為什么數據分析思維重要
不知道問題發生沒
不知道問題在哪
不知道為什么
不確定分析對不對
不確定執行結果
不知道是否加薪
三種核心思維
七種分析思維技巧
在業務時間鍛煉分析能力
1.數據分析的三種核心思維：
結構化
公式化
業務化
1.1 結構化：
將分析思維結構化：
將論點歸納整理
將論點遞進和拆解
將論點完善和補充
核心論點：
尋找金字塔的塔頂，它可以是假設，是問題，是預測，是原因
結構拆解：
自上而下，將核心論點層層拆解成分論點，上下之間呈現因果或者依賴關系
MECE:
相互獨立，完全窮盡，論點之間避免交叉和重復，分論點們要盡量完善
驗證：
不論核心論點還是分論點，都應是可量化的，用數據說話，它們必然是可驗證的。
借助思維導圖 xmind
結構化不是完美的
1.2 公式化
結構化是分析的思維，但它還不夠數據，而且難免有發散的缺點，因此還需要公式化的思維
公式化
上下互為計算 左右呈現關聯
一切結構皆可量化 最小不可分割
例子：
銷售額由什么組成？銷量*單價
利潤由什么組陳？銷售額受益-成本
銷售額是單一維度嗎？不是。銷售額是多個商品/SKU的總和
地區的銷售是由什么組成？是不同線下渠道的累加
銷量還能細分嗎？不妨想想人均銷量和購買人數
不同類別的業務疊加可以用加法
減法常用來計算業務間的邏輯關系
乘法和除法是各種比例或者比率
1.3 業務化
預估共享單車投放量：
從城市流動人口計算
從人口密度計算
從城市交通數據計算
從保有自行車計算
但是單車是有損耗的，計算公式中應該考慮單車的損耗因素
在數據分析中，要考慮分析是否貼合業務：
有沒有從業務方的角度思考
針對分析出原因了嗎
能不能將分析結果落地
用結構化思考+公式化拆解，獲得了最終分析論點，但是很多時候，是現象，數據是某個結果的體現，不代表原因
那么作為數據分析師，要考慮設立哪些指標，換位，如果是參與其中的人，會怎么考慮，有哪些行為。
結構化思維--結構化數據--結構化業務數據
捋順思路--將其可視化--落地、貼合業務
2. 數據分析的七種思維技巧
三種核心思想是框架性的指引，實際應用中也應該借助思維的技巧工具，達到四兩拔千金的效果，并且，它們應該足夠簡單和有效
象限法
多維法
假設法
指數法
二八法
對比法
漏斗法
2.1 象限法
象限法：
核心：
一種策略驅動的思維
優點：
直觀、清晰、對數據進行人工的劃分，劃分結果可以直接應用于策略
應用：
適用范圍廣，戰略分析、產品分析、市場分析、客戶管理、用戶管理、商品管理等
須知：
象限劃分可以按中位數，也可以按平均數，或者經驗
2.2 多維法
用戶統計維度：性別、年齡……
用戶行為維度：注冊用戶、用戶偏好、用戶興趣、用戶流失……
消費維度：消費金額、消費頻率、消費水平……
商品維度：商品品類、商品品牌、商品屬性……
多維法：
核心：
多維法是一種精細驅動的思維
優點：
處理大量數據、維度豐富且復雜的數據具有好的效果，但是維度過多，會消耗不少時間
應用：
只要數據齊全且豐富，均可以應用
須知：
對不同維度進行交叉分析時，需要注意辛普森悖論
規避辛普森悖論：鉆取 drill down (細分維度)
2.3 假設法
很多時候，數據分析是沒有數據可以明確參考的，不如新進入一個市場，公司開拓某樣產品，需要預測一年后的銷量，或者產品的數據基礎非常糟糕，拿不到數據，這時候需要用到假設法
公司在節日進行了依次營銷活動，APP上的銷量數據整體比上周上升了20%，因為統計失誤問題，拿不到明細數據，也就是說，活動效果是一個黑盒子。現在的問題是，銷量本身就有可能因為節日提高，那么怎么證明活動是有效或者無效的呢？
假設活動是有效的：
- 思考一下，活動有效的話，會發生什么事情？
- 會有一定數量的用戶購買，如果能證明這條，那么有理由相信活動是有效的
- 用戶通過活動購買商品，會發生什么可觀測行為？假設一些用戶會評論留言，那么可以統計提及活動的字眼
- 當用戶提及了這次活動，接下來的問題是，有效了多少？10% 20%？
- 假設參與活動的用戶行為沒有變化，那么通過歷史數據的用戶評論占比，反推購買人數。
作為自營電商的數據分析師，在商品提價后，分析收入會不會有變化？
- 假設商品提價后，銷量一定會下降，問題是銷量下跌多少
- 首先假設流量不會變化，流量和渠道營銷正相關，商品價格影響轉化率，那么現在確定轉化率的波動
- 找出平時的轉化率，預估提價后轉化率的變化，假設各類型用戶對價格敏感程度不同，那么將用戶劃分為忠誠用戶、普通用戶、羊毛黨
- 不同用戶層次數量不同，反應不同，忠誠用戶轉化率變化極低，羊毛黨幾乎不會轉化，這些數據可以憑借經驗做出假設，最后匯總
假設法：
核心：
是一種啟發思考驅動的思維
優點：當沒有直觀數據或者線索能分析時，以假設先行的方式進行推斷，這是一個論證的過程
應用：
它更多是一種思考方式，假設--驗證--判斷
2.4 指數法
中國今年的經濟指標如何？
美國NBA最佳球員是誰？
競爭對手產品表現如何？
NBA比賽數據貢獻值=
（得分+籃板+主公+搶斷+封蓋）-（出手次數-命中次數）-（罰球次數-罰球命中次數）-（失誤次數/球員上場比賽的場次）
很多時候，我們有數據，但是不知道怎么用，就是因為缺乏了一個有效性的方向。這個方向可以成為目標指數，通過將數據加工成指數，達到聚焦的目的。
方法：
1.線性加權
不同指標有不同的權重 根據具體情況賦予權重
2.反比例
忠誠指數=1-1/各月消費次數 再對每月數據進行平均計算
也可對不同月份的忠誠指數設置權重
3.log
指數法：
核心：
是一種目標驅動的思維
優點：
目標驅動力強，直觀、簡潔、有效。對業務有一定的知道做東，一旦設立指數，不易頻繁變動
應用：
和假設法不同，假設法是缺乏有效的數據，指數法是無法利用數據而將其加工成可利用的數據
須知：
指數法沒有統一的標準，很多指數更依賴經驗的加工
2.5 二八法
二八法則在數據分析中的應用：
數據中，20%的變量將直接產生80%的效果，數據分析更該圍繞這20%做文章；
持續關注topN的數據是一個非常好的習慣，尤其在部分行業；
雖然指標很多，但往往某些指標更有價值，二八法則不僅能分析數據，也能管理數據
二八法：
核心：
是一種只抓重點的思維
優點：
和業務緊密相關，和KPI更緊密相關，幾乎花費最少的精力就能達到不錯的效果，性價比很優
應用：
二八法則存在于幾乎所有的領域，所以這種分析思維沒有局限
須知：
在條件允許的情況下，數據分析依舊不能放棄全局，否則會讓思路變得狹隘
2.6 對比法
好的數據指標，一定是比例或者比率
好的數據分析，一定會用到對比
老王賣水果，今天賣了1000元水果，這個數據有分析價值嗎？
老王賣水果，今天賣了1000元，昨天賣了800元，這個數據分析有價值嗎？
老王賣水果，今天賣了1000元，隔壁的老馬賣了2000元，這個數據分析有價值嗎？
老王賣水果，今天賣了1000元，昨天賣了800元，隔壁的老馬昨天賣了3000元，今天賣了2000元，這個數據分析有價值嗎？
老王花了3000元的營銷成本賣了1000元水果，這個數據分析有價值嗎？
老王其實是王健林，他有幾百億資產，他賣水果賣了1000元，這個數據分析有價值嗎？
節日大促，女生消費占比從60%變為70%，得出結論女生節日愛消費
- 這個結論是有問題的
- 占比提高了，不代表絕對值提高了。某商品平時銷售額100萬女生占60萬，節日銷售額80萬女生占56萬，女生真的消費變高了？
- 誰說節日銷售額會提高？別忘了競爭對手
- 孤數不證
競爭對手對比
類別對比
特征和屬性對比
時間同比環比
轉化對比
前后變化對比
對比法：
核心：
對比法是一種挖掘數據規律的思考方式
優點：
對比法可以發現很多數據間的規律，它可以與任何思維技巧結合，比如多維對比、象限對比、假設對比等
應用：
對比更多是一種習慣，是數據分析的牛角尖，一次合格的分析，一定要用到N次對比
須知：
在條件允許的情況下，數據分析依舊不能放棄全局，否則會讓思路變得狹隘
2.7漏斗法
核心：
漏斗法是一種流程化的思考方式
優點：
單一的漏斗分析沒有用，轉化率20%，但是能說明什么呢？它要和其他分析思維結合，比如多維，比如對比
應用：
涉及到變化和流程的都能用
須知：
單一的轉化率沒有用
