导图社区 数据分析课程笔记
数据分析课程笔记的思维导图，如 大数据是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。
人力资源流程全景图KCF，供大家流程梳理建设参考。1 制定和管理人力资源规划、政策和战略 ；2 招聘、采购和选择员工 ；3 管理员工的入职、发展和培训 。
数据分析的关键流程和方法，数据分析师的心法和能力模型，便于有志于学习数据分析的童鞋门在学习前系统的自我盘点和梳理学习框架及路径。而不至于无从下手。
社区模板帮助中心，点此进入>>
论语孔子简单思维导图
《傅雷家书》思维导图
《童年》读书笔记
《茶馆》思维导图
《朝花夕拾》篇目思维导图
《昆虫记》思维导图
《安徒生童话》思维导图
《鲁滨逊漂流记》读书笔记
《这样读书就够了》读书笔记
妈妈必读：一张0-1岁孩子认知发展的精确时间表
数据分析
数据分析方法
业务分析三个阶段
现状分析-过去发生了什么
通过指标来衡量业务的运行和完成情况
原因分析-为什么会发生
确定业务变化的原因，并给出改进建议和应对措施
预测分析-将来会发生什么
对业务的未来发展趋势做出预测
常用的分析方法
描述性分析
探索业务运行和发展规律
对比/分布/结构/趋势/交叉
相关性分析
寻找影响业务的关键因素
相关/方差/列联
预测性分析
预测业务未来的发展趋势
回归/时序/逻辑回归/决策树/神经网络
推断性分析
利用样本估计总体特征的问题
概率分布/抽样估计/参数估计/假设检验/非参检验
专题性分析
解决特定场景的数据分析模型
精准推荐/市场细分/价值评估/产品设计/定价策略
常用统计指标
集中程度/整体水平
平均值
平均值能够利用所有已知信息，但易受极端值影响。一般常用截尾平均或分类平均代替平均值
中位数
排序后居于中间位置的数值。不能充分利用已知信息，但不受极端值的影响。
众数
出现最频繁的数值，代表分布中的高峰。离散型数值常用
离散程度/波动程度
极差
也叫全距：最大值与最小值之差，容易受极端值影响
标准差
实际值与均值的平均举例，度量离散程度。数据越分散，标准差越大，常用于正态分布
四分位距
IQR：上四分位数与下四分位数之差。较少受极端值的影响，适用于非正态分布
分布形态/分布趋势
偏度
说明分布的左偏和右偏程度，通过与标准对称分布的偏态系数比较来实现（越接近0偏斜程度越低）
峰度
说明分布的尖峰和扁平程度，通过与标准正态分布的丰台系数比较来实现（＞0为尖峰/＜0为扁平）
统计分析
数据类型
类别型
无序型
有序型
类别：用于对象分组
数值型
连续型
离散型
指标：用于计算指标
日期型
统计分析就是用分类和比较的方法来回答业务问题
统计分析三个步骤
统计
1找到恰当指标/2寻找全面类别/3按类别统计指标
绘图
1选择合适图形/2绘制图形元素/3调整优化图形
解读
规律/变化/结构/趋势/异常/关系
业务问题转化为数学问题 统计分析形成分析结果 分析结果总结形成业务策略
对比分析
将数据值进行比较，分析其中的差异和变化，从而揭示事物的发展变化和规律性
操作模式：类别→指标（常用柱状图）
作用：查看数据的差距，查看数据的变化
分布分析
用来了解数据的分布特征，探索业务层次
适合于对单个数值型变量做分析
操作模式：分段技术（数据段→计数）常用直方图表示
结构分析法
考察部分与总踢的对比关系，即部分占总体的比例，属于相对指标
操作模式：类别→指标/占比，常用饼图标识
饼图：静态/堆积百分比柱状图：动态
结构瀑布图：即可看到组成部分的差异，又可看出总体值的大小
变化瀑布图：即可看到组成部分的大小，游客看出总体值的持续变化
作用：评估结构的合理性
哪项内容需要重点投入？
各项占比是否达到预期？
趋势分析
主要探索时间对事物的影响，属于一种动态分析，得出数据的增减变化情况，时间颗粒度为年/季/月/周/日/时/分等
操作模式：时间段→指标，常用折线图表示
作用
探索季节周期性变化，识别淡旺季
发现数据的变化趋势，为预测未来提供方向
交叉分析
按照两个或多个属性对数据指标进行统计分析，来发现更系化的规律和特征，最常见的二维交叉表分析法
适用：从两个维度分析数据的特征规律
数据分析框架
分析思路/数据分析框架
从宏观角度指导如何做数据分析
将复杂的商业问题进行分解和细化，转化为数据问题
主要内容
分析维度：从哪些维度进行思考？要考虑哪些要素？
分析步骤：有哪些关键步骤？先做什么，再做什么？
业务问题：分解后的具体业务问题有哪些？
指标体系：涉及哪些核心指标
常用的模型
管理模型
PEST/波特五力/SWOT/PDCA
营销模型
STP/4P/5W2H
运营模型
AIDA/AIDMA/AISAS/AARRR
分析框架层级
业务目标，终极目标是什么？（粗粒度）
分析维度，即从哪些维度来思考？
业务主题，要回答的业务问题是什么？（细粒度）
支撑数据，从哪些类别来统计哪些指标？
数据分析过程
明确目的
确定分析目的
为什么要做数据分析
要解决什么业务问题
确定分析思路
分解任务，搭建分析框架
维度/步骤/核心指标
分析思路来源于业务模型
先决条件
业务数据化
收集数据
明确收集范围
名称/类型/时间范围
确定收集来源
数据库/互联网/出版物/市场调查/CRM/营销系统……
确定收集方法
怎样快速获得想要的数据/自动采集……
素材和依据
整理数据
数据清洗
去重/无效数据删除/填补缺失值/删除离群值
数据集成
多个数据集进行合并（数据追加/变量合并）
数据处理
数据行筛选/抽样/离散化
变量处理
数据列精简/变量/提取
形成适合分析地样式
分析数据
选择合适的分析方法
对比/分布/结构/趋势
构建合适的分析模型
相关/回归/聚类/决策树等
选择合适的分析工具
统计工具：Excel/Power BI/Tableau
挖掘工具：SPSS/Modeler
常用的分析语言
Python/R语言
数据呈现
数据分析结果的呈现
表格：更准确的描述数据
图形：更直观地表达观点
提取有价值地信息
数据信息化
形成结论
一般结构
背景目的
分析思路
具体分析
总结建议
报告种类
日常数据通报/综合分析报告/专题分析报告
信息策略化
数据决策思维
大数据
指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合
一种规模大到在获取、存储、管理、分析方面大大超出了传统数据软件工具能力范围的数据集合
数据的本质
数据：一切事务的活动都会留下痕迹（数据足迹）
数据是对客观事物的描述和记录（属性/状况/变化）
销售数据-势对客户购买行为、产品受欢迎程度、公司收入贡献等描述
工厂数据-是对生产流程、工作状况、制造工艺、设备运行状态等的描述
交通数据-……
数据是用来探索事物发展和变化规律的高效工具
大数据的本质-从多维度/全方位对事物的描述
大数据不在于大、而在于全（多维性）
大数据决策的底层逻辑
探索规律
用户行为i规律/市场营销规律/企业发展规律
发现变化
业务指标变化/市场发展变化/企业运营问题
理清关系
影响因素关系/购买决策因素/资源最优配置
预测未来
客户行为预测/市场精准营销/行业趋势预测
大数据决策路径
逻辑
业务问题（转化）数学问题数据（数据分析）分析结果信息（形成）业务策略
数据决策三环节
将业务问题定义为数据可分析问题
分析数据，提取业务规律/特征信息
基于业务规律信息，形成最终业务策略
用户需求分析/用户消费习惯
统计问题（对比/分布……）
精准营销/风险控制
分类预测（决策树/神经网络）
市场定位/客户群细分
聚类问题（PCA/RPA模型……）
产品设计/销量提升
影响因素分析（相关/方差……）
跨越技术与业务的鸿沟
技术语言
道
数据思维
分析思路/框架
术
分析过程、步骤
分析方法
分析模型
分析/挖掘工具
业务语言
产品精准营销
影响因素分析
用户行为分析
客户行为预测
市场客户细分
客户价值评估
产品交叉销量
产品定价策略
你缺的不是一堆方法 而是系统性的思维
数据分析师综合能力
懂业务
熟悉行业知识，业务逻辑及KPI指标
懂理论
熟悉业务模型，会搭建系统全面数据分析框架
懂数据
了解分析过程，掌握分析方法及分析模型
懂工具
熟悉分析工具，如Excel/SPSS/PBI/Python等
可视化
掌握图标设计原则，绘图方法和技巧，直观呈现结果
案例
阿里如何预测经济危机
交易数据
交易量下降
交易金额下降
滞后性-危机已经来临
询盘数据
转化：询盘量与交易量存在正相关
领先：询盘数据发生在交易数据之前
经济危机要来了
数据采集 数据来源或种类不一样，能够表达的业务信息也不一样
客户需求分析
基本信息
客户标识/性别/生日/居住地……
兴趣爱好
百度：搜索关键词/点击链接/浏览网页
关注点
今日头条：阅读资讯/收藏文章/评论信息
产品偏好
搜索产品/点击产品/购买产品
渠道偏好
常用APP/常上网站/常逛商场
消费能力
银行存款/网购单价/消费理财
购买行为分析
WHY
用户需求：用户购买产品的目的
产品亮点：产品哪里吸引客户
竞品分析：与竞争对手相比的优势/劣势
WHAT
产品/品类的受欢迎？
产品质量
服务满意度
产品结构是否合理
WHO
谁是我们的用户？用户有何特征？
基本特征
WHEN
销售时间：何时购买？淡旺季
活跃时间
重购周期：多久再次购买
WHERE
地域：用户喜欢在哪里购买/各产品的区域偏好
渠道：受欢迎的渠道/渠道偏好
HOW
支付：喜欢的支付方式i/影响支付的因素
促销：哪种促销方式好/促销投入，提升效果？
HOW MUCH
收入/变化/结构？
成本结构
利润空间
价格合理性
库存合理性
手机营销问题
方法论
精准营销-6R模型
正确地客户
恰当地信息＋正确地产品
最佳的时机+合适地价格+合适地方式
客户
新客户：无手机 旧客户：换手机
手机使用时长
挂失过/维修过
搜索过/咨询过
产品
精准匹配/品牌定位
历史用过的品牌
搜索过的品牌
各品牌用户特征（年龄/职业……）
价格
工资/存款/理财账单等
消费档次
历史手机价格区间/客单价
相关因素
价格与消费水平/收入的关系
价格与（岗位/学历等）的关系
时机
需求时机
使用时长与终端生命周期比较
咨询/挂失/搜索/维修时间
促销时机
发薪日/节假日/新手机发布时间
渠道
常规渠道
实体店/外呼/短信等
网络渠道
常用APP/网站/购物平台
套餐
个性推荐/套餐偏好
历史套餐/流量/通话时长
套餐与星别/职业等的关系
建立分类预测模型
业务目标（粗粒度）
分析维度/关键步骤
业务问题（粗粒度）
喜欢赚“差价”的营业员
案例背景
每月额外5k-10k差价外块
会员享受8折扣，偷偷办理会员卡替代非会员结账
每月例行促销8折，把全价货物退货再按促销价重新开单
如何数据管理
定义指标：退货率/会员消费占比
定期统计，找出共性的波动规律
区域平均退货率
所有店铺的会员消费占比
找出指标异常店铺
退货率高的店铺
会员消费占比高的店铺定位
深入异常店铺进行核查
1明确目的 2收集数据 3分析数据 4形成策略
