降

   • 拆解方法

     1. 对指标构成进行拆解
        • 细化指标，转化、留存、省份划分等
     2. 对业务流程进行拆解
        • 浏览、加购、下单、支付等等

   • 应用

     • 复盘、专项问题分析
     • 更多针对简单问题

逻辑树分析方法

1. 为什么要有数据分析思维：消除不稳定性，形成固定留存
2. 逻辑树

   • 定义

     • 麦肯锡提出的方法，把问题当作树干，层层分解为树枝、小树枝
     • 实际使用：思维导图

   • 优点

     • 找出问题相关项，个人使用便于理清思路，团队使用便于明确责任

   • 如何搭建逻辑树

     • 方法
       • 明确主题+穷尽方向+层层分解

         • 用思维导图从左到右列举，问题-第一层原因-第二层原因...

         • 验证假设，找出可行性方案

     • 要点
       • 相邻层级内在直接联系
       • 同一层级相互独立、完全穷尽

   • 使用场景

     • 费米思想——面试题常考，用于估算值
     • 只有一个问题，尚未明确原因
     • 只有一个目标，不知如何达成

费米思想——面试题

• 专门解决那种无厘头问题，如请你在没有公开资料情况下预估每年新生儿出生数量？？
• 费米思想核心：把复杂问题拆分成可以估算便于操作的小问题，小问题不能解决继续拆分，解决小问题之后反推大问题，估算得到数量级
  • 原理：平均律，当确定上下界之后，用平均值去估算，误差会最大可能地抵消

• 步骤
  1. 拆解问题，将复杂问题拆解为基本问题
  2. 估算基本问题范围，估算范围在10倍范围内估算数值（取出一个最符合的值）
  3. 反推大问题
• 注意
  • 拆解不是无穷的，拆解成基本问题之后不能再继续拆解
  • 对基本问题的估算不能直接给一个确定值，而是估算数量级，估算上下边界，再在10倍范围内估算出接近的数值，一般是平均数等（费米思想核心估算方法）

数据思维书籍推荐

《这也能想到》——专门讲无厘头问题（费米思想）