这是关于数据分析最有价值的方法论
当你完成一份数据分析报告时,不知领导是否有问过你,“你的分析方法论是什么?”。如果分析方法论不正确或不合理,那分析结果参考价值几何呢?
1、困惑
相信很多人在做数据分析时,会经常遇到这几个问题:不知从哪方面入手开展分析;分析的内容和指标常常被质疑是否合理、完整,自己也说不出个所以然来。当然我也一样,处在数据分析的学习阶段,对这些问题常常会感到困惑。
这就是为什么强调数据分析方法论的原因。当方法论结合了实际业务,才能尽量确保数据分析维度的完整性和结果的有效性。
数据分析的三大作用,主要是:现状分析、原因分析和预测分析。什么时候开展什么样的数据分析,需要根据我们的需求和目的来确定。
数据分析的一般步骤:
2、解惑
数据分析的目的越明确,分析越有价值。
明确目的后,需要梳理思路,搭建分析框架,把分析目的分解成若干个不同的分析要点,然后针对每个分析要点确定分析方法和具体分析指标;最后,确保分析框架的体系化(体系化,即先分析什么,后分析什么,使得各个分析点之间具有逻辑联系),使分析结果具有说服力。
那么,如何保证分析框架的体系化呢?
以营销、管理等理论为指导,结合实际业务情况,搭建分析框架,这样才能尽量确保数据分析维度的完整性,结果的有效性及正确性。
营销方面的理论模型有:4P、用户使用行为、STP理论、SWOT等。
管理方面的理论模型有:PEST、5W2H、时间管理、生命周期、逻辑树、金字塔、SMART原则等。
这里主要说明:PEST、5W2H、逻辑树、4P、用户使用行为这五个比较经典实用的理论,了解如何在搭建数据分析框架时应用它们作指导。
1)PEST:主要用于行业分析。
PEST,即政治(Political)、经济(Economic)、社会(Social)和技术(Technological)
P:构成政治环境的关键指标有,政治体制、经济体制、财政政策、税收政策、产业政策、投资政策、国防开支水平政府补贴水平、民众对政治的参与度等。
E:构成经济环境的关键指标有,GDP及增长率、进出口总额及增长率、利率、汇率、通货膨胀率、消费价格指数、居民可支配收入、失业率、劳动生产率等。
S:构成社会文化环境的关键指标有:人口规模、性别比例、年龄结构、出生率、死亡率、种族结构、妇女生育率、生活方式、购买习惯、教育状况、城市特点、宗教信仰状况等因素。
T:构成技术环境的关键指标有:新技术的发明和进展、折旧和报废速度、技术更新速度、技术传播速度、技术商品化速度、国家重点支持项目、国家投入的研发费用、专利个数、专利保护情况等因素。
eg:仅作举例,不代表只考虑这几点因素
2)5W2H:应用相对广泛,可用于用户行为分析、业务问题专题分析、营销活动等。
5W2H,即何因(Why)、何事(What)、何人(Who)、何时(When)、何地(Where)、如何做(How)、何价(How much)
该方法广泛应用于企业营销、管理活动,对于决策和执行性的活动措施非常有帮助,也有助于弥补考虑问题的疏漏。
eg:仅作举例,不代表只考虑这几点因素
3)逻辑树:可用于业务问题专题分析。
逻辑树,又称问题树、演绎树或分解树等。
它是将问题的所有子问题分层罗列,从最高层开始,并逐步向下扩展。
逻辑树的作用主要是帮你理清自己的思路,避免进行重复和无关的思考。逻辑树能保证解决问题的过程的完整性,能将工作细分为便于操作的任务,确定各部分的优先顺序,明确地把责任落实到个人。
逻辑树的使用必须遵循以下三个原则。
● 要素化:把相同问题总结归纳成要素。
●框架化:将各个要素组织成框架,遵守不重不漏的原则。
●关联化:框架内的各要素保持必要的相互关系,简单而不孤立。
缺点:涉及的相关问题可能有遗漏,虽然可以用头脑风暴把涉及的问题总结归纳出来,但还是难以避免存在考虑不周全的地方。所以在使用逻辑树的时候,尽量把涉及的问题或要素考虑周全。
eg:仅作举例,不代表只考虑这几点因素
4)4P:主要用于公司整体经营情况分析。
4P,即产品(Product)、价格(Price)、渠道(Place)、促销(Promotion)
eg:仅作举例,不代表只考虑这几点因素
5)用户使用行为:用途较为单一,就是用于用户行为的研究分析。
用户使用行为,即用户为获取、使用物品或服务所采取的各种行动。
用户对产品首先需要有一个认知、熟悉的过程,然后试用,再决定是否继续消费使用,最后成为忠诚用户。
用户使用行为的完整过程:
可以利用用户使用行为理论,梳理产品分析的各关键指标之间的逻辑关系,构建符合公司实际业务的产品分析指标体系。
eg:仅作举例,不代表只考虑这几点因素
这些方法论并非只能单独使用,可以根据具体情况选择合适的方法论嵌套使用。
3、最后
明确数据分析方法论的主要作用:
1)理顺分析思路,确保数据分析结构体系化。
2)把问题分解成相关联的部分,并显示它们之间的关系。
3)为后续数据分析的开展指引方向。
4)确保分析结果的有效性及正确性。
明确数据分析方法论和数据分析法的区别:
数据分析方法论主要是从宏观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。
而数据分析法则指具体的分析方法,比如对比分析、交叉分析、相关分析、回归分等。数据分析法主要从微观角度指导如何进行数据分析。
数据分析咨询请扫描二维码
数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20在现代社会的快速变迁中,选择一个具有长期增长潜力的行业显得至关重要。了解未来发展前景好的行业不仅能帮助我们进行职业选择, ...
2024-11-20统计学专业的就业方向和前景非常广泛且充满机遇。随着大数据、人工智能等技术的快速发展,统计学的重要性进一步凸显,相关人才的 ...
2024-11-20