数据分析之“分析”见解

本文主要是介绍数据分析之“分析”见解，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

背景介绍：

　　作为尚未毕业且在数据分析行业未满一年的“小学生”，本不敢谈此主题，太大，太深，勿喷，仅谈自己的理解，顺便复盘自己工作中的思路和方法。

　　我，在1月份实习竞争不是太激烈时，荣幸的被捞进一个专门做数据的部门（150人），而所属的团队是专门做数据决策的，主要对接业务部门，承接数据分析需求，而我所在的小组更荣幸的是一个项目制的小组，承接业务部门需求较少，主要是做数据驱动的获客，直白点就是建立模型，筛选目标客群，精准营销，通过数据分析去优化运营，提升转化，降低成本。冷启动阶段，小组内就我和leader两个人，她建了一个基础的筛选模型v1, 经过几波测试，打通链路之后，我们就师徒二人带着项目出发了，我负责用SQL筛选目标客群，进行营销，监控和调整每日计划，以形成闭环。冷启动阶段之后，整个项目的运转基本由我一个人负责，早上，每日更新日报，列出有问题的点与leader讨论，在leader指点一波之后，调整计划，下午针对相关问题进行深入的分析，模型迭代，或者与营销平台供应商、业务方进行勾兑。

　　背景基本如此，在几个月过程中，一边全流程做我们组的业绩，一边接了许多奇怪的需求，我认为大部分的分析都是为业务服务，无论是日常的业务需求、分析报告、用户画像，都是为了解决业务的具体问题，或盘点业务现状，或指导业务拓展。同时，对一些分析的方法慢慢有了自己的见解，

分析之一：大胆假设，小心求证

　　许多大牛都总结出了数据分析的方法和思路，AARRR模型、用户画像、漏斗分析等等，不同的场景有不同的方法，以常见营销为例，AARRR模型结合漏斗分析，搭建出指标监控体系，就很方便的看到从获客、注册、转化、留存各个环节的流失情况，针通过监控不同周期内（by day ,by week,by mon）的数据异常，大胆的提出问题，小心的求证，顺便多一步思考：解决方案有哪些，各自方案会带来什么利弊（书面化list），如果自己是leader如何决策?尽管自己的提问和假设不一定对，逐步养成思维习惯还是比较有帮助的~

分析之二：保持数据敏感

　　数据分析大部分时间都在和数据打交道，无论是SQL、Python还是Excel 工具中，时刻保持对数据的敏感度，数量级是否符合自我认知，是否符合数据各个字段之间的逻辑联系，当出现异常时可以快速的做出判断，并及时的可能导致数据异常的原因，任何数据变化的背后都某些因素的变动，无论能否及时发现、及时做出应对 它都是客观存在的。

分析之三：结合实际

　　在参与数据决策，通过分析结果指导生产时，务必考虑实际生活，比如节假日、周末、市场重大变动、政策调整等实际生活中的因素，这些因素对数据的影响是客观存在而无法通过数据分析师改变的，只能将此类因素及时考虑进去，做出相关的应对策略。

分析之四：口径，口径

　　做数据分析时，明确数据口径是及其关键的一步，数据的时间范围、字段的含义、指标的计算公式、特殊的筛选条件都及其重要的，一旦口径与需求方不一致，任何优美的分析结果都毫无意义，为避免做无用功，明确口径是十分关键的一步，在自己做分析时，也可以用固定的格式记录自己分析的背景，分析的数据口径。

　　最后，贴上自己做一个具体的数据分析时的基本格式，有待改进，请大佬们多多指导“小学生”~

目标：为提升xxxxx，对xxx数据进行分析

数据口径：

　　1.时间范围：xxxx-xxxx

　　2.关键指标：xx=xx/xx; xx=xx*xx

　　3.容易发生歧义的专业词汇解释，xxxxx

结论：

　　1. 关键结果，xxx,xxxxxxx,

　　2.建议：①xxxxx,②xxxxx,③ xxxx

分析：（图表）

　　单一维度：

　　1.时间，2.性别，3年龄

　　多维度交叉：

　　1.年龄+性别，2性别+地域，3，，，，，

原始数据表（）

这篇关于数据分析之“分析”见解的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！