以下是常用的數據分析方法,不同的分析方法適用於不同的場景。需要註意的是,數據分析方法不僅隻用於數據分析工作,在生活中也很有用。換個角度思考問題,或許能發現一個新世界。
如果你分析的目的是為瞭簡化復雜的事情,你可以使用邏輯樹分析法。著名的費米問題就是使用邏輯樹分析法。
8a1fd12dedfaea02993865b43562fb26
在求職面試中,經常會問到這類問題:國內有多少產品經理?深圳地鐵高峰時段的客流量是多少?公司樓下擺攤的月收入是多少?
這些估算類的問題可以分解成邏輯樹,把一個復雜的問題細分為可以具體量化的問題。
2、多維拆解分析法:例如,評估一傢公司需要多個維度。
其實我覺得這個思路和邏輯樹差不多。將一個模糊的問題分解為多個子問題。
3.PEST分析方法
嚴格來說,這有點假大空,隻能說和數據分析有關,但是如果你是做行業分析的,可以用PEST分析,一般在市場研究中使用。
Political Factors:政治環境
Economic Factors:經濟環境
Social and cultural Factors:社會環境
Technological Factors:技術環境
詳情請參考人人都是產品經理對少兒編程行業的PEST分析:nhttp://www.sohu.com/a/382315498_114819
4、對比分析法:
如果要比較好壞,可以使用比較分析法。例如,女朋友問:我白嗎?就是在做比較。
不知道在哪一門課之前聽過這句話:好的數據指標一定是比例,好的數據分析一定要有對比。的確,現在的數據分析工作根本就離不開對比。
5、假設檢驗分析方法:
798f1018bf63c12cfaf39249516221fd
如果要查找問題的原因,可以使用假設檢驗分析方法。比如偵探片就經常使用這種方法,先假設再論證。
類比數據分析就是先假設某種原因導致瞭不好的結果,然後用數據來證明。假設論證法是工作中常用的方法,可以快速提高你的業務思考能力。
6、相關分析法:
如果想知道A和B之間的關系,就需要使用相關分析法。例如,雲量與降雨事件的概率之間存在很強的正相關關系。同樣的,就有負相關、不相關、非線性相關。在實際工作中,我們會做一個散點圖來分析兩個不同事物之間的相關性:
比如抖音、B站推薦我喜歡的視頻。豆瓣推薦喜歡的電影使用相關分析。
但相關分析的使用必須與實際業務相結合。
比如:我傢門前的樹每年都在增長,這個國傢的GPD也每年都在上升。盡管它看起來是正相關,但實際上與它無關。
7、群組分析法:
如果要分析用戶留存和流失,則需要使用群組分析法。產品發佈版本的更新是否會導致用戶增長或流失。可以根據用戶使用產品的時間特征進行數據分組,例如可以將用戶分成使用產品x天的用戶組。
下面的RFM分類也是一種很好的分類方法。
8.RFM分類
如果要按價值對用戶進行分類,則需要使用RFM分析方法來實現精細化運營。其實和矩陣法類似,隻不過是將二維矩陣轉化為三維。
根據美國數據庫營銷研究所Arthur Hughes的研究,客戶數據庫中有 3 個神奇的元素。這 3 個要素構成瞭數據分析的最佳指標:
最近一次消費 (Recency)
消費頻率 (Frequency)
消費金額 (Monetary)
9.最終路徑法
c4e05b98830f1809a0a41c2dca254070
也可以稱為漏鬥法,AARRR也是漏鬥法的一種。如果要分析用戶行為或產品運營,則需要使用最終路徑法。通過管理起始和目標之間的步驟以及數據反饋來精細化運營。
比如網上商城從點擊到支付的用戶行為分析,在線教育點擊到付費轉化等。常用的數據分析方法就介紹到這裡,但說到底還是要結合實際的業務場景,否則一切都是空談。最後,以上內容屬於比較基礎的數據分析方法,實際工作中還有深層次的問題有待解決。如果你想系統高效地學習數據分析,可以報名參加CPDA數據分析師培訓,來體驗數據分析如何真正解決業務問題。
下一篇
已是最新文章