数据分析的三个常用方法:数据趋势、对比和细分分析

  • A+
所属分类:数据分析

一个产品,如果你不能衡量它,你就不能了解它,自然而然,你就无法改进它。数据说到底,就是这样一个工具——通过数据,我们可以衡量产品,可以了解产品,可以在数据驱动下改进产品。

数据分析的三个常用方法:数据趋势、对比和细分分析

数据分析和数据处理本身是一个非常大的领域,这里主要总结一些我个人觉得比较基础且实用的部分,在日常产品工作中可以发挥比较大作用。本期主要讨论一些数据分析的三个常用方法:

  • 数据趋势分析
  • 数据对比分析
  • 数据细分分析

1. 数据趋势分析

趋势分析一般而言,适用于产品核心指标的长期跟踪,比如,点击率,GMV,活跃用户数等。做出简单的数据趋势图,并不算是趋势分析,趋势分析更多的是需要明确数据的变化,以及对变化原因进行分析。

趋势分析,最好的产出是比值。在趋势分析的时候需要明确几个概念:环比,同比,定基比。环比是指,是本期统计数据与上期比较,例如2017年2月份与2017年1月份相比较,环比可以知道最近的变化趋势,但是会有些季节性差异。为了消除季节差异,于是有了同比的概念,例如2017年2月份和2016年2月份进行比较。定基比更好理解,就是和某个基点进行比较,比如2016年1月作为基点,定基比则为2017年2月和2016年1月进行比较。

比如:2017年2月份某APP月活跃用户数我2000万,相比1月份,环比增加2%,相比去年2月份,同比增长20%。

趋势分析另一个核心目的则是对趋势做出解释,对于趋势线中明显的拐点,发生了什么事情要给出合理的解释,无论是外部原因还是内部原因。

2. 数据对比分析

数据的趋势变化独立的看,其实很多情况下并不能说明问题,比如如果一个企业盈利增长10%,我们并无法判断这个企业的好坏,如果这个企业所处行业的其他企业普遍为负增长,则5%很多,如果行业其他企业增长平均为50%,则这是一个很差的数据。

对比分析,就是给孤立的数据一个合理的参考系,否则孤立的数据毫无意义。

一般而言,对比的数据是数据的基本面,比如行业的情况,全站的情况等。有的时候,在产品迭代测试的时候,为了增加说服力,会人为的设置对比的基准。也就是A/B test。

比较试验最关键的是A/B两组只保持单一变量,其他条件保持一致。比如测试首页改版的效果,就需要保持A/B两组用户质量保持相同,上线时间保持相同,来源渠道相同等。只有这样才能得到比较有说服力的数据。

3. 数据细分分析

在得到一些初步结论的时候,需要进一步地细拆,因为在一些综合指标的使用过程中,会抹杀一些关键的数据细节,而指标本身的变化,也需要分析变化产生的原因。这里的细分一定要进行多维度的细拆。常见的拆分方法包括:

  • 分时:不同时间短数据是否有变化。
  • 分渠道:不同来源的流量或者产品是否有变化。
  • 分用户:新注册用户和老用户相比是否有差异,高等级用户和低等级用户相比是否有差异。
  • 分地区:不同地区的数据是否有变化。
  • 组成拆分:比如搜索由搜索词组成,可以拆分不同搜索词;店铺流量由不用店铺产生,可以分拆不同的店铺。

细分分析是一个非常重要的手段,多问一些为什么,才是得到结论的关键,而一步一步拆分,就是在不断问为什么的过程。

4. 小结

趋势,对比,细分,基本包含了数据分析最基础的部分。无论是数据核实,还是数据分析,都需要不断地找趋势,做对比,做细分,才能得到最终有效的结论。

那么,怎么使用这些数据分析技巧,形成一个完整的数据分析报告?欢迎收看下期。

参考资料:

王彦平 吴盛峰《网站分析实战:如何以数据驱动决策,提升网站价值》

潘一鸣
基于大数据的用户特征分析
误差分位数的默示有效估计与\ 自回归时间序列的预测区间
R语言神经网络模型银行客户信用评估数据
中国大数据生态图谱&大数据交易市场专题研究报告

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: