1.数据分析流程

数据采集→指标建模→观测数据→数据分析→业务洞察

2.数据分析3种核心思维

• 结构化（金字塔、麦肯锡）
  核心论点→结构拆解→MECE（相互独立、完全穷尽）→验证（用数据验证）
  论点归纳与整理
  论点递进与拆解
  论点完善与补充
  推荐工具：思维导图
• 公式化（+、-、×、÷）

符号	用处
+	不同类别的业务叠加
-	计算业务间的逻辑关系
×/÷	计算比率/比例

• 业务化（深入理解业务，接地气）
  用结构化思考+公式化拆解，最后获得的最终分析论点，在很多情况下只是一种现象。
  数据是某个结果的体现，但不代表原因。
  例如：
  ①销售人员效率降低，因为士气不佳。
  ②产品质量不佳，和同其竞争对手比没优势
  ③价格平平，顾客并不喜欢

3.数据分析的思维技巧

• 象限法

1	内容
核心	策略驱动
应用	战略分析/产品分析/市场分析/客户管理/用户管理/商品管理
优点	直观清晰、对数据进行人工的划分、划分结果可直接应用于策略
缺点	划分依据并不固定，根据业务调整

应用：RFM模型
使用三个维度划分为八个象限，划分用户等级
R：最近一次消费 F：消费频率 M：消费金额
重要挽留客户、重要发展客户、重要价值客户、重要保持客户
一般挽留客户、一般发展客户、一般价值客户、一般保持客户
'111':'重要价值客户','011':'重要保持客户','101':'重要发展客户','001':'重要挽留客户'
'110':'一般价值客户','010':'一般保持客户','100':'一般发展客户','000':'一般挽留客户'

• 多维法

1	内容
核心	精细驱动
应用	数据齐全丰富的都可以用
优点	处理大数据量，维度丰富的数据效果很好
缺点	维度多花费时间也多，会出现辛普森悖论

• 假设法

1	内容
核心	启发思考驱动
应用	假设-验证-判断
优点	无直观数据时，以假设先行进行推断
缺点	一切都可假设，依赖经验

• 指数法

1	内容
核心	目标驱动
应用	将无法利用的数据加工变为可利用的
优点	简洁直观，目标驱动力强
缺点	无统一标准，依赖经验

应用方式：一旦设立指数，不要轻易变动
① 线性加权：设置权重a_i
② 反比例:【用户忠诚度计算-----1次2次变化比较重要，50次100次没有太大区别】
y=k/x
y=1-1/x
y=x/x+1
起到收敛效果
③ log:【根据发布时间、UV、评论数来计算文章热度----log₂(a₁UV+a₂评论数+a₃时间热度)】
也是起到收敛效果

• 二八法

1	内容
核心	只抓重点
应用	存在于几乎所有领域，没有局限性
优点	和业务、KPI紧密相关，高性价比
缺点	只看部分会比较狭隘

①20%的变量将直接产生80%的效果
②持续关注TopN的数据
③数据管理（20%的指标更有价值）
帕累托法则往往称为二八原理，即百分之八十的问题是百分之二十的原因所造成的。帕累托图在项目管理中主要用来找出产生大多数问题的关键原因，用来解决大多数问题。

• 对比法

1	内容
核心	挖掘数据规律
应用	数据分析的牛角尖，一次分析会用到多次

• 漏斗法

1	内容
核心	流程化
应用	涉及变化和流程的都能用

单一的转化率没有用，要结合其他方法分析

AARRR漏斗模型