[轉]3種常見的數據分析場景梳理

數據分析已經逐步的被應用到工作/生活的各個領域,加上數字化、數智化的加速推進、ChatGPT的出現、AIGC(生成式人工智能)的發展,數據庫的進一步健全,數據質量將越來越精準,具備數據分析技能將被更加廣泛的應用,在未來,大到企業、小到個人,都將從數據分析中獲益。
其實,數據分析的本質就是從繁雜的數據中看到其深層次的規律和機理,從而對未發生的事情進行預測!

那麼,瞭解一下常見的3種數據分析場景,即描述現狀、分析原因、預測未來,來加深對數據分析的理解。

✔描述現狀通過描述性分有邏輯、成體系地拆解業務,用合理的指標整體評估業務的狀態。

分析原因:通過診斷性分析,針對業務的異常波動,分析背後的原因,並提出解決策略。

預測未來:通過預測性分析基於現有的數據,結合實際情況,預測業務未來的發展。

數據分析場景

基本方法

數據分析方法

描述現狀

描述性分析

對比分析

平均分析

綜合評價分析

·····

分析原因

診斷性分析

分組分析

結構分析

交叉分析

杜邦分析

漏斗圖分析

矩陣關聯分析

聚類分析

······

預測未來

預測性分析

迴歸分析

時間序列

決策樹

神經網絡

······

 (數據分析常見場景與對應的分析方法)

場景一:描述現狀—描述性分析
描述性分析需要更宏觀、深刻地理解整個業務, 用體系化的框架、合理的指標去評估業務狀態,清楚地判斷業務現狀及定位業務波動的數據原因。
一般來說,日報、週報,或者對於某塊業務的描述性分析報告都會沉澱在數據產品上自動更新,因爲業務方需要經常關注相關的數據。其目的如下:

①提升工作效率:通過數據產品定期自動化刷新描述性分析報告,減少重複工作量。

②提升槓桿效率:通過描述性分析報告的拆解邏輯,讓更多的人瞭解業務狀態,並知道如何去改善業務狀態。

分析思路:

①明確分析目的-系統地評估企業某業務的狀態。

②明確分析思路-搭建分析框架,拆解業務,根據實際情況,使用邏輯樹、5W2H分析法、PEST分析模型等分析方法,確定業務和子模塊的核心觀測指標,用合適的分析方法表現業務發展的好壞。

③獲取數據-獲取分析所必要的數據。

④處理與分析數據-對獲取的數據按拆解的分析思路進行處理。

⑤撰寫報告-通常在數據產品(Tableau、PowerBI等)上呈現最終的結果。有漏斗分析、對比分析、分組分析等。

分析方法:

 

 

小結:

描述性分析報告在大多數情況下會沉澱在數據產品上,以減少數據分析師的重複工作,提升工作效率。可以按以下順序整理:(1)描述性分析報告面向的對象:根據職責範疇,確定描述性分析報告中要展示哪些業務(2)業務的展示順序:可以按業務級別的高低來展示,或者按業務之間的流程順序來展示等(3)具體業務的評估:按總—分的結構來展開,分3層,即評估指標、指標表現、呈現形式① 確定業務的核心監控指標、拆解的子模塊的監控指標② 用對比分析的方法評估指標的表現,反映業務的變化定向對比:完成目標進度與時間進度的對比橫向對比:不同對象間的對比縱向對比:同一對象不同維度的對比(不同的時間段,同環比、活動前後的對比等)③ 合理的呈現形式:趨勢圖、顏色梯度等。

場景二:分析原因—診斷性分析

根據業務邏輯,對於業務在運營過程中確定引起變好或者變差的原因,我們需要通過診斷性分析,並結合業務調研來確定,來解決爲什麼發生的問題。也稱爲根本原因分析,用於識別業務問題的根本原因,並找到適當的解決方案來防止將來發生這些問題。

診斷性分析的一般思路:發現問題—>定義問題—>拆解問題—>尋找原因—>提出解決方案—>落地執行—>反饋迭代—>直到業務問題被解決

 都需要對業務非常瞭解,對數據敏感,能判斷出指標的波動是否異常。常用來判斷指標波動是否異常的方法有箱線圖法、六西格瑪原則等,這些方法的原理是一樣的,就是界定正常波動的範圍,再確定離羣點,只是所使用的方法和標準有所差異。

分析方法:

 

 

 小結

1、診斷性分析的報告推薦的結構順序:標題頁—目錄頁—結論—策略—分論點論證過程—結束頁。

(1)將結論放在前面是爲了讓業務方剛開始就對整個分析有宏觀的把握。

(2)將策略放在結論後面,歸納完分析結論,就給出問題的解決方案。

(3)在策略後面詳細地闡述分析過程和調研結果。

2、結論、策略、分論點論證過程這3個部分的注意事項:

(1)結論:將結論簡明扼要地歸納爲3~5個,結論太多會讓人腦對其的記憶效果變差

(2)策略:寫清楚策略方案、落地計劃和收益評估

(3)分論點論證過程

另外:

① PPT的標題是對整頁PPT內容的概括。

② PPT的內容結構:分論點闡述+數據論證(圖/表)

場景二:預測未來—預測性分析

無論是大到企業定戰略目標,還是小到項目經理做業務決策,都需要前置預估業務未來的發展來輔助判斷,這是預測性分析範疇內的工作內容。預測是指基於已知信息(歷史數據、後續資源投入等),假設事物發展的趨勢會延伸到以後,以此來對未來進行預估,可能發生的特殊影響事件不在考慮範疇之內,但最後會留出一定的調整空間。兩種主要場景如:

①自上而下:先由老闆確定最終要達到的目標,再向下拆解預估過程中要完成的階段性目標和所需要的資源。

②自下而上:先預估業務每個模塊的目標,再向上彙總,得到業務整體可以達到的目標。

分析思路:

①明確分析目的-如預測企業內某業務的年度發展目標

②明確分析思路-搭建分析框架,根據分析方法,結合實際資源投入情況來進行預測,最終實現對整體業務發展的預估。

③獲取數據-獲取分析所必要的數據。

④處理與分析數據-對獲取的數據按拆解的分析思路進行處理。

⑤撰寫報告-通常以Excel表格的形式呈現最終的結果。

分析方法:

對於預測性分析的框架,我們通常會基於公式來拆解,常見的形式有兩種。

(1)基於數學關係 

如GMV=付費用戶量 × 平均付費金額。

(2)基於業務邏輯 

如運營活動期間的GMV=資源投入前的GMV × 提升係數。

常用的分析方法有移動平均法、相關性分析法、各種插值法等。

小結

在多數情況下,預測性分析的報告都是以Excel表格的形式來呈現的。在撰寫預測性分析報告時,需要注意以下幾點:(1)要分開展示測算的過程數據和最終的結果數據,儘量不要將二者混在一起。(2)一定要保留過程的計算公式,以方便後續對數據進行調整。(3)最好用一個單獨的工作表來記錄數據之間的計算邏輯和指標的口徑。

可以將測算的過程按數據計算的邏輯順序來展示,以降低理解成本低,力求讓預測性分析報告結構清晰、邏輯嚴謹、數據預測的可解釋性強。

 --轉自“木木自由”公衆號

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章