七周成为数据分析师第一周：数据分析思维

七周成为数据分析师第七周：Python - CSDN博客

七周成为数据分析师第六周：统计学 - CSDN博客

七周成为数据分析师第五周：Mysql - CSDN博客

七周成为数据分析师第四周：数据可视化 - CSDN博客

七周成为数据分析师第三周：Excel篇 - CSDN博客

七周成为数据分析师第二周：业务篇-指标 - CSDN博客

七周成为数据分析师第二周：业务篇-框架与模型 - CSDN博客

七周成为数据分析师第一周：数据分析思维 - CSDN博客

1.核心数据分析思维

(1). 结构化：

(2)公式化

(3)业务化

2.数据分析思维七大技巧

1）象限法

2）多维法

3）假设法

4）指数法

5）80/20法则（帕累托法则）

6）对比法

7）漏斗法

3.数据分析思维锻炼方法

1）好奇心

2）生活中的练习

3）工作中的练习

4.总结

1.核心数据分析思维

(1). 结构化：

思维：金字塔思维
工具：思维导图

案例：现在有一个线下销售的产品。我们发现8月的销售额度下降，和去年同比下降了 20%。我想先观察时间趋势下的波劢，看是突然暴跌，还是逐渐下降。再按照不同同地区的数据看一下差异，有没有地区性的因素影响。我也准备问几个销售员，看一下现在的市场环境怎么样，听说有几家竞争对手也缩水了，看一下是不是这个原因。顾客访谈也要做，但是往常一直找不出原因，这次我也不抱希望，姑且试试吧。要是还找不出原因，那我也很绝望啊。

(2)公式化

案例：

销售额：销量x客单价
利润：销售额收益-成本
销售额：多个商品/sku总和
地区销量：不同渠道的累加
销量细挖

加法不同同类别的业务叠加。

减法常用来计算业务间的逻辑关系。

乘法和除法是各种比例或者比率。

(3)业务化

Q：如何预估上海地区的共享单车投放量?

从城市流动人口计算
从人口密度计算
从城市交通数据计算
从保有自行车计算

结构化思维（捋顺思路） —— 结构化数据（将其可数据化） —— 结构化业务数据（落地，贴合业务）

案例：

某一天，xx学院的课程学习人数下跌了，梁老板急得头发都要掉光了，现在，你能不能通过三种思维方式，做出一个假设型的分析案例?

2.数据分析思维七大技巧

1）象限法

核心：象限法是一种策略驱型的思维
优点：直观，清晰，对数据进行人工的划分。划分结果可以直接应用于策略
应用：适用范围广、策略分析、产品分析、市场分析、客户管理、用户管理、商品管理等
须知：象限划分可以按中位数，也可以按平均数，或者是经验

案例：

2）多维法

用户统计维度:性别、年龄...
用户行为维度:注册用户、用户偏好、用户兴趣、用户流失...
消费维度:消费金额、消费频率、消费水平...
商品维度:商品品类、商品品牌、商品属性...

辛普森悖论：当人们尝试探究两种变量（比如新生录取率与性别）是否具有相关性的时候，会分别对之进行分组研究。然而，在分组比较中都占优势的一方，在总评中有时反而是失势的一方。该现象于20世纪初就有人讨论，但一直到1951年，E.H.辛普森在他发表的论文中阐述此一现象后，该现象才算正式被描述解释。后来就以他的名字命名此悖论，即辛普森悖论。

解决方法：

核心：象限法是一种精细驱动的思维
优点：处理大数据量，维度丰富且复杂的数据有较好的效果。但是维度过多，会消耗不少时间
应用：只要数据齐全且丰富，均可以应用
须知：对不同维度进行交叉分析时，需要注意辛普森悖论

3）假设法

带有方向的预测，没有数据

很多时候，数据分析是没有数据可明确参考的:比如新迚入一个市场，公司开拓某样产品。老板让你预测一年后的销量，或者产品的数据基础非常糟糕，你拿不到数据。

案例1：公司在节日进行了一次营销活劢，APP上的销量数据整体比上周上升了20%。因为统计失误问题，拿不到明细数据，也就是说，活动效果是一个黑盒。现在的问题是，销量本身就有可能因为节日而提高，那么怎么证明活动是有效或者无效的呢?。

假设活动是有效的

思考一下，活动有效的话，会发生什么事情? 会有一定数量的用户购买，如果能证明这条，那么我们有理由相信活劢是有效的。

用户通过活动购买商品，会发生什么可观测的行为呢?

假设有一些用户会评论留言，那么可以统计提及活动的字眼。当用户提及了这次营销活动，接下来的问题是，有效了多少?10%，20%?

假设参不活动的用户行为没有变化，那么通过历史数据的用户评论占比，反推购买人数

案例2：你是自营电商的数据分析师，现在想商品提价后，收入会不会有变化?，你会怎么做?

假设商品提价后，销量一定会下跌，问题是销量下跌多少?

首先假设流量不会有变化，流量和渠道营销正相关，商品价格影响转化率，那么现在确定转化率的波动。

找出平时的转化率(譬如为20%)，预估提价后的转化率变化。假设各类型用户对价格敏感度不同，那么将用户划分忠诚XX、普通XX、羊毛XX...

不同用户层次数量不同，反应不同。忠诚用户转化率变化极低，羊毛几乎不会转化...这些数据可以凭借经验做出假设。最后汇总。

核心：假设是一种启发思考驱劢的思维
优点：当没有直观数据或者线索能分析时，以假设先行的方式进行推断，这是一个论证的过程。
应用：它更多是一种思考方式，假设—验证—判断。
须知：不止可以假设前提，也能假设概率戒者比例，一切都能假设，只要自圆其说。