3种常见的数据分析场景梳理

创作时间:

作者:

@小白创作中心

3种常见的数据分析场景梳理

引用

来源

https://www.cnblogs.com/163yun/p/18321348

数据分析已经逐步被应用到工作和生活的各个领域，其本质是从繁杂的数据中看到深层次的规律和机理，从而对未发生的事情进行预测。本文将介绍三种常见的数据分析场景：描述现状、分析原因和预测未来，帮助读者加深对数据分析的理解。

数据分析的本质就是从繁杂的数据中看到其深层次的规律和机理，从而对未发生的事情进行预测。那么，了解一下常见的3种数据分析场景，即描述现状、分析原因、预测未来，来加深对数据分析的理解。

描述现状：通过描述性分析

描述性分析需要更宏观、深刻地理解整个业务，用体系化的框架、合理的指标去评估业务状态，清楚地判断业务现状及定位业务波动的数据原因。

一般来说，日报、周报，或者对于某块业务的描述性分析报告都会沉淀在数据产品上自动更新，因为业务方需要经常关注相关的数据。其目的如下：

提升工作效率：通过数据产品定期自动化刷新描述性分析报告，减少重复工作量。
提升杠杆效率：通过描述性分析报告的拆解逻辑，让更多的人了解业务状态，并知道如何去改善业务状态。

分析方法

分析框架：按总—分的结构来展开，分3层，即评估指标、指标表现、呈现形式
指标选择：确定业务的核心监控指标、拆解的子模块的监控指标
指标表现评估：用对比分析的方法评估指标的表现，反映业务的变化
定向对比：完成目标进度与时间进度的对比
横向对比：不同对象间的对比
纵向对比：同一对象不同维度的对比（不同的时间段，同环比、活动前后的对比等）
呈现形式：趋势图、颜色梯度等

典型问题

老板想通过整体分析了解企业线上商品A的流量转化情况

小结

描述性分析报告在大多数情况下会沉淀在数据产品上，以减少数据分析师的重复工作，提升工作效率。可以按以下顺序整理：

描述性分析报告面向的对象：根据职责范畴，确定描述性分析报告中要展示哪些业务
业务的展示顺序：可以按业务级别的高低来展示，或者按业务之间的流程顺序来展示等
具体业务的评估：按总—分的结构来展开，分3层，即评估指标、指标表现、呈现形式

分析原因：诊断性分析

根据业务逻辑，对于业务在运营过程中确定引起变好或者变差的原因，我们需要通过诊断性分析，并结合业务调研来确定，来解决为什么发生的问题。也称为根本原因分析，用于识别业务问题的根本原因，并找到适当的解决方案来防止将来发生这些问题。

诊断性分析的一般思路

发现问题—>定义问题—>拆解问题—>寻找原因—>提出解决方案—>落地执行—>反馈迭代—>直到业务问题被解决

都需要对业务非常了解，对数据敏感，能判断出指标的波动是否异常。常用来判断指标波动是否异常的方法有箱线图法、六西格玛原则等，这些方法的原理是一样的，就是界定正常波动的范围，再确定离群点，只是所使用的方法和标准有所差异。

分析方法

问题发现：通过监控系统或业务反馈发现异常
问题定义：明确问题的范围和影响
问题拆解：将问题分解为更小的子问题
原因寻找：通过数据和业务调研寻找根本原因
解决方案：提出可行的解决方案
落地执行：实施解决方案
反馈迭代：持续监控和优化

典型问题

业务方让数据分析师帮忙分析线下运营的A零售门店最近销量下滑的原因

小结

诊断性分析的报告推荐的结构顺序：

标题页
目录页
结论
策略
分论点论证过程
结束页

（1）将结论放在前面是为了让业务方刚开始就对整个分析有宏观的把握。
（2）将策略放在结论后面，归纳完分析结论，就给出问题的解决方案。
（3）在策略后面详细地阐述分析过程和调研结果。

结论、策略、分论点论证过程这3个部分的注意事项：
（1）结论：将结论简明扼要地归纳为3～5个，结论太多会让人脑对其的记忆效果变差
（2）策略：写清楚策略方案、落地计划和收益评估
（3）分论点论证过程

PPT的标题是对整页PPT内容的概括。
PPT的内容结构：分论点阐述+数据论证（图/表）

预测未来：预测性分析

无论是大到企业定战略目标，还是小到项目经理做业务决策，都需要前置预估业务未来的发展来辅助判断，这是预测性分析范畴内的工作内容。预测是指基于已知信息（历史数据、后续资源投入等），假设事物发展的趋势会延伸到以后，以此来对未来进行预估。可能发生的特殊影响事件不在考虑范畴之内，但最后会留出一定的调整空间。两种主要场景如：