1.1数据分析

是指用适当的统计分析方法对收集来的大量数据进行分析，将他们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。

1.2数据分析包括

• 描述性数据分析（初级数据分析）：使用几个关键数据来描述整体的情况。指标：平均数，众数 常见的分析方法包括：对比分析法、平均分析法、交叉分析法等。Excel可以实现。
• 探索性数据分析（高级数据分析）：EDA指对已有数据在尽量少的先验假设下通过作图、制表、方程拟合、计算特征量等手段探索数据的结构和规律的一种数据分析方法。主要包括：汇总统计、可视化
• 验证性数据分析（高级数据分析）：EDA出现之后，数据分析的过程就分为两步了，探索阶段和验证阶段。探索阶段侧重于发现数据中包含的模式或模型，验证阶段侧重于评估所发现的模式或模型。

1.3企业数据分析的目标

• 进行市场分析和研究
• 把握产品的市场动向
• 指定产品研发和销售计划

2.1现状分析

• 告诉你企业的整体运营情况，通过各项指标衡量企业的运营状况
• 告诉你企业的各项业务构成，了解各项业务发展和变动情况
• 通过日常同报完成，如日报，周报，月报

2.2原因分析

• 有了现状分析，但不知好在哪里，差在哪里，就要进一步开展原因分析，做优化调整。
• 原因分析通过专题分析完成。

2.3预测分析

• 需要对企业未来发展趋势做预测，为企业提供参考与决策依据，使企业持续健康发展。
• 预测分析通过专题分析完成，指定企业年度，季度计划时进行。

3.1明确分析目的和思路

• 3.1.1明确分析目的

• 3.1.2确定分析思路 《精益数据分析》这本书推荐 1.熟悉分析方法论 2.搭建分析框架 3.再把分析框架体系化

3.2数据收集

是指按照确定的数据分析框架，收集相关数据的过程，它为数据分析提供素材和依据。 数据的主要来源：

• 数据库
• 互联网
• 市场调研
• 埋点（前端埋点、后端埋点）

3.3数据处理

数据处理 是指对收集到的数据进行加工处理，形成适合数据分析的形式。 数据处理目的 是从大量杂乱、无规则的数据中，抽取有价值、有意义的数据。

3.4数据分析与数据挖掘

• 3.4.1数据分析 是指用适当的分析方法和工具，对处理过的数据进行分析，提取有价值的信息，形成有效结论的过程 数据处理是数据分析的基础。比如处理空数据，选取有价值的特征等
  • 一般数据分析：EXCEL
  • 高级数据分析：SPSS、python
• 3.4.2 数据挖掘是一种高级的数据分析方法，它侧重解决四类问题：分类、聚类、关联和预测
  • 特征工程
  • sklear
  • TensorFlow

3.5数据展示

数据展现是指用通过表格和图形的方式来呈现数据 能用图说明问题的就不用表格，能用表格说明问题的就不用文字

• matplotlib
• seaborn
• tableau

3.6撰写报告

• 需要有一个好的框架，图文并茂，层次清晰
• 需要有一个明确的结论。
• 一定要有建议或解决方法

确定分析思路需要以营销、管理等理论为指导，一般把这些数据分析相关的营销、管理等理论统称为数据分析方法论。 没有业务思维，数据分析就是一堆废纸。 方法论在各种行业都是以各式各样的形式存在着的，它其实就是一个指南针，指导大方向。同样在数据分析中，如果方法论不正确或者不合理，后面的分析结果也就没必要看了，在一个不正确或不合理的方法论的指导下，得到的分析结果是不可能正确的。

4.1数据方法论与数据分析方法的区别

数据分析方法论主要用来指导数据分析师进行一次完整的数据分析，它更多的是指数据分析思路，比如主要从哪几个方面来开展数据分析？各方面包含什么内容和指标。所以数据分析方法论是从宏观的角度指导如何进行数据分析，它就像是一个数据分析的前期规划，指导着后期数据分析工作的开展。而数据分析法是指具体的分析方法，如：对比分析，交叉分析，相关分析等数据分析方法。数据分析法主要从微观角度指导如何进行数据分析。

4.2常见数据分析论例举

• 4.3.1 PEST分析法 PEST分析是指宏观环境的分析，P是政治(politics)，E是经济(economy)，S是社会(society),T是技术(technology)。分析一个企业所处的背景的时候，通常是通过这四个因素来进行分析企业所面临的状况。比如：
• 4.3.2逻辑树分析法 逻辑树分析法是将一个已知问题当成树干，然后考虑这个问题和哪些问题有关。每想到一点，就给这个问题所在的树干加一个树枝，并标明树枝代表什么问题。逻辑树方法又称问题数、演绎树或分解树。 例如想分析为什么减肥一直失败，可以构造如下逻辑树： 逻辑树的适用要遵循一下原则：
• 要素化：把相同问题归纳总结成要素；
• 框架化：将各要素组成框架，遵循不重不漏原则；
• 关联化：框架内的个元素保持必要的相互管理，简单不孤立。 逻辑树的缺点： 涉及相关问题可能会有遗漏。所以在用逻辑树分析法的时候尽量把设计的问题或要素考虑周全。
• 4.3.3 4P营销理论 4P营销理论产生于20世纪60年代的美国，将营销要素概括为如下图四类。如果需要了解公司的整体运营情况，就可以采用4P营销理论进行分析指导。 例如对于公司的业务分析可以按如下思路进行分析
• 产品 公司提供什么产品和服务？哪个销量好？与用户需求是否一致？购买产品的有用户都是何人？
• 价格 公司销售收入怎样？增长还是减少？用户接受的合理价格是多少？用户购买支付方式怎样？
• 渠道 公司在各地区有多少销售渠道？用户通过何种渠道都买？公司渠道政策是否具有吸引力？
• 推广(促销) 投入多少促销资源？效果如何？投放多少宣传广告？效果如何？  
• 4.3.4 5W2H分析法(七问分析法) 5W2H分析法也叫七问分析法，从回答中发现解决问题的线索，即何因（why）、何事（what）、何 人（who）、何时（when）、何地（where）、何做（how）、何价（how much）。是一种常见用户 行为分析方法论。比如O2O的优惠营销信息给用户看，需要搞清楚，用户为什么需要这些优惠，用户的目的是什么？我们提供的优惠是什么？与用户想的是否一致？谁是我们的用户？用户有什么特征？用户喜好在哪个时间段购买？我们的营销活动应该开展在什么时候？用户在线下哪儿去消费？每个地区的线下有什么区别？用户应该怎样去享受优惠？用户去购买花费的成本是多少？我们应该投入多少成本？等等。 下图为5W2H分析在用户购买行为分析上的应用
• 4.3.5用户使用行为理论 如果说5W2H分析法较价粗糙的话，用户使用行为更加精细。 用户使用行为是指用户为获取、使用物品或服务所采用的各种行动，一般按照以下过程：对产品有一个认知、熟悉的过程，然后试用，再决定是否继续消费使用，最后成为忠实用户甚至分享产品。 APP同样也可以用用户使用行为轨迹来分析。下图是个简单的流程图，不同产品使用方式不同，具体 分析时在“使用”环节可以更为细致。
• 4.3.6 RFM模型 传统企业和电商谈的较多的RFM模型，在众多的客户细分模型中，RFM模型是被广泛提到和使用的。RFM模型是网点衡量当前用户价值和客户潜在价值的重要工具和手段。RFM是Rencency(最近一次消费)，Frequency(消费频率)、Monetary(消费金额)、三个质保首字母组合，如图所示： RFM的含义：
• R（Recency）最近一次消费时间：表示用户最近一次消费距离现在的时间。消费时间越近的客户 价值越大。1年前消费过的用户肯定没有1周前消费过的用户价值大。
• F（Frequency）消费频率：消费频率是指用户在统计周期内购买商品的次数，经常购买的用户也就是熟客，价值肯定比偶尔来一次的客户价值
• M（Monetary）消费金额：消费金额是指用户在统计周期内消费的总金额，体现了消费者为企业创利的多少，自然是消费越多的用户价值越大。 基于这三个维度，将每个维度分为高低两种情况，我们构建出了一个三维的坐标系。
• 4.3.7 AARRR模型（用户增长模型） AARRR是Acquisition、Activation、Retention、Revenue、Refer，这五个单词的缩写，分别对应这一款移动应用生命周期中的5个重要环节。 获取用户（Acquisition）     运营一款移动应用的第一步，毫无疑问是获取用户，也就是大家通常所说的推广。如果没有用户，就谈不上运营。 提高活跃度（Activation）     很多用户可能是通过终端预置（刷机）、广告等不同的渠道进入应用的，这些用户是被动地进入应用的。如何把他们转化为活跃用户，是运营者面临的第一个问题。 提高留存率（Retention）     有些应用在解决了活跃度的问题以后，又发现了另一个问题：“用户来得快、走得也快”。有时候我 们也说是这款应用没有用户粘性。     我们都知道，通常保留一个老客户的成本要远远低于获取一个新客户的成本。所以狗熊掰玉米（拿 一个、丢一个）的情况是应用运营的大忌。但是很多应用确实并不清楚用户是在什么时间流失的，于是 一方面他们不断地开拓新用户，另一方面又不断地有大量用户流失。     解决这个问题首先需要通过日留存率、周留存率、月留存率等指标监控应用的用户流失情况，并采取相应的手段在用户流失之前，激励这些用户继续使用应用。 获取收入（Revenue）      获取收入其实是应用运营最核心的一块。极少有人开发一款应用只是纯粹出于兴趣，绝大多数开发者最关心的就是收入。即使是免费应用，也应该有其盈利的模式。     收入有很多种来源，主要的有三种：付费应用、应用内付费、以及广告。付费应用在国内的接受程度很低，包括Google Play Store在中国也只推免费应用。在国内，广告是大部分开发者的收入来源，而应用内付费在游戏行业应用比较多。     无论是以上哪一种，收入都直接或间接来自用户。所以，前面所提的提高活跃度、提高留存率，对获取收入来说，是必需的基础。用户基数大了，收入才有可能上量。 自传播（Refer）    以上就是本篇文章【数据分析入门(一)】的全部内容了，欢迎阅览 ！ 文章地址：http://dfvalve.xrbh.cn/news/9653.html 
       资讯      企业新闻      行情      企业黄页      同类资讯      首页      网站地图      返回首页 迅博思语资讯移动站 http://keant.xrbh.cn/ , 查看更多