数据分析

关于数据分析的思维导图。包含概述、数据分析流程、树蕨类型及数据收集方法、建构数据分析体系、常用数据分析方法、数据分析报告等。

《15天精通数据分析》数据分析思路

• 一概述
  • 目的
    • 适当的工具及分析方法，对数据进行分析，提取有价值的信息，形成有效结论
  • 作用
    • 通过观察数据知道当前发了了什么
    • 通过数据拆解，了解数据变化
    • 预处未来发生的变化
    • 支撑商业目的
  • 场景
    • 运营
      • 活动运营
      • 商品运营
      • 用户运营
      • 用户分类、用户生命周期
    • 产品
      • 产品功能
      • 产品调研
      • 产品体验
      • 产品用户需求调研
    • 市场
      • 开发工具使用率
      • 投入产出比
      • 渠道推广效果
  • 数据分析能力要求
    • 数据敏感性
    • 对业务的理解
    • 良好的逻辑思维能力，变化点细分分析
    • 统计分析能力
    • 使用分析工具
    • 数据解读能力，找出核心问题
    • 数据应用能力
• 二数据分析流程
  • 分析流程
    • 需求分析，列出可能影响的因素
    • 数据提取
    • 数据清洗
    • 数据分析
    • 数据报告
    • 实际应用
• 三数据类型及数据收集方法
  • 数据类型
    • 定性数据
      • 分类数据
        • 男女、天气等（不能进行运算）
      • 顺序数据
        • 满意度评分、中小学、大学等（）可以区分大小
    • 定量数据
      • 离散型数据
        • 用户数、消费次数等（可以加减）
      • 连续性数据
        • 成绩、消费额等（可以乘除）
  • 统计方法
    • 连续性变量
      • 能做频数分析
      • 集中趋势分析
        • 均值
        • 众数
        • 中位数
      • 离散程度分析
        • 标准差
        • 方差
        • 最大值
        • 最小值
        • 范围
    • 非连续性变量
      • 频数分析
  • 数据收集
    • 数据埋点
      • UV/PV
      • 用户数
      • 用户停留时间
      • 用户浏览行为数据
    • 第三方数据统计平台
      • Growing IO
      • SimilarWeb
      • Google Amalytics
      • 国家统计局网站
    • 问卷调查
  • 数据整理
    • 数据异常
      • 空值
      • 数据波动太大
      • 不同数据源获取的数据矛盾
    • 数据异常原因
      • 系统故障
      • 认为因素
    • 数据清洗
      • 删除异常值
      • 对空值进行填充
      • 通过统计模型计算进行填充
      • 不同数据源交叉验证
• 四构建数据分析体系
  • 常用指标
  • 分析框架
    • （一）QQ模型
      • 数量（绝对数）
        • 用户数
        • 浏览量
        • 点击量
      • 质量（相对数）
        • 留存率
        • 转化率
        • 参与率
    • （二）用户行为理论
      • 1认知
        • 网站访问
          • PV/UV
          • 访问来源
      • 2熟悉
        • 网站浏览
          • 平均浏览时长
          • 跳出率
          • 页面偏好
        • 站内搜索
          • 搜索访问次数占比
      • 3试用
        • 用户注册
          • 注册数
          • 注册转化率
      • 4使用
        • 用户登录
          • 登录用户数
          • 访问登录比
        • 用户订购
          • 订单数
          • 转化率
      • 5忠诚
        • 用户黏性
          • 回访者比率
          • 访问深度
        • 用户流失
          • 用户流失数
          • 流失率
    • （三）5H2H分析法
      • what
        • 产品提供什么服务？用户核心需求？
      • who
        • 谁是目标用户？用户有什么特点？
      • where
        • 用户使用场景？用户主要分布在哪里？
      • when
        • 用户在什么时候使用产品？
      • why
        • 用户问什么要使用产品？产品有什么地方吸引用户？
      • how
        • 用户如何使用产品？使用的路径是什么？
      • how much
        • 用户花费时间或金钱？
    • （四）AARRR模型
      • Refer推荐
        • 用户获取成本=（营销费用+销售费用）/新增用户数
        • 用户来源渠道
          • 渠道用户数
          • 渠道新用户占比
          • 渠道成本
      • Revenue收入
        • 付费用户比
        • 付费用户数
        • 平均付费金额
      • Activation用户激活
        • 定义用户激活行为
        • 用户转化率
        • 激活漏斗转化率
      • Rentention用户留存
        • 用户天然生命周期
        • 用户留存率
        • 不同用户分组留存率
      • Acquisition用户获取
        • 推荐用户数
        • 推荐转换率
        • 被推荐转换率
    • （五）RFM模型
      • Recency：最近一次购买时间
      • Frequency：购买次数
      • Money：购买金额
    • （六）人货场模型
      • 场
        • 网站渠道
        • 点位数
        • 展位
      • 人
        • 用户数
        • 留存率
      • 货
        • 商品数量
        • 单价
        • 动销率
        • 客单件
• 五常用数据分析方法
  • 对比分析
    • 时间
      • 同比
      • 环比
      • 变化趋势
    • 空间
      • 不同城市对比
      • 不同产品对比
    • 目标
      • 计划目标
    • 用户
      • 不同用户类型
    • 竞品
      • 渠道
      • 功能
      • 体验和流程
      • 推广和收人
  • 分组分析
    • 使用场景
      • 用于数据包含信息多样化，且各种类型的数据之间差异较大，用户分析不同类型数据之间的差异，经常与对比分析方法一起使用
  • 矩阵关联分析
    • 使用场景
      • 当判断某个事物有多重属性时，且各个属性之间没有直接的关联性，需要根据多重属性判断事务结果
    • 矩阵类型
      • SWOT矩阵
        • 优势
        • 劣势
        • 机会
        • 威胁
      • 波士顿矩阵
        • 市场份额
        • 市场增长率
      • 满意度矩阵
        • 重要性
        • 满意度
  • 逻辑树分析
    • 使用场景
      • 通过将复杂的数据层层拆解，用户发现负责数据中的问题和机会
    • 例
      • GMV
        • UV
          • 渠道
            • SEO
            • SEM
          • 区域
            • 中国
            • 美国
          • 产品类型
            • 跟团游
            • 机票
            • 酒店
          • 新老UV
            • 新UV
            • 老UV
        • 转化率
          • 渠道
          • 区域
          • 产品类型
        • 客单价
          • 渠道
          • 区域
          • 产品类型
  • 漏斗分析
    • 使用场景
      • 用户发现某个行为路径中的问题
    • 例
      • 用户行为流程统计
        • 产品首页100%
          • 产品详情页75%
            • 加入购物车33%
              • 填写支付信息21%
                • 支付成功11%
• 六数据分析报告
  • 类型
    • 基础性报告：日/月报
      • 列明重点关注的数据指标
      • 波动异常的数据，注明原因
      • 对于i近期的关注重点动作注明进展
    • 综合性报告：季报/竞争对手分析报告
      • 通过对长时间数据的同比和环比，分析数据波动原因，找到业务问题和机会点
      • 注明重点项目的进展和问题情况
      • 总结成败得失，给出意见和建议
    • 专题性分析报告：活动复盘/用户分析报告
  • 要求
    • 分析背景目的清晰
    • 取数据时间逻辑清晰
    • 避免数据与结论矛盾
    • 观点结论清晰，结论需要基于报告中的数据，有理有据，避免主观臆测
    • 呈现方式文不如表，表不如图，文字和配色尽量简洁
  • 思路一：金字塔思维
    • 主要结论
      • 分结论一
        • 论据/数据
        • 论据/数据
      • 分结论二
        • 论据/数据
        • 论据/数据
  • 思路二：总分总结构
    • 总结论
      • 总
        • 分析背景
        • 分析目的
        • 分析思路
      • 分
        • 论据一
        • 论据二
      • 总
        • 总结与建议
  • 报告展现
    • PPT母版的运用
      • 设计统一版式
      • 添加logo
      • 批量修改内容
  • 文字提炼原则
    • 言之有物
    • 写简单完整句
  • 图表展现
    • 表格
      • 提供详实的数据清单
      • 突出页面的重点数据
    • 图表
      • 强化重点数据信息
      • 直观且清晰表达逻辑关系
  • 配色原则
    • 单色原则
    • 对比原则