大数据分析有哪些分析模型

　　大数据分析是指对规模巨大的数据进行分析。大数据可以概括为5个V，数据量大(Volume)、速度快(Velocity)、类型多(Variety)、价值(Value)、真实性(Veracity)。大数据作为时下最火热的IT行业的词汇，随之而来的数据仓库、数据安全、数据分析、数据挖掘等等围绕大数据的商业价值的利用逐渐成为行业人士争相追捧的利润焦点。随着大数据时代的来临，大数据分析也应运而生。

　　常见数据分析模型较多，列举其中常见的几种供大家参考：

　　1、行为事件分析

　　行为事件分析法来研究某行为事件的发生对企业组织价值的影响以及影响程度。企业借此来追踪或记录的用户行为或业务过程，如用户注册、浏览产品详情页、成功投资、提现等，通过研究与事件发生关联的所有因素来挖掘用户行为事件背后的原因、交互影响等。

　　在日常工作中，运营、市场、产品、数据分析师根据实际工作情况而关注不同的事件指标。如最近三个月来自哪个渠道的用户注册量最高？变化趋势如何？各时段的人均充值金额是分别多少？上周来自北京发生过购买行为的独立用户数，按照年龄段的分布情况？每天的独立Session数是多少？诸如此类的指标查看的过程中，行为事件分析起到重要作用。

　　行为事件分析法具有强大的筛选、分组和聚合能力，逻辑清晰且使用简单，已被广泛应用。行为事件分析法一般经过事件定义与选择、下钻分析、解释与结论等环节。

　　2、漏斗分析模型

　　漏斗分析是一套流程分析，它能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型。

　　漏斗分析模型已经广泛应用于流量监控、产品目标转化等日常数据运营工作中。例如在一款产品服务平台中，直播用户从激活APP开始到花费，一般的用户购物路径为激活APP、注册账号、进入直播间、互动行为、礼物花费五大阶段，漏斗能够展现出各个阶段的转化率，通过漏斗各环节相关数据的比较,能够直观地发现和说明问题所在，从而找到优化方向。对于业务流程相对规范、周期较长、环节较多的流程分析,能够直观地发现和说明问题所在。

　　3、留存分析模型

　　留存分析是一种用来分析用户参与情况/活跃程度的分析模型，考察进行初始行为的用户中，有多少人会进行后续行为。这是用来衡量产品对用户价值高低的重要方法。留存分析可以帮助回答以下问题：

　　一个新客户在未来的一段时间内是否完成了您期许用户完成的行为？如支付订单等；某个社交产品改进了新注册用户的引导流程，期待改善用户注册后的参与程度，如何验证？想判断某项产品改动是否奏效，如新增了一个邀请好友的功能，观察是否有人因新增功能而多使用产品几个月？关于留存分析，我写过详细的介绍文章，供您参考：解析常见的数据分析模型——留存分析。

　　4、分布分析模型

　　分布分析是用户在特定指标下的频次、总额等的归类展现。它可以展现出单用户对产品的依赖程度，分析客户在不同地区、不同时段所购买的不同类型的产品数量、购买频次等，帮助运营人员了解当前的客户状态，以及客户的运转情况。如订单金额（100以下区间、100元-200元区间、200元以上区间等）、购买次数（5次以下、5-10次、10以上）等用户的分布情况。

　　分布分析模型的功能与价值：科学的分布分析模型支持按时间、次数、事件指标进行用户条件筛选及数据统计。为不同角色的人员统计用户在一天/周/月中，有多少个自然时间段（小时/天）进行了某项操作、进行某项操作的次数、进行事件指标。

　　5、点击分析模型

　　即应用一种特殊高亮的颜色形式，显示页面或页面组（结构相同的页面，如商品详情页、官网博客等）区域中不同元素点击密度的图示。包括元素被点击的次数、占比、发生点击的用户列表、按钮的当前与历史内容等因素。

　　点击图是点击分析方法的效果呈现。点击分析具有分析过程高效、灵活、易用，效果直观的特点。点击分析采用可视化的设计思想与架构，简洁直观的操作方式，直观呈现访客热衷的区域，帮助运营人员或管理者评估网页的设计的科学性。

　　6、用户行为路径分析模型

　　用户路径分析，顾名思义，用户在APP或网站中的访问行为路径。为了衡量网站优化的效果或营销推广的效果，以及了解用户行为偏好，时常要对访问路径的转换数据进行分析。

　　以电商为例，买家从登录网站／APP到支付成功要经过首页浏览、搜索商品、加入购物车、提交订单、支付订单等过程。而在用户真实的选购过程是一个交缠反复的过程，例如提交订单后，用户可能会返回首页继续搜索商品，也可能去取消订单，每一个路径背后都有不同的动机。与其他分析模型配合进行深入分析后，能为找到快速用户动机，从而引领用户走向最优路径或者期望中的路径。

　　7、用户分群分析模型

　　用户分群即用户信息标签化，通过用户的历史行为路径、行为特征、偏好等属性，将具有相同属性的用户划分为一个群体，并进行后续分析。我们通过漏斗分析可以看到，用户在不同阶段所表现出的行为是不同的，譬如新用户的关注点在哪里？已购用户什么情况下会再次付费？因为群体特征不同，行为会有很大差别，因此可以根据历史数据将用户进行划分，进而再次观察该群体的具体行为。这就是用户分群的原理。

　　8、属性分析模型

　　顾名思义，根据用户自身属性对用户进行分类与统计分析，比如查看用户数量在注册时间上的变化趋势、查看用户按省份的分布情况。用户属性会涉及到用户信息，如姓名、年龄、家庭、婚姻状况、性别、最高教育程度等自然信息；也有产品相关属性，如用户常驻省市、用户等级、用户首次访问渠道来源等。

　　属性分析模型的价值是什么？一座房子的面积无法全面衡量其价值大小，而房子的位置、风格、是否学区、交通环境更是相关的属性。同样，用户各维度属性都是进行全面衡量用户画像的不可或缺的内容。

　　属性分析主要价值在：丰富用户画像维度，让用户行为洞察粒度更细致。科学的属性分析方法，可以对于所有类型的属性都可以将“去重数”作为分析指标，对于数值类型的属性可以将“总和”“均值”“最大值”“最小值”作为分析指标；可以添加多个维度，没有维度时无法展示图形，数字类型的维度可以自定义区间，方便进行更加精细化的分析。

　　大数据已经不像前些年给人一种虚无缥缈的感觉，而当下最重要的是对大数据进行分析，只有经过分析的数据，才能对用户产生最重要的价值，越来越多人开始对什么是大数据分析产生联想，所以大数据的分析方式在整个IT领域就显得尤为重要，可以说是决定最终信息是否有价值的决定性因素。

大数据分析有哪些分析模型相关推荐

《大数据分析原理与实践》——第2章大数据分析模型
第2章大数据分析模型大数据分析模型讨论的问题是从大数据中发现什么.尽管对大数据的分析方法林林总总,但面对一项具体应用,大数据分析非常依赖想象力.例如,对患者进行智能导诊,为患者选择合适的医院.合适 ...
当网络安全遇上大数据分析（9）
2012年3月份,Gartner发表过一篇报告--Information Security Is Becoming a Big Data Analytics Problem .里面主要就讲到了针对大规 ...
《大数据分析原理与实践》——小结
小结关联分析模型用于描述多个变量之间的关联,这是大数据分析的一种重要模型,本章主要探讨了回归分析.关联规则分析和相关分析这三类关联分析.3.1节介绍了回归分析模型,即描述一个或多个变量与其余变量的依 ...
《大数据分析原理与实践》——导读
前言本书的缘起与成书过程大数据经过分析能够产生高价值,这无疑已在大数据火爆的今天成为共识,从而使得大数据分析在"大数据+"涉及的领域(如工业.医疗.农业.教育等)有了广泛的应 ...
金融零售业务大数据分析解决方案
随着国内利率市场化加快推进.经济增速放缓.国民收入和财富逐步上升,零售业务对银行收入及利润的贡献日益见长,科学有效地引领零售业务持续增长已成为国内领先银行的首要任务.然而,零售客户的需求日趋复杂和个性 ...
【干货下载】大数据分析的四个关键环节
本文提炼自神策数据与 Ping++ 联合举办的沙龙 Growth Workshop 中神策数据创始人 & CEO 桑文锋的分享,主题为<大数据分析的四个关键环节>.PPT 干货获取 ...
Amazon：大数据分析技能，你满足几条？
从各大招聘网站中可以看到,今年招聘信息少了很多,但数据分析相关岗位有一定增加,而数据分析能力几乎已成为每个岗位的必备技能.是什么原因让企业如此重视"数据人才"? 伴随滴滴出行.智慧 ...
工业大数据分析综述：模型与算法
工业大数据分析综述:模型与算法王宏志,梁志宇,李建中,高宏哈尔滨工业大学计算机科学与技术学院,黑龙江哈尔滨 150001 摘要:随着条形码.二维码.RFID.工业传感器.自动控制系统.工业互 ...
【2017年第2期】税务大数据分析的技术和典型应用
汪疆平1,肖戎2 1. 北明软件有限公司技术研究院,广东广州 510663:2. 广东省地方税务局纳税服务处,广东广州 510630 摘要:基于某省税务局大数据分析项目的实践,结合税务机关的信息化 ...

大数据分析有哪些分析模型

大数据分析有哪些分析模型相关推荐

最新文章

热门文章