数据思维到业务实战

我们在实际的工作和学习接触中，会发现一个比较统一的问题，那就是：随着数据在企业生产经营中的广泛应用，我们究竟该如何借助数据分析的能力，去提升公司业务的运营效率，为企业降本增效呢？也就是我们常说的实现真正的数字化，最终达到企业经营模式的转型。那么这个问题，其实根源在于：我们个人如何培养自己的数据思维？

数据思维到业务实战

• 概念
  • 数据+分析
  • 目的
    • 现状分析
      • 日报
      • 周报
      • 月报
    • 原因分析
      • 专题分析
    • 预测未来
  • 流程
    • 明确分析目的和思路
    • 数据收集
      • 代码
      • 百度统计
    • 数据处理
      • 数据清洗
      • 数据转化
      • 数据抽取
      • 数据合并
      • 数据计算
    • 数据分析
    • 数据展现
    • 报告撰写
      • 3点要求
        • 好的分析框架
        • 明确的结论
        • 提出具有可行性的建议或者解决方案
• 第2章 新媒体数据分析方法
  • 2.1 新媒体数据分析基本步骤
    • 1.设定目的
      • （1）如何做？
        • 第一步，提炼出需要解决的具体问题
        • 第二步，找到该问题的关键点
        • 第三步，提炼出分析目的
    • 2.数据挖掘
    • 3.数据处理
      • （1）数据剔除
      • （2）数据合并
      • （3）数据组合
    • 4.数据分析
      • （1）流量分析
        • 访问量、访问时间、跳出量、跳出率等
      • （2）销售分析
        • 下单数量、支付比例、二次购买比例等
      • （3）内容分析
        • 阅读量、点赞量、转发量等
      • （4）执行分析
    • 5.数据总结
      • （1）便于内部沟通
      • （2）便于总结分析规律
  • 2.2 新媒体数据挖掘方法
    • 1.数据来源设计
    • 2.数据来源渠道
      • （1）后台数据获取
      • （2）第三方数据获取
      • （3）手动获取
  • 2.3新媒体数据加工与处理
    • 1.数据合并
    • 2.数据修正
      • （1）异常剔除
      • （2）缺失增补
    • 3.公式计算
      • （1）求和
        • SUM（）
      • （2）平均数
        • AVERAGE（）
      • （3）稳定性
        • 标准差公式，数值越小，该组数据波动越小
        • STDEV（）
      • （4）比例
        • A1/A2
      • （5）条件计算
• 什么是数据思维
  • 使用数据解决问题的能力
    • 量化思维
      • 数据丈量一切
        • 难点
          • 难以获取
          • 没有相关数据
        • 怎么办
          • 消除物理盲点-快速预估
            • 找到数学模型，计算公式
            • 抽样
            • 敢于
  • 不精确
    • 消除逻辑盲点
      • 制定评估标准
        • what
          • 结果指标-有无增长
          • 过程指标
            • 关注点有无增长
            • 是否监控到
          • 反向指标-和结果指标定义方向相反，如退货
        • how
          • 1、真实度量业务结果，而非能找到的指标
          • 2、聚类选择特征指标：招行hello Kitty信用卡
          • 3、加入反向指标
          • 4、评估满足派生指标标准，不能用长远，好，坏高低描述
    • 对比分析
      • 怎么比
        • 环比
        • 同比
        • 增长率
      • 比的结果
        • 正常波动-范围内可忽略
          • 1、自然波动范围内
          • 2、上下游浮动一致—上下游指标
          • 3、历史波动范围内—通过足够长的时间进行原因排查
        • 异常波动
  • 如何确定问题
  • 目标和实际之间的差距
    • 准确描述问题的过程
      • 1、列出实际情况（数据），重新定义问题
      • 2、写出目标结果（数据）
      • 3、最后确定二者差异（数据对比）
  • 如何用数据分析问题
    • 拆解分析
      • 1、分类
        • 相互独立，安全穷尽（mece）
        • 维度：产品、组织架构、用户
      • 2、公式
        • 拆解至不可再分
        • 拆解结果通常为值，不是xx率
      • 3、流程法
      • 4、模型法
  • 按照事情发展的先后顺序，罗列出流程步骤
    • 关注关键节点
    • 不要切换视角
    • 如果某一视角流程较短，则需要转换视角，如贷款，从客户角度转换为银行视角
  • 根据经典的商业模型组成要素对分析内容重组
    • 4p
    • swot：团队分析
    • AARRR：获客
    • 黄金圈：what，why，how，报告输出
    • 分析框架系统诊断
      • 1、宏观：咨询公司
      • 2、中观：解决方案，日常工作
      • 3、微观：分析原因，
        • 问题界定
        • 问题拆解
        • 提出假设
          • 头脑风暴
            • 没有批评和否定
            • yes，and
        • 数据验证
          • 内部数据
          • 外部数据
        • 结论呈现
          • 1、业务假设数据全部罗列
          • 2、重新分类和排序
            • 递进-时间顺序
            • 并列-占比权重
          • 3、只留下重要的几个