【BI学习心得15-数据分析思维】
目录
- 1.数据分析
- 2.数据分析的问题解决
- 2.1在做数据分析之前,我们需要思考什么?
- 2.2明确大目标后(比如提升用户购买转化)该如何工作呢?
- 2.3提一个好的问题,帮你明确目标是什么?
- 2.4了解数据分析的思维方法,制定具体的报告/产品方案
- 2.5掌握技术工具
- 3.数据分析的目标
- 3.1在线销售数据分析
- 3.1.1围绕用户
- 3.2围绕商品
- 3.2.1供应链4.0
- 3.3围绕渠道(场)
- 3.4人货场的核心
- 4.AIPL模型
- 4.1AIPL
- 4.1.1品牌评估
- 4.1.2方法总结
- 5.Kraljic采购定位模型
- 5.1战略物资(Strategic Items)
- 5.2瓶颈物资(Bottleneck Items)
- 5.3杠杆物资(Strategic Items)
- 5.4一般物资(Non-Critical Items)
- 6.帕累托法则
- 6.1帕累托优化
- 6.2帕累托模拟
- 6.3帕累托绘制(Excel)
- 6.4采用帕累托进行细分,制定不同的供应商沟通策略
- 7.漏斗模型
- 7.1流转链路中的漏斗模型
- 7.2不同渠道=>首页流量分析
- 7.3漏斗分析绘制
- 8.RFM用户价值模型
- 8.1RFM指标
- 8.2RFM指标使用场景
- 8.3RFM指标计算
- 9.数据分析思维
1.数据分析
随着大数据的来临,每天都会产生海量的数据。面对如此庞大的数据,如何从其中提取有用的信息?广义的数据分析,包括了多个维度:数据统计、数据挖掘、机器学习、商业逻辑。
从数据(杂乱无章)中汲取有用的信息的方法和工具都叫数据分析,比如数据统计,数据挖掘,机器学习。
数据分析中,有我们可以概括为四个点:1.描述能力;2.预测能力;3.分析能力;4.自动化。
描述能力,用数据进行描述的能力(业务指标,统计方法)
预测能力,预测用户的画像,销售预测,库存预测,预测性维护
分析能力,了解原因,特征可解释性
自动化,7*24自动工作,持续产生作用(不是一次性)
1)在我们的工作中,有哪些主观描述可以通过数据统计进行量化?
2)在我们的工作中,有哪些是你想要进行预测的?
3)在我们的工作中,有哪些是你想要了解原因的?
导致XXX的原因,有哪些是重要的特征(通过数据分析得出 VS 人的感觉判断)
4)在我们的工作中,有哪些是你想要进行自动化的?
2.数据分析的问题解决
2.1在做数据分析之前,我们需要思考什么?
数据分析的技术能力(描述、预测、分析、自动化)不是我们的目的,我们的目的是更好地帮助业务,所以第一步我们要从商业的角度理解项目需求
怎样才能帮我们明确商业目标呢?很多时候,我们并不能清晰的定义出来这个目标,就像甲方经常让乙方做出来,然后再给反馈。同行的情况如何,你的排名是怎样的(竞品分析)?其他行业的Case,行业标准,用的多了自然而然成为标准;我们是做选择题 or 简答题?
2.2明确大目标后(比如提升用户购买转化)该如何工作呢?
Step1,目标如何细分,比如用户落地页购买转化分析;
Step2,方法论 => RoadMap,即数据分析方法;
了解常用的数据分析方法很重要,比如漏斗分析,RFM模型
Step3,计算工具 => 通过数据,完成相关的计算能力,得出报告(结论 + 可视化)
2.3提一个好的问题,帮你明确目标是什么?
如果没有找到适合的问题,可以通过竞品分析找到你在行业中的位置
2.4了解数据分析的思维方法,制定具体的报告/产品方案
基于人货场的三维度分析(在线销售)
基于AIPL的消费者资产管理(用户运营)
基于Kraljic的采购定位模型(采购)
基于RFM的用户分层策略(用户运营)
2.5掌握技术工具
统计模型,数据挖掘模型,SQL数据管理,BI报表,Python自动化
3.数据分析的目标
在电商领域,数据分析目标是为了辅助业务
战略决策
报告决策类的,给老板订方向,订目标用,偏宏观战术决策
服务对象:一线销售,商务运营,用于做具体的操作。
具体内容看负责的运营位,昨天的效果和前天效果比,掉下来的原因是什么,还是被别人吸引走了?决定投放和运营策略 (通过报告,报表)。增长类
Step1,找到用户,或者潜在用户
Step2,用某种手段去触达
Step3,评估触达效果
Step4,复盘并进一步调整
一整套的体系运营方法,帮品牌利用数据分析进行增长
3.1在线销售数据分析
采用人货场的三维度分析进行探索:围绕用户,围绕商品,围绕渠道。
3.1.1围绕用户
- 用户质量分析,计算高质量用户贡献的比例(降序,累计,折线图)
- 用户类别分析(饼图)
- 用户年龄、性别分析及预测(条形图)
- 用户人生阶段分析:单身,恋爱,新婚,已婚,育儿,孝敬期
- 兴趣爱好:烹饪达人,收纳达人,爱包人,速食客……
利用人群分析,对比大促前后增长情况,重点关注增长明星的群体
3.2围绕商品
通过产品分析了解产品的浏览量、点击量、订单、入篮量、购买用户数等信息,从而帮助企业了解不同商品的用户关注度、购买力等,为产品生命周期分析、产品推广策略提供数据支持。
- 零售销售额与数量情况(条形图)
- 打折销售额与数量情况(散点图)
- 商品退货情况,占比多少(饼状图)
- 不同产品的数据分析:爆款产品,形象产品,搭配产品
- D(设计) -> M(工厂)-> S(供应商)-> B(大商家)-> b(小商家)-> C(消费者)
- 商品流通环节是:从D到C
- 零售环节是:从B到C
3.2.1供应链4.0
- 柔性制造:定制(产品、销售)
- 没有分销:直销,寄售
- 即时配送
- 店即是库、中转仓+前置仓、商品库存一体化
3.3围绕渠道(场)
场,指的是消费的场所/场景
- 场景运营分析,从用户体验的角度来分析,对各个购物场景进行优化,提升用户的体验,增强用户粘性
- 内部场景分析:页面项目、内部检索、专题页面、站内广告、页面流量
- 外部不同渠道的分析
- 不同维度的分析:
城市销售额排名,各城市退货率,新店销售额占比
3.4人货场的核心
新零售场景中的永恒的概念,不论技术如何革新,基本要素都离不开“人、货、场”。
- 对的人:用户的画像(性别、年龄、人生阶段,兴趣爱好)
- 对的货:产品的定价、产品搭配(爆款产品、形象产品、搭配产品),仓储配送、供应链管理,分析产品数据(流量、点击、订单、入篮量)
- 对的场:渠道来源,页面分析,不同店面销售额,城市,商圈,地址
人 货 场 从 维 度 出 发 , 能 否 从 生 命 周 期 出 发 , 分 析 品 牌 的 “ 人 群 资 产 ” ? \color{red}人货场从维度出发,能否从生命周期出发,分析品牌的“人群资产”? 人货场从维度出发,能否从生命周期出发,分析品牌的“人群资产”?
4.AIPL模型
4.1AIPL
首次实现品牌人群资产定量化、链路化运营
“品牌人群资产”很重要,是大家都知道的。比如可口可乐的传奇总裁罗伯特伍德鲁夫说:即使可口可乐全部工厂都被大火烧掉,给我三个月时间,我就能重建完整的可口可乐。这位总裁为什么敢有如此豪言?最重要的是可口可乐品牌有强大的消费者人群资产,那些听过可口可乐的人、喝过的人、一年买很多次的人。
放在过去,“人群资产”是一个很难量化统计的概念。我们只能定性说可口可乐的人群资产一定比康师傅的多,但是具体有多少是不知道的。于是,阿里就推出了一个可以 把品牌在阿里系的人群资产定量化运营的模型,这也是支撑它全域营销概念落地的关键一环,这个模型叫做: A-I-P-L。
A(Awareness),品牌认知人群。包括被品牌广告触达和品类词搜索的人;
I(Interest),品牌兴趣人群。包括广告点击、浏览品牌/店铺主页、参与品牌互动、浏览产品详情页、品牌词搜索、领取试用、订阅/关注/入会、加购收藏的人;
P(Purchase),品牌购买人群,指购买过品牌商品的人;
L(Loyalty),品牌忠诚人群,包括复购、评论、分享的人。
在下面我们来看一个例子,我们**如何说可口可乐的人群资产比元气森林的多?**我们从上面分析的四个因素去逐个分析。
基于数据资产分析可以看出,品牌总资产约96万,其中认知群体总量81.5万占比约85%,虽然占比较高,但资产总量较小,品牌兴趣资产仅有7.7万,可挖掘潜力很小,品牌重点可侧重认知群体和兴趣群体的引入,扩大品牌AI群体资产;
基于数据资产分析可以看出,品牌四链路资产中女性群体占绝对主力,也符合品牌所属行业的特性;AI人群的男女比例与PL人群的男女比例无明显差异;
通过数据洞察可以看出,品牌AI人群月均消费能力低于PL人群的月均消费能力,表明品牌引入的低消费群体转化较差,以0-499区间为例,AI人群占比明显高于PL人群占占比,即引入的月消费能力在0-499的AI人群转化率较差,建议品牌引入AI人群时侧重月消费能力500以上的群体
通过数据洞察可以看出,AI人群与PL人群占比差异主要集中在18-24岁以及50周岁以上的群体,这两个年龄层的AI人群不易转化,基于数据洞察结果,后续进行AI人群引入时可压缩对50周岁以上群体的投入,加大对18-24岁群体的投入;
通过数据洞察可以看出,品牌四链路人群主要集中已婚已育、已婚未育两个阶段,PL人群挖掘和AI人群引入时可侧重已婚已育和已婚未育两个人生阶段的群体做重点挖掘,提升人群挖掘精准度;
4.1.1品牌评估
完整的品牌评估可以填补短期财务评估和长期策略分析之间的落差,取得一个平衡点。那么如何评估品牌呢?常用的品牌评估方法有会计法(成本法、市价法和收益法)和品牌资产评估法,分别介绍如下。
成本法对于一个品牌而言,其资产的成本占有不可替代的重要位置。因此,品牌评估应从品牌资产购置或开发的全部原始价值,以及品牌再开发成本与各项损耗价值两个方面来考虑。前一种方法叫原始成本法,后一种方法叫重置成本法。
市价法市价法是资产评估中最便捷的方法,如今也有人将其用于品牌评估中。它是按照同类品牌的价值进行评估。假设存在一个品牌交易市场,以若干个类似品牌作为参照,估算出品牌的价值。
收益法收益法又称收益现值法,是通过估算未来的预期收益(一般是“税后利润”指标),并采用适宜的贴现率折算成现值,然后累加求和,借以确定品牌价值的一种方法。其主要影响因素有:超额利润;②折现系数或本金化率;③收益期限。它是目前应用最广泛的方法,因为对于品牌所有者而言,未的获利能力才是真正的价值,因而试图计算成本品牌的未来收益或现金流量。对品牌未来收益的评估有两个相互独立的过程:一是分离出品牌的净收益,二是预测品牌的未来收益。
4.1.2方法总结
传统的品牌评估方法比较原始单一,只从单方面因素去思考,没有深入思考这背后的原因。而AIPL模型,每个维度都不同程度地分析相关因素,通过可视化图表,让人眼直观感受。
5.Kraljic采购定位模型
5.1战略物资(Strategic Items)
- 对产品生产流程至关重要的采购项目,往往由于供给稀缺或运输困难而具有较高的供应风险
- 买卖双方地位: 力量均衡,相互依赖性较高
- 采购战略推荐: 战略联盟,紧密联系,供应商尽早介入,共同创造,并充分考虑垂直整合,关注长期价值
5.2瓶颈物资(Bottleneck Items)
- 只能由某一特定供应商提供、运输不便、财务影响较低的采购项目
- 买卖双方地位: 卖方主动,相互依赖性一般。
- 采购战略推荐: 数量保险合同,供应商管理库存,确保额外库存,寻找潜在供应商
利润潜力:采购对可盈利性所做贡献的潜力,供应物品对利润的影响
供应风险:采购物品获得的难易程度,如果供应商没能准时供货,客户将遭受的损失程度
5.3杠杆物资(Strategic Items)
- 可选供应商较多、能够为买家带来较高利润的采购项目,替换供应商较为容易,具有标准化的产品质量标准
- 买卖双方地位: 买方主动,相互依赖性一般
- 采购战略推荐: 采购招标,供应商选择,目标订价,与首选供应商达成一揽子协议, 最后按正常供应程序执行、处理分订单
5.4一般物资(Non-Critical Items)
- 供给丰富、采购容易、财务影响较低的采购项目。 具有标准化的产品质量标准
- 买卖双方地位: 力量均衡,相互依赖性较低
- 采购战略推荐: 通过提高产品标准和改进生产流程,减少对此类项目的采购投入
6.帕累托法则
80/20法则,是按事情的重要程度编排行事优先次序的准则是建立在“重要的少数与琐碎的多数”原理的基础上。这个原理是由十九世纪末期与二十世纪初期的意大利经济学家兼社会学家维弗利度·帕累托所提出的。它的大意是:在任何特定群体中,重要的因子通常只占少数,而不重要的因子则占多数,因此只要能控制具有重要性的少数因子即能控制全局。
巴雷特法则、80-20法则、帕累托效应、80/20原理、最省力法则、不平衡原则、帕累托法则、二八定律、重点法则。
帕雷托曾提出,在意大利80%的财富为20%的人所拥有,并且这种经济趋势存在普遍性。后来人们发现,在社会中有许多事情的发展,都迈向了这一轨道。目前,世界上有很多专家正在运用这一原理来研究、解释相关的课题。例如,这个原理经过多年的演化,已变成当今管理学界所熟知的“80/20原理”,即百分之八十的价值是来自百分之二十的因子,其余的百分之二十的价值则来自百分之八十的因子。
帕雷托法则又称80/20法则,是由意大利经济学家和社会学家帕雷托发现的,最初只限定于经济学领域,后来这一法则也被推广到社会生活的各个领域,且深为人们所认同。
帕累托法则是指在任何大系统中,约80%的结果是由该系统中约20%的变量产生的。例如,在企业中,通常80%的利润来自于20%的项目或重要客户;经济学家认为,20%的人掌握着80%的财富;心理学家认为,20%的人身上集中了80%的智慧等。
具体到时间管理领域是指大约20%的重要项目能带来整个工作成果的80%,并且在很多情况下,工作的头20%时间会带来所有效益的80%。
帕累托法则对我们的启示是:大智有所不虑,大巧有所不为。工作中应避免将时间花在琐碎的多数问题上,因为就算你花了80%的时间,你也只能取得20%的成效,出色地完成无关紧要的工作是最浪费时间的。你应该将时间花于重要的少数问题上,因为掌握了这些重要的少数问题,你只花20%的时间,即可取得80%的成效。工作中我们要学会“不钓小鱼钓鲸鱼”,如果你抓了100条小鱼,你所拥有的不过是满满一桶鱼,但如果你抓住了一条鲸鱼,你就不枉此行了。
80/20法则也被推广至社会生活的各个部分,且深为人们所认同。例如,在企业中,通常认为它80%的利润来自于20%的项目或重要客户;经济学家认为,20%的人掌握着80%的财富;心理学家认为,20%的人身上集中了80%的智慧;推而广之,我们可以认为,在任何大系统中,约80%的结果是由该系统中约20%的变量产生的。“80/20”原理对所有人的一个重要启示便是:避免将时间花在琐碎的多数问题上,因为就算你花了80%的时间,你也只能取得20%的成效:你应该将时间花于重要的少数问题上,因为掌握了这些重要的少数问题,你只花20%的时间,即可取得80%的成效。
- 学习和培训
一定要花80%的时间和精力去参加学习和培训,真正走向推销的时候,你就可以用20%的时间和精力去学习新东西。 - 推销时间
80%的时间是工作,20%的时间是休息。 - 对目标客户的理解
了解80%,只消花20%努力,成功的把握就可以达到80%。如果你对推销对象一无所知,即使极尽80%之努力,也只有20%的成功希望。 - 推销的市场
真正能够接受你的推销的客户只有20%,但这些人却会影响其他80%的客户。你要花80%的精力找到这20%的客户。80%的业绩,来自20%的老客户。 - 听与说
使用80%的耳朵去倾听。如果80%的时间你都在唠叨不停,推销成功的希望将降到20%。仅用20%的嘴巴去说服客户。 - 第一印象
第一印象80%来自仪表。在客户面前一定要花80%的努力去微笑,它胜过用80%的言辞所建立起的形象所以花20%的时间,修饰一番再出门是必要的。如果客户认为你是严肃而不易接近的,你成功的可能性将降为20%。 情感与介绍80%来自交流、建立感情的成功。如果你用80%的精力使自己接近客户,设法向他表示友好,你只消花20%的时间去介绍产品,就有八成的希望成功20%来自演示、介绍产品的成功。假如你只用20%的努力去与客户谈交情,即使你用80%的努力去介绍产品,八成是白费劲。 - 成功与失败
在推销实践中,80%的将是失败,80%的人会因四处碰壁知难而退。80%的成功要归因于个人素质和技巧。但80%的推销员不是努力提高自己的水平,而是在抱怨和等待。 在成功的原因中,只有20%是由于环境和运气。仅20%的人会成功,这20%的人,将为他们的企业带来80%的利益。 - 讨价还价
80%的客户都会说你推销的产品价格高。但你大可不必花80%的口舌去讨价还价,一定要花80%的力量证明它能够给客户带来多大的好处,这至关重要你只消用20%的力量去证明你的东西为什么价格高就足矣销售员可以选择:或是期待一个微小的运气,期待你的救星而赌光自己的生命;或是通过自我完善来增加自己的机遇。推销员可以一成不变,然后失败;也可以忍受成长的痛苦,进而成功。对此,一个成功的推销员应该作出明智的选择。
推销,首先要从自我推销开始。如果你能把以上要求当做法则自觉执行,成功的希望一定在80%以上,失败的可能也一定会降到20%以下。
帕累拖原理是指世界上充满了不平衡性,比如20%的人口拥有80%的财富,20%的员工创造了80%的价值,80%的收入来自20%的商品,80%的利润来自20%的顾客,等等。这种不平衡关系也可以称为二八法则。该法则认为,资源总会自我调整,以求将工作量减到最少。抓好起主要作用的20%的问题,其他80%的问题就迎刃而解了。所以,在工作中要学会抓住关键的少数,要用20%的精力付出获取80%的回报。因此,这种法则又叫省力法则。
企业管理
运用二八法则管理企业,就必须先弄清楚公司在哪些方面是赢利的,哪些方面是亏损的。理出赢利的部分,从而制定出一套有利于公司成长的策略。其次要搞清楚什么部门业绩平平,什么部门创造了较高利润,什么部门带来严重赤字,通过比较分析就会发现起主要作用的因素。获利的项目是少数,要给予更多的关注。人力资源管理
二八法则同样适用于人力资源管理。一个组织的的生产效率和未来发展往往取决于少数关键性的人物,这些人可以帮助企业获取大部分的利润。多数人为企业的发展作出了贡献,他们看起来非常忙碌,但并没有为公司的发展创造什么价值。找到关键性的少数人,要建立有效的收益分配机制,防止关键人员流失。要理清20%的骨干力量、20%的重点产品、20%的重点客户、20%的重点信息以及20%的重点项目到底是哪些?然后将精力集中到这20%上,采取有效的跟进措施。人际关系处理
在认识的人当中,有一多半是泛泛之交。一小部分的人际关系等于大部分的情感价值,数量少但程度深厚的人际关系好过广泛而浮浅的交际。所以,要把80%左右的时间花在20%的重要人物的人际关系处理上。人生规划
人的专长可能很多,但真正发挥作用的很少。所以,要善于掌握自己的优势,寻找那些自己非常喜欢、非常擅长、竞争不太激烈的事情去做,一定会有收获。找到人生最关键的事情,才有可能获得成功的人生。在安排自己的时间上,有所不为才能有所为。要集中自己的时间精力,抓关键的人、关键的环节、关键的岗位和关键的项目。
6.1帕累托优化
如果一家公司发现有80%的利润来自于20%的顾客时,应该怎样优化?
- 应该努力让这20%的顾客乐意合作(Attention机制)
- 80%的利润来自于20%的产品,应该全力销售这些高利润的产品
- 对80%的投入只产出20%的价值进行改进,让它尽量发挥作用
6.2帕累托模拟
- Step1,随机生成10个产品的销售额
- Step2 ,按照金额从大到小排序
- Step3,绘制帕累托图
条形图、累计销售额占比,
计算超过累计超过80%的位置 - Step4,输出重要的产品(影响80%收入的产品)
import numpy as np
# 设置中文字体
plt.rcParams['font.sans-serif']=['SimHei']a=[1,2,3,4,5,6]
print(np.cumsum(a))
import pandas as pd
a = pd.Series(a)
print(a.cumsum())
6.3帕累托绘制(Excel)
假设有10个产品,对应的销售额如下:
- Step1,计算总的销售额,计算每个产品占比,积累占比
- Step2,选中区域(产品、销售额,累计占比),选择“插入”-> “二维柱形图”
- Step3,点选蓝色柱形,点击“更改系列图标类型”,将系列2选择“带数据标记的折线图”,然后勾选右侧方框
双击右侧次坐标轴,设置最大值为1,主要单元值为0.2
6.4采用帕累托进行细分,制定不同的供应商沟通策略
采用帕累托法(20/80原则),按照总采购金额将物资进行划分,即在之前的4个分类(战略、瓶颈、杠杆、一般)中再进行细分(划分为A、B、C类)
A类:前80%,B类:80%-95%,C类:95%-100%
针对4大分类中,不同的A、B、C类可以制定不同的供应商策略
7.漏斗模型
- 1898年提出,也叫消费者漏斗或营销漏斗
- AIDA模型,意识-兴趣-欲望-行动
- AIDMA模型,在AIDA模型基础上增加了M(money), 形成注意 → 兴趣 → 欲望 → 记忆 → 行动(购买)
7.1流转链路中的漏斗模型
- Step1,列出用户,从首页进入到最终完成支付的行为环节
- Step2,监控用户在各环节上的行为路径,寻找可优化点
7.2不同渠道=>首页流量分析
- 通过各种手段将不同渠道来源的流量引到首页
- 指标分析:点击率,跳出率
点击率越高,说明页面呈现的内容能够有效的吸引用户关注
跳出率越高,说明页面呈现内容和文案与用户的期望不符合 - 用指标分析,可以判断流量来源的质量是否过关
通 过 漏 斗 分 析 , 哪 个 环 节 需 要 提 升 ? \color{red}通过漏斗分析,哪个环节需要提升? 通过漏斗分析,哪个环节需要提升?
- Step1,计算整体转化率,整体转化率 = 当前人数/整体
- Step2,计算环节转化率
7.3漏斗分析绘制
- Step1,插入图表
选择数据源,插入>图表>条形图>堆积条形图 - Step2,设置坐标轴格式
选中坐标轴后,设置坐标轴格式,选中逆序类别
流转链路分析,可以帮我们更好的了解和管理用户的生命周期,找到可优化的节点
不同的用户,采用的策略是一样的么?
有没有简单可行的用户分层的方法?
8.RFM用户价值模型
8.1RFM指标
- Recency,最近一次消费时间间隔
- Frequency,消费频率,一段时间(比如1年)内的消费次数
- Monetary,消费金额,一段时间(比如1年)内的消费金额
比如今天8月22日,用户A在商店里购买了商品,上一次购买是8月15日,请问Recency=? - 每个指标越大=>用户价值越高,用3个指标作为XYZ坐标轴,将空间分成8个部分进行分析
8.2RFM指标使用场景
一个店铺,某个月收入大幅下跌60%,通过数据分析,发现原来几个重要的用户被竞争对手挖走了(这几个用户贡献了店铺60%的收入)
- 出 现 这 个 问 题 的 原 因 是 什 么 ? \color{red}出现这个问题的原因是什么? 出现这个问题的原因是什么?
因为店主没有对用户分类,也就是所有用户都采取相同的运营决策 => 用户分类,识别有价值的用户
比如第1类用户,RFM每个指标都很高的用户,是最重要的用户(最近一次消费较近,消费频率高,消费金额高)=> 要提供vip服务
8.3RFM指标计算
- Step1,计算用户的R、F、M打分
- Step2,计算平均值
- Step3,用户分类
- Step4,对应表格,找到用户属于哪个分类
用户1:重要挽留用户(分类4)
用户2:一般价值用户(分类5)
9.数据分析思维
战略决策
报告决策类的,给老板订方向,订目标用,偏宏观战术决策
服务对象:一线销售,商务运营,用于做具体的操作
具体内容看负责的运营位,昨天的效果和前天效果比,掉下来的原因是什么,还是被别人吸引走了?决定投放和运营策略 (通过报告,报表)不同领域,有不同的数据分析方法
基于人货场的三维度分析(在线销售)
基于AIPL的消费者资产管理(用户运营)
基于Kraljic的采购定位模型(采购)
基于帕累托法则的重要性划分(采购、用户)
基于RFM的用户分层策略(用户运营)
【BI学习心得15-数据分析思维】相关推荐
- 【BI学习心得03-推荐系统眼中的你——用户画像】
内容目录 1.背景故事 2.概述 3.用户画像流程 3.1整体流程 3.2用户为什么进行标注 3.3用户如何打标签 3.3.1数据结构 3.3.2用户画像模块 3.3.3数据指标体系 3.3.4常见的 ...
- 【BI学习心得05-SVD矩阵分解与基于内容的推荐】
内容目录 写在前面的话 1.矩阵的几种分解方式 1.1共轭转置 Conjugate transpose 1.2Hermitian 1.3正定 positive definite 1.4正交矩阵 ort ...
- 【BI学习心得13-淘宝定向广告演化与天猫用户复购预测】
目录 1.电商定向广告 VS 搜索广告 1.1电商定向广告 1.2搜索广告 2.淘宝定向广告演化 3.阿里深度兴趣网络DIN 3.1attention机制 3.2评价指标 3.2.1改进AUC 3.2 ...
- 【BI学习心得09-时间序列分析】
内容目录 写在前面的话 1.时间序列 1.1时间序列的概念 1.2时间序列的不同分类 2.移动平均法 2.1简单移动平均法 2.2加权移动平均法 2.3趋势移动平均法 3.指数平滑法 3.1基础知识 ...
- 【BI学习心得16-模型融合与供应链预测】
记录自己平常解决的问题 写在前面的话 1.回归分析算法 1.1 常见的回归算法 2.二手车交易价格预测 2.1评价标准 2.2数据处理步骤 2.2.1数据分布 2.2.2查看预测值的具体频数 2.2. ...
- 【BI学习心得10-时间序列实战】
内容目录 写在前面的话 1.与时间特征有关的那些事 1.1时间序列特征 1.2类别mean encoding特征 1.3统计特征 1.4滞后历史特征 1.5序列特征 1.6高阶特征 1.7外部特征 2 ...
- 【BI学习心得11-资金流入流出预测】
内容目录 1.正则表达式 1.1re.match(pattern, string, flags=0) 1.2re.search(pattern, string, flags=0) 1.3re.comp ...
- 打假!伪数据分析思维大曝光
近两年来,数字化.数据分析.大数据等概念火了,引来一帮牛鬼蛇神,把各种各样乌七八糟的东西都包装成"大数据思维"兜售.总结一下,一共八大门派,各个身怀绝技.在工作中遇到了,绝对让人苦 ...
- 转贴: wolfenstein工作室-eMule源代码学习心得
1, eMule源代码学习心得(1):eMule代码的总体风格和其它相关工程 eMule的官方首页上写着:2002年05月13日 一个叫做 Merkur 的人,他不满意原始eDonkey2000客户端 ...
最新文章
- Java中@Override的作用
- hadoop +hbase +zookeeper 完全分布搭建 (版本一)
- React拾遗:Render Props及其使用场景
- 亲手完成四大企业实战项目,挑战Python全栈高薪岗位!
- LOJ P10149 凸多边形的划分 题解
- vscode代码运行时间工具_10款实用的VSCode插件提升你的编辑体验 | 第98期
- python opencv2_python opencv2 api
- CompletableFuture详解~thenAcceptAsync
- paxos 练手 推进中
- 深入理解Golang之context
- python好用 appium fiddler_python3 爬虫实战:mitmproxy 对接 python 下载抖音小视频
- (四) 数据库表基本操作
- C# 14位日期型字符串yyyyMMddHHmmss转变为日期格式
- 多种方法去除按钮以及链接点击时虚线
- MAC OS X U盘启动安装盘制作(附安装过程截图)
- 【032】基于51单片机的PT100热电阻温度计Proteus仿真设计
- java开发专用英语,JAVA开发常用英语词汇
- zblog插件-zblog插件zblog主题必备小插件
- js 递归树根据子节点获取所有父节点
- 手机故障手机通讯录被删除了怎么恢复