七周学习数据分析——数据思维

三种核心思维

1.结构化
将分析思维结构化，金字塔思维。
（1）核心论点：塔顶，可能为假设，问题，预测，原因等。
（2）结构拆解：自上而下，将核心论点拆解为分论点
（3）MECE：相互独立，完全穷尽。论点直接避免交叉和重复，分论点尽量完善。
（4）验证：用数据说话，将论点进行量化，能够去验证。

2. 公式化
上下互为计算，左右相互关联。
一切皆可公式，最小不可分割。

3. 业务化
Q：如何预估上海地区共享单车投放量

1. 从人口角度分析，
   投放量 = 总人口 * 青中年占比 * 无代步工具群体占比 * 人均每日使用频次 / 每车每日使用次数
   
2. 从使用场景分析，
   单车是为了解决“最后一公里”的问题，因此投放地点大部分应在公交地铁站附近。
   投放量 = （公交客流量+地铁客流量）* 使用共享单车人数占比 *人均使用次数 / 每车每天使用次数
   图
   用结构化思考➕公式化拆解，获得最终分析论点。很多时候，是现象。数据分析是某个结果的体现，但不代表原因。

数据分析的思维技巧

1. 象限法
   核心：策略驱动
   例.RFM模型 Recency 最近一次消费 Frequency 消费频率 Monetary 消费金额
   
2. 多维法
   核心：精细驱动
   陷阱：辛普森悖论
   原因：
   （1）从统计学角度来讲，是因为两个组别的基数差异过大导致，基数大的那一方增加了整体的分母，导致值降低。
   （2）从机器学习角度讲，每个特征的量纲不同导致结果有所漂移。
   （3）从数据分析角度来讲，则是忽略了量与质的关系，我们只把两个组别直接相加，但是没关注每个组的权重。
   如何避免：明确需求对象对维度细分；设置权重（人为设置或特征选择）；标准化消除量纲影响（机器学习）
3. 假设法
   核心：思想驱动
   Q：某公司在节日举办一次活动，销量上升20%，若无法查看内部数据，如何判断销量上升原因是由于节日还是活动导致的？
   假设活动有效➡️用户通过活动购买商品➡️用户行为：评论留言提及活动字眼➡️假设参加活动的用户行为没有发生变化，评论转化率与之前相同➡️通过历史评论占比，反推购买人数，以及通过活动购买人数
4. 指数法
   核心：目标驱动 凭借经验公式
   线性加权，反比例（收敛到0和1），log（时间热度衰减）
5. 二八法
   核心：抓重点
   数据中，20%的变量将产生80%的效果
   关注topN的数据
   数据管理只抓住重点指标
6. 对比法
   好的数据指标，一定是比例或比率
   好的数据分析，一定会用到对比
   Q: 节日大促，女生销售额从60%增长到70%，结论为女生在节日期间更爱消费，是否正确。
   答：不正确。比例并不等同于实际值。平时销售额为100w，女生60w，节日销售额为80w，女生为56w，销售额降低。
   核心：挖掘数据规律
   对比指标：竞争对手，时间同比环比，前后变化，转化，特征和属性，类别
7. 漏斗法
   核心：流程化思考方法

锻炼数据思维

好奇心

最后

以上就是美丽太阳为你收集整理的七周学习数据分析——数据思维的全部内容，希望文章能够帮你解决七周学习数据分析——数据思维所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。