怎么提升数据分析能力?——功法篇(下)

这篇具有很好参考价值的文章主要介绍了怎么提升数据分析能力?——功法篇(下)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

先来复习一下上篇提到的3个疑问:

为什么我做出来的分析总觉得没有别人的那么高级?
老板为什么总说我的分析“太浅了”?
数据分析师每天的工作就是取数做需求?

看完上篇讲的金字塔原理,如果你还有疑问,不妨再认识一下另一个数据分析的无上功法:

第一性原理

自从某一次马斯克在公开采访中提出了第一性原理这个概念之后,这个听起来很唬人但是很难说清楚到底是什么的概念就被人用烂了,相信你也在不同的地方听到过这个词语。
怎么提升数据分析能力?——功法篇(下),数据分析,数据挖掘

关于这一点的定义,在这里我就不赘述了, 我只提出一种能帮助你提升思维深度的理解方式:找到你正在做的事情里面的,最本质的那条公式

举个栗子
在游戏数据分析中,数据分析师需要负责的分析模块可能有很多,譬如:

  • 新用户的留存分析
  • 新手引导漏斗分析
  • 资源产出消耗分析
  • 广告素材的效果分析
  • 广告渠道的新进用户质量
  • 用户付费偏好分析’

  • 以资源产出消耗为例,现在有一个抽卡活动,例如痒痒鼠:
    怎么提升数据分析能力?——功法篇(下),数据分析,数据挖掘
    在活动开启两周后,我们需要对活动进行数据分析,了解活动期间用户的勾玉消耗情况和活动表现,产出了两份报告,报告的主要结论如下:

报告结论A

  • 本周活动开启后A资源消耗了xxxxx,对比上周提升了xxxx,人均消耗了xxxx,对比上周提升了xxxx
  • 用户消耗A资源兑换最多的是抽卡道具B,占总消耗的xx%,人均兑换了XXX次
  • 活动期间,共有xxx个用户参与了活动,占比达到xx%

报告结论B:

  • 本次活动有效降低了A资源的平均存量,活动期间A资源累计消耗xxxx,人均消耗了xxx,人均存量从xxx下降至xxx,下降了xx%
  • 活动期间抽卡道具B兑换情况符合预期,相关消耗占总消耗的XX%。相比之下同样价值的抽卡道具C吸引力偏低,仅占总消耗的XX%
  • 活动期间总体参与率XX%,其中低存量用户参与率XX%,高资源存量用户参与率仅xx%,活动对高资源存量用户的影响仍有不足

两份报告都是做了非常常规的描述统计分析,没有用到高级的预测算法,也没有使用时序之类的进阶分析方法,但很明显,我们都会觉得B是一份更好的结论,而A则让人感觉太浅了/作用有限

为什么会有这样的差异呢?

我们仔细提取一下报告的关键词,会发现B结论里面有一些亮眼的词:存量下降、道具吸引力不足、用户影响不足,由此我们可以整理出一个完整的思路:这个活动是通过某些道具,吸引特定的用户,从而达到资源存量下降的目的,也就是

存量减少量 = 用户数 x 参与率 x 人均消耗量

这就是这个分析的第一性原理

  • 活动的目的是减少A资源存量
  • 减少存量可以通过2个方面来实现,1)提升参与率 2)提升消耗量
  • 参与率可以分为高存量人群的参与率和低存量人群的参与率
  • 消耗量可以通过B道具或者C道具来实现

B结论完整的还原了这个公式,并且对这个公式里的每个环节进行了判断,因此让我们感觉结论清晰,有深度

找到那一个最重要的公式

这是一个非常通用的方法,当你掌握了一件事情或者一个领域的公式时,你就可以保证自己的思维是足够深入和透彻的

例如游戏公司的目标都是实现盈利,而:

利润 = 收入-成本 = 用户量 x (留存 x 生命周期 x 付费 - 获客成本)

所以,用户量越高,用户生命周期越长,付费越高,用户获取成本越低,那么游戏公司的盈利就会越好,也因此有了游戏行业常见的部门分工:
怎么提升数据分析能力?——功法篇(下),数据分析,数据挖掘

  • 发行商:扩大用户量、降低用户成本、提升用户生命周期
  • 研发商:提升留存,提升付费

再往下细分,还可以拆分市场负责扩大用户量,运营负责延长生命周期,玩法策划负责留存,商业化策划负责付费等

再举一个栗子,如果你要做手机厂商的业务分析,同样手机厂商的目标也是盈利,但是公式却有些不同:

盈利 = 收入 - 成本 = 用户量 x 份额 x 客单价 x 复购率 - 销量 x 生产成本

由此我们可以得到一些分析思路,或者说是业务认知:

  • 在用户量能够持续扩大的时候,手机厂商们对客单价和份额往往不那么看重,而更加重视提升自身的规模
  • 当用户量不再增加,进入存量市场的时候,往往就需要通过扩大份额、提高单价、提高复购等方式来保证营收的增长

如果你关心最近的有手机市场的销量情况,就会发现目前在中国大陆手机市场已经是一个相对饱和,进入存量竞争的状态了,意味着各自的手机厂商的营销部门最关心的问题就是怎么能够扩大份额,提高单价和提高复购,所以这样的一份报告可能会更符合他们的需求:

  • 当前,国内手机市场每月活跃手机用户约为1000万,每月新增销量为100万,约10%的用户存在更换手机的需求
  • 更换手机的用户中,10%选择了a品牌,30%选择了b品牌,选择了我们品牌的用户占比约为5%,对比上个月提高了2.3%,说明选择我们品牌的用户比例越来越高
  • 分赛道来看,在高价段位,我们的占比有3%,在中端价位我们的占比约为8%,我们的主要优势在于中端价位,但是在高端价格的占比也在逐步提升

那么怎么找到这样一条公式呢?
大多数时候,这样的公式逻辑是比较好寻找的,这里简单总结几个方法文章来源地址https://www.toymoban.com/news/detail-818037.html

  • 乘法拆解。绝大多数商业场景下,最高层级的都是盈利或者用户量,我们可以结合金字塔原理的思维往下拆解,将达成目标的相关步骤或者环节拆分为一个个乘法因子
  • 团队分工。管理者们是最清楚业务的核心公式的,因此在部门划分,职能分工的环节中,总是会不经意按照这样的逻辑进行划分,可以参考职能分工来拆解
  • 业务KPI。KPI是最能直接反应核心业务逻辑的东西,因为KPI的制定本身就是围绕最高层级目标而逐级拆分的。永远别忘了反复确认业务方的KPI是什么

到了这里,关于怎么提升数据分析能力?——功法篇(下)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Python数据分析-数据挖掘(准备数据——数据建模——模型评估——模型应用)

    20 理解业务和数据:我们需要做好什么计划?_哔哩哔哩_bilibili 目录   一、理解业务和数据:我们需要做好什么计划? 1.1两个思想问题 1.2为什么数据挖掘不是万能的 1.3业务背景与目标 1.4把握数据  1.5总结 二、 准备数据:如何处理出完整、干净的数据? 2.1找到数据 2.2数据探索

    2024年02月05日
    浏览(65)
  • 数据分析技能点-数据挖掘及入门

    在数字化的世界里,数据像是一种新的货币。它不仅推动了科技创新,还在塑造着我们的生活、工作和思维方式。但数据本身并不是目的,真正的价值在于如何从海量的数据中提炼有用的信息和知识。这正是数据挖掘发挥作用的地方。 数据挖掘是从大量的、不完整的、噪声的

    2024年02月07日
    浏览(51)
  • [数据挖掘] 数据分析的八种方法

    不 同类型的数据分析包括描述性、诊断性、探索性、推理性、预测性、因果性、机械性和规范性。以下是您需要了解的有关每个的信息。本文对于前人归纳的8种进行叙述。

    2024年02月13日
    浏览(57)
  • 【Python】数据分析+数据挖掘——探索Pandas中的数据筛选

    当涉及数据处理和分析时,Pandas是Python编程语言中最强大、灵活且广泛使用的工具之一。Pandas提供了丰富的功能和方法,使得数据的选择、筛选和处理变得简单而高效。在本博客中,我们将重点介绍Pandas中数据筛选的关键知识点,包括条件索引、逻辑操作符、 query() 方法以及

    2024年02月15日
    浏览(58)
  • 关联规则挖掘(上):数据分析 | 数据挖掘 | 十大算法之一

    ⭐️⭐️⭐️⭐️⭐️欢迎来到我的博客⭐️⭐️⭐️⭐️⭐️ 🐴作者: 秋无之地 🐴简介:CSDN爬虫、后端、大数据领域创作者。目前从事python爬虫、后端和大数据等相关工作,主要擅长领域有:爬虫、后端、大数据开发、数据分析等。 🐴欢迎小伙伴们 点赞👍🏻、收藏

    2024年02月07日
    浏览(55)
  • AdaBoost(上):数据分析 | 数据挖掘 | 十大算法之一

    ⭐️⭐️⭐️⭐️⭐️欢迎来到我的博客⭐️⭐️⭐️⭐️⭐️ 🐴作者: 秋无之地 🐴简介:CSDN爬虫、后端、大数据领域创作者。目前从事python爬虫、后端和大数据等相关工作,主要擅长领域有:爬虫、后端、大数据开发、数据分析等。 🐴欢迎小伙伴们 点赞👍🏻、收藏

    2024年02月07日
    浏览(46)
  • 数据挖掘与数据分析之统计知识篇

    统计学上, 自由度 是指当以样本的 统计量 估计 总体 的参数时, 样本中独立或能自由变化的数据个数叫自由度 。一般来说,自由度等于独立变量减掉其衍生量数。举例来说,变异数的定义是样本减平均值(一个由样本决定的衍生量),因此对N个随机样本而言,其自由度为N

    2024年02月11日
    浏览(51)
  • 【数据挖掘】使用 Python 分析公共数据【01/10】

            本文讨论了如何使用 Python 使用 Pandas 库分析官方 COVID-19 病例数据。您将看到如何从实际数据集中收集见解,发现乍一看可能不那么明显的信息。特别是,本文中提供的示例说明了如何获取有关疾病在不同国家/地区传播速度的信息。         要继续操作,您需

    2024年02月12日
    浏览(49)
  • 【Python】数据分析+数据挖掘——探索Pandas中的索引与数据组织

    在数据科学和数据分析领域,Pandas是一个备受喜爱的Python库。它提供了丰富的数据结构和灵活的工具,帮助我们高效地处理和分析数据。其中,索引在Pandas中扮演着关键角色,它是一种强大的数据组织和访问机制,使我们能够更好地理解和操作数据。 本博客将探讨Pandas中与索

    2024年02月15日
    浏览(58)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包