数据分析-思维分析逻辑day04
一、问题定义和拆解
举个例子
很多人的困惑
小A同学每天都有大量的临时提数需求或者杂事,没有时间去做真正的专题分析。
感觉自己的能力提升不了,工作越来越没意思,做事不认真,老师出错,最近跟同事领导关系变差,年底考核,领导给小A的绩效不太好,回去之后年终奖少了很多,感觉事业感情不顺利,失眠、有点抑郁
找到本质问题
小A有很多问题:能力提升不了、做事不认真、跟领导关系变差、跟女朋友吵架、失眠
然而真正的问题是:小A当前工作上有大量的临时提数,没有时间做专题分析。
问题的逻辑树拆解
方法论
找到本质问题
二八定理思考:遇到n多问题,必然有一个主要问题,一旦这个问题解决了,其他问题也就迎刃而解,也就是一定有破局点的。
怎么找到这个主要问题:
- 先列出所有问题,头脑风暴
- 根据最大概率法则,一项一项来试。如果你真的不会,那就请教你的leader
- 技巧:一定要静下心来单独思考这件事,动笔画图。
问题的逻辑树拆解
MECE原则:不重复不遗漏
然而实施起来不容易:一是因为信息的不对称性,很难没有遗漏或者说:业务方想的你还真不一定都直到;二是因为开始做的时候,你真的很难去把我会不会重复,实际上重不重复对结果影响不大
对于一个陌生的问题,总是要试错的,这个是事物发展的规律
问题的实际拆解方法
所以还是这样更加有实操性,实际工作中也就是这样:
- 1、先快速按照你的理解去做拆解,不要管重复遗漏,能够想到多少是多少
- 2、拿着你的拆解去跟业务方的一个脑子灵活的人对,请教他——业务方再想
- 3、修改第一步的思维导图,做完后请教你的leader——你的leader再想
- 4、再改一次,汇报给业务方leader——问题不会很大,否则就不是否定你一个人了
具体案例
案例背景
某app前期的用户量一直在下跌,近期转型(新功能取代第一大功能),然而转型过了一段时间后,整体用户大跌,业务负责人压力很大,希望数据部分派人100%投入分析,然而数据方觉得大跌就是因为转型,没什么好分析的,于是两个部分就对上了,数据方觉得产品太烂,业务方也不给数据放需求,数据人员存在感不强,正在考虑是否跳槽,业务进一步下滑,业务方投诉数据部分,决策层在考虑找新的数据部负责人,然而不太好找,各方压力越来越大。
找到本质问题
- 用户量大跌的排查——破局点
- 数据方与业务方关系非常差
- 数据方存在感不强
- 找不到新的数据负责人
现在你一眼就能看到最主要的问题:1、是因为本身没有代入感,2是这里描述的相对简单
真实工作中,在各种复杂因素下,还真不一定很容易找到破局点,比如:你自己都觉得产品没啥戏了,再加上存在感不强,所以你就去找工作了
问题的逻辑树拆解
再感触
在做专题分析的时候,一定要找到真正业务方关系的点,他们到底想要什么,就是他们可能说了很多点,但真正的破局点是什么,再对问题拆解,这样做的好处是:
- 能够让业务方清晰理解你的意思,如果你表达能力不是很好,就请画图
- 有了具体框架后,业务方会提出具体的建议,这个过程的价值是巨大的
有些工作很多年的人,始终不知道如何去提升自己,这个时候请获得他人的反馈,每次反馈都是对你内心的冲击,也只有这样,你才能真的提升
二、数据获取和分析
前期准备
一般来说,在正是写sql之前,要花1天时间去做以下几件事:
1)哪张表、那份日志
2)筛选条件
3)之前有什么坑
4)现在是否有坑:select * ,先跑一个核心数据
对数据有一点感觉的基础上,再把问题的拆解模块构思一次,哪些点不好做,有个预期
SQL提数和分析
因为提数的最终目的就是为了分析,所以这两部是一起的,看似简单,但是往往比较花时间
1)各类其他事情打扰:专注
2)遇到坑:一定要文档详细记录下来
3)突然找到一个新的点,然后一直往下挖:
4)不会提数和分析,不知道如何看数据:看同事再模仿
如何分析—结构分析
渠道占比分析
如何分析—对比分析
对比分析:所有数据之有对比才有意义,每年的双11都会与之前的双11进行消费额对比;实际工作中,最常见的对比对象就是大盘,比如新上线一个功能,怎么评估这个功能效果,除了看功能使用人数,更加要做的是这个功能的留存和大盘的留存的对比
举例:需要看自身APP跟竞品的重合用户,与自身APP的所有用户在客户端内的消费差异,从而针对这些重合用户,做只针对性运营,这个时候要用对比分析
如何分析—时间序列分析
时间序列二次拆解分析:一般看某指标时,都会时间周期拉长,看数据趋势,而数据都是波动的,所以都会进行拆解分析,寻找具体波动项
举例:新增用户留存分析,进行渠道维度拆解分析
如何分析—相关性分析
落地项:该地区用户整体更加偏爱高价格产品,可进一步优化产品结构,产品偏高端产品,产品经理可进一步优化该产品特征
如何分析—机器学习
基础代码非常容易,但确实能够帮助找到切入点:开通月数和点支付这两个变量非常重要
如何分析—总结
实际上所有的分析都是基于用户的基础属性和行为属性,如果还是不会,那就从5W1H出发,每次分析的时候都以这个为模板来展开
- who:用户基础属性
- where:渠道分析
- when:时间上特征
- what:使用了什么,哪些行为更加重要
- why:为什么要这么做,主动还是被动
- how:怎么做的,行为路径是什么
最后
提数和分析完成后,先不要急着写报告,把一些关键数据和初步结论同步给业务方核心人员,约个时间一起看下两个目的:
- 他们怎么理解这个数据,有无明显问题
- 他们基于这些数据结论,准备怎么落地,需要他们提前想方案
在这个基础上,再撰写报告
三、报告撰写
撰写报告原则
- 主题一脉相承分叉:只有一个主题,每页ppt围绕该主题来分叉展开
- 通俗简单易懂:数据分析的报告一定是简单的,大白话的,看产品经理日常怎么写报告的
- 结论和闭环先行:没有明确结论和落地项的报告就是数据堆积。跟业务方多沟通数据结论,让他们给出落地项,不要自己闭门造车给建议。
报告的组成部分
1、标准化组成部分
- 背景:为何要做这份专题报告,即问题的识别
- 分析结论:如果面向管理层的汇报,结论可以先行
- 分析框架:即问题的拆解,往往这里不需要很细
- 第一个关键点结论
- 第一个关键点的支撑数据依次摆放
- 第二个关键点结论
- 第二个关键点的支撑数据依次摆放
- 整体结论:这里把结论再汇总依次
- 落地项:产品是怎么落地的,要非常具体,时间、人、预期效果
2、如何衡量专题报告的价值
只要最后有1~2个真的应用了,这份专题报告就非常有含金量
具体案例
结论和闭环先行
这一页应该是这样:
- 基于什么数据
- 发现什么结论
- 基于这个结论的建议是
- 基于这个建议的产品落地项是
四、AB测试
AB测试介绍
1、概念介绍
AB测试是为Web或App界面或流程制作两个(A/B)或多个(A/B/n)版本,在同一时间维度,分别让组成成分相同(相似)的访客随机访问这些版本,收集各群组的用户体验数据和业务数据,最后分析评估出最好版本正式采用。
2、AB测试流程
- 根据数据分析得到某建议项
- 根据建议项,产品经理得到某落地项
- 根据某落地项,研发设计人员进行开发设计(往往是先设计,在丢到AB测试平台里面跑数据)
- 研发人员数据采集:自动采集数据
- 分析师跟进AB效果,显著性在95%以上并维持一段时间,实验可结束
- 整体节奏:灰度、5%、10%、20%、50%、100%
业界都是一套AB测试平台(自研或者购买),能够每天进行大量的AB
3、常见的两种AB测试类型—UI界面型
界面元素进行AB测试
4、常见的两种AB测试类型—算法策略型
针对新用户的内容推荐
A策略:100%兴趣预选
B策略:80%兴趣预选+20%随即内容
当前对任何一款个性化内容APP,给用户的推荐都涉及到大量的算法策略型AB测试
一般而言:AB两个组样本都要在10万以上才可以看初步数据
5、实际工作中的问题
严格模式下,所有的专题报告落地项(除了明显的bug修复和明显的用户体验),都要靠AB测试展开
然而,分析师经常会遇到这总问题:
case:2个月前产品上线了短视频功能,两个月后,大盘略涨(之前是略跌趋势),短视频和非短视频的数据也增加明显,现在短视频业务方希望分析师能量化出:大盘的上涨主要是短视频带来的
有些分析师的思路:用同一批用户,在使用短视频前后的数据对比(违背了AB测试的同一时间,可考虑相关性分析勉强验证)
针对这种问题:只能靠AB测试去解决,在上线短视频功能前就应该AB,否则后面怎么都说不清
AB测试注意事项
数据分析师需要注意什么
- AB两个组是否真的相同(只有一个变量)—研发负责搭建,但分析师要知道大概原理
- 策略是否生效—研发说进行了AB测试,但分析师要去抽样看
- AB测试评估指标体系—要在AB测试之前,就与研发沟通好看哪些综合性指标
- 多观察几天数据—往往前几天数据可能有点问题,一般3天后数据才可正式使用(第4~10天数据)
- AB测试的存档规划—所有的AB都要文档化,方便后续找到增长点。采用4w2h方法管理AB测试:具体内容、为何测试、测试时间、测试负责人、预期效果、实际效果
AB测试案例
数据分析-思维分析逻辑day04相关推荐
- 数据分析-思维分析逻辑day02
一.数据分析多元思维模型 背景 瓶颈.职业发展不顺利.掌握好哪些能力 中观能力 真正的专业度,能够很好的发现其他分析师中的问题:需要长期总结和思考,但多数同学没掌握 中观能力:专业度.包括技术理解.逻 ...
- 数据分析-思维分析逻辑day01
文章目录 一.国企数据分析工作 招聘解析 常规工作 专题分析 软技能及面试技巧 二.BAT企业数据分析工作 数据异常排查 专题分析 1.特点: 2.例子 面试 1.准备 2.三个必问的问题 3.三个必 ...
- 数据分析-思维分析逻辑day05
一.行业分析 行业分析的两种背景 当前公司准备进入某行业,需要分析师或者战略部门给出一份详细报告 业务发展遇到瓶颈,需要分析师去验证当前对产品的需求有无变化 行业分析-问题的识别和拆解 分析的目的:界 ...
- 【数据分析思维】逻辑树分析(费米估算)
00 写在前面 为什么要写[数据分析思维]这个系列文章?还是回到一个最根本的问题上:数据分析师到底是干什么的? 我相信不仅是想入门的小伙伴,已经入行很久的数据分析师可能多多少少还是会有些不清楚.数据分 ...
- 数据分析思维分析方法和业务知识——分析方法(一)
分析方法 5W2H分析方法 是什么? 5W what(是什么) when(何时) where(何地) why(为什么) who(是谁) 2H how(怎么做) how much(多少钱) 有什么用? ...
- 数据分析思维分析方法和业务知识——用数据分析解决问题
用数据分析解决问题 明确问题 通过观察现象把问题定义清楚,这是数据分析的第一步 常见的错误 根据自己的经验主观地限定了思考的范围--确认偏误,寻找证据来支持自己已经相信的事情,从而抵制不同的看法:数据 ...
- 数据分析思维分析方法和业务知识——分析方法(二)
分析方法 对比分析法 是什么? 对几个对象进行比较 衣服的价格 奶茶的大杯.中杯.小杯 有什么用? 追踪业务是否有问题 A/B测试 为同一个目标制定两个版本,只有某个方面不一样,其他均一样,然后看最后 ...
- 数据分析思维分析方法和业务知识——实战案例跨境电商行业
整体 业务知识 业务模式 平台型 邀请卖家入驻跨境电商平台来进行运营 阿里巴巴.ebay 自营型 跨境电商平台自己运营 小红书 混合型 跨境电商平台兼有平台型和自营型 亚马逊 业务指标 广告漏斗模型 ...
- 【阅读笔记】数据分析思维:分析方法和业务知识
数据分析思维分析方法 首页 5W2H分析方法 案例1:如何设计一款产品 案例2:设计一款App的调查问卷,如何设计问卷上的问题? 逻辑树分析方法 案例1:年度计划拆解 案例2:芝加哥有多少钢琴调音师? ...
最新文章
- Python学习笔记17:标准库之数学相关(math包,random包)
- rust怎么放篝火_如何为你的露营活动搭建一个持久温暖的篝火
- Oracle中删除数据的一个小技巧
- 要速度更要方便!20款实用Chrome插件推荐
- 爬取IMDBTOP250
- JS学习笔记5-JavaScript 变量
- 达内php编程,达内培训:PHP编程的五个好习惯(二)
- java报505_Java调用URL错误,报505
- 使用Windows Performance Monitor进行SQL Server性能调整
- 微软2月补丁星期二值得关注的漏洞
- 【机器学习】鸢尾花数据探索
- wireshark未响应
- 语句 if else
- crontab实现定时执行脚本重启服务
- BP神经网络 MATLAB源程序
- 数值分析 有效数字计算
- Tajima's D的意义
- 二维码原理及生成示例
- Spark常见错误剖析与应对策略
- 斗地主游戏Landlord