数据分析的重要一环之数据统计

转载：http://www.baobaoshequ.com/article/4536

不管是业绩总量，还是各学历的员工人数，都需要我们从明细数据中进行统计、计算。因此，数据统计的过程即对明细数据进行各种各样的计算，并得出一个结果。

数据统计时常见的计算方法比如求和、计算平均值、计算最大值和最小值、四分位值、方差和标准差等等。其计算场景如小计、总计、动态范围统计、频率统计、区间统计等等。

因此，我们需要了解一些常用的数据指标及其计算方法。本节内容，小鱼将和大家一起聊一聊数据指标的知识，帮助大家找到数据分析的思路。

一. 什么是数据指标
我们面对一大堆数据时，往往第一感觉是毫无头绪，也就是不知道关注哪些指标。那什么又是数据指标呢？

举个例子，我们在进行工作复盘时，说本年度的销售额增长了很多。那到底增长了多少呢？1%，10%，还是 30% ，缺少量化是没办法准确评估业绩的增长情况。

『指标』按照某个统一的标准，对业务数据进行量化，这个统一的标准就是指标。

在分析销售额增长情况的时候，『环比』就是一个检验成果的重要指标：用本年度销售额减去上一年度销售额，再除以上一年度的销售额，得到的百分比就是销售额的环比增长。

因此，这里用到的『环比』就是一个指标，它具有统一的计算标准，此处我们用该指标来衡量业绩的增长情况。

但是，对于不同的行业，不同的使用场景，衡量的指标也是不同的。有没有什么好的方法帮助我们快速找到需要的指标呢？我们不妨来了解一下业务分析三段论。

二. 业务分析三段论
下图是小鱼绘制的业务分析三段论思维导图：

所谓三段，分别指用户数据、行为数据和业务数据，通俗地讲就是谁『用户数据』做了什么事『行为数据』，产生了什么业务『业务数据』。下面，我们分别来学习此三个方面。

2.1 用户数据
用户数据是指用户的一些基本情况，这里小鱼列举出了 4 个常用的且比较重要的指标，分别是用户存量、增量、健康程度以及渠道来源。

其中，存量是指截至目前，用户的总数量；增量为一段时间内新增的用户数量，比如每日新增用户数、每月新增用户数、推广期新增用户数等等。在业务起步阶段，新产品发布、推广阶段，该指标显得尤为重要，可以很大程度反映出公司的发展潜力。

用户健康程度比如活跃用户数、活跃率（活跃用户 / 总用户），用来判断用户的活跃程度，比如互联网业务中经常提到的日活跃用户数 DAU （Daily Active User）和越活越用户数 MAU（Monthly Active User）。

此外还有留存率，其计算方式通常为『当日新增用户中，第 N 天还在使用产品的用户数 / 当日新增用户数』，这里的统计周期为天，根据产品的不同，可以更换统计周期。留存率越高，说明公司的产品或服务也越令人满意。

我们在购买一项产品或服务之后，想必经常遇到商家的调查问卷中有一项为 “您是从哪里了解到我们的？” 这其实就是商家在搜集用户的渠道来源，以分析哪个渠道的推广更加有效。

2.2 行为数据
行为数据是指用户从事了哪些行为，以及行为的发生时间等等。下面是小鱼列举的 3 个重要的行为数据：次数/频率、转换率以及行为时长。

其中『次数 / 频率』是指用户一定时间内产生某种行为的总次数，以及单位时间内发生某种行为的次数。比如互联网业务中经常用到的 PV （Page View）和（Unique Visitor）。

『PV & UV』PV 指的是一定时间内的访问总次数，UV 指的是一定时间内的访问总人数。比如某网页一天内被访问了 100 次，则 UV = 100，一天内被 50 个不同的人访问，则 UV = 50。

行为数据的第二个常用指标是转化率，也就是最终达成交易的量占总量的比例。比如店铺转化为支付用户数 / 到店用户数，广告转换率为进入店铺用户数 / 看到广告的用户数。准换率越高，往往说明我们的推广、经营做得越好。

最后是行为时长，也就是用户粘度。比如一个店铺、直播间或者视频平台，用户停留的时间越长，则很可能对产品感兴趣，产生交易的可能性也就越高。

2.3 业务数据
业务数据即和业务密切相关的数据，简单来说就是跟钱 (*￥ω￥*) 有关的数据。下面是小鱼列举出的 4 个常用的业务数据指标。

总量如成交总金额，总销量等等，任何业务都离不开总量的评估，总量反映了公司的体量。人均的计算方式为总量 / 用户数，比如奢侈品行业就非常关心人均指标，总量高，客户少，说明个体消费能力极强。

企业运营的核心是盈利，付费情况反映了企业运营的健康状况。比如付费率，付费用户数/总用户，以及复购率，一段时间内付费 N 次的用户/付费用户数。较高的付费率和复购率，通常反映了企业的收费模式越好，运营良好。

产品相关的数据如热销榜 TOP 10，好评之最，差评最多的产品等等，通过分析产品相关数据，可以辅助我们在产品引进、研发和定价等方面更好地决策。

三. 业务分析三段论的应用
下面，小鱼以 HR 对员工情况进行分析为例，来实际感受一下『业务分析三段论』的使用。

3.1 用户数据
HR 分析员工情况，那用户就是公司员工，用户数据指标：

存量：公司员工总数
增量：分析周期内新入职的员工数
健康状况：离职员工人数、离职率
渠道来源：新入职员工来源（校招、内推等等）
3.2 行为数据
员工产生的行为数据可以有很多种，如果 HR 的分析报告侧重考勤，那行为就是出勤、请假等，如果用于指导后续的招聘，那行为就是面试。假如我们要分析招聘情况，那么行为数据指标为：

次数 / 频率：收到的简历数量 / 面试人数占投递总数
转换率：面试通过率、入职率
时长：面试时长、员工工龄
3.3 业务数据
我们前面提到业务数据即和『钱』有关的数据，和员工联系在一起，我们自然会想到薪酬了：

总量：薪酬总数
人均：人均期望薪资、人均实际薪资
产品相关：不同岗位的薪资水平
以上就是关于业务三段论应用的一个基本思路了，我们可以根据自己的业务情况，参考业务分析三段论的思维框架，选择其中一些指标作为方向。

数据分析的重要一环之数据统计相关推荐

数据分析之学术前沿分析任务1：论文数据统计
任务1:论文数据统计 1.1 任务说明 1.2 数据集介绍 1.3 arxiv论⽂文类别介绍 1.4 具体代码实现以及讲解 1.4.1 导⼊入package并读取原始数据 1.4.2 数据预处理理 1 ...
数据分析---arXiv论文数据统计
这里写目录标题 1.论文数据统计 1.1 任务说明 1.2 数据集介绍 1.3 arxiv论文类别介绍 1.4 具体代码实现以及讲解 1.4.1 导入package并读取原始数据 1.4.2 数据预处 ...
电商销售数据分析与预测（日期数据统计、按天统计、按月统计）
本文来自<Python数据分析从入门到精通>--明日科技编著随着电商行业的激烈竞争,电商平台推出了各种数字营销方案,付费广告也是花样繁多.那么电商投入广告后,究竟能给企业增加多少收益,对 ...
移动互联网数据分析移动客户端流量统计移动客户端数据统计(一)
移动互联网数据分析移动客户端流量统计移动客户端数据统计原创文章,转载请注明原地址 http://blog.csdn.net/stevenprime 在这个公司两年多了,期间做了移动客户端数据分析 ...
论文数据分析-1(论文数据统计)
这是在学习数据分析的一个实例,论文数据分析,这是第一部分,笔者刚学习此项内容,有问题大家提出来,不喜勿喷. 任务1:论文数据统计1 1.1 任务说明任务主题:论文数量统计,即统计2019年全年计算机 ...
数据分析---论文数据统计
数据分析-论文数据统计目录 1.1任务说明 1.2数据集介绍 1.3arxiv论文类别介绍 1.4具体代码实现 1.4.1导入package并读取原始数据 1.4.2数据预处理 1.4.3数据分析及 ...
用python怎么做数据统计-新闻联播也可以拿用Python来做数据分析？
原标题:新闻联播也可以拿用Python来做数据分析? 数据准备获取近10年的新闻联播文本有两个方法,一是自己写爬虫,将CCTV网站的新闻联播网页爬取下来,二是通过Tushare SDK的API免费获 ...
卖家网eBay数据分析工具-专业免费的eBay开店数据统计-eBay销售分析-eBay卖家分析工具软件...
卖家网eBay数据分析工具-专业免费的eBay开店数据统计-eBay销售分析-eBay卖家分析工具软件卖家网eBay数据分析工具-专业免费的eBay开店数据统计-eBay销售分析-eBay卖家分析工 ...
数据分析入门（学术前沿趋势分析）Task1-论文数据统计
此次赛题是零基础入门数据分析(学术前沿趋势分析),使用公开的arXiv论文完成对应的数据分析操作.赛题内容包括对论文数量.作者出现频率.论文源码的统计,对论文进行分类以及对论文作者的关系进行建模. 目 ...

数据分析的重要一环之数据统计

数据分析的重要一环之数据统计相关推荐

最新文章

热门文章