学习时间：9.4-9.14；学习方式：手机网课，时间段集中：20：00左右
【数据分析day1学习心得： 对比分析 】
1、从数据中发现问题、洞悉问题的核心，用对比的方法：what--对比什么数据；how--怎么对比；who--和谁对比；
2、对比什么数据：从部门/岗位KPI中找核心指标，从工作流中，行业分析/报告，表格数据中找数据分析；
3、怎么对比：①从描述数据的集中趋势：平均值、中位值、众数；②从描述数据的极端数据：最值，最大值，最小值；③比例指标，比率；
4、和谁对比：历史数据比对（同比/环比），横向对比（其他团队），外部对比（市场环境，竞争对手）等。
你有越多的维度可以对比，那么就有机会得到更多的洞见。20200904
【数据分析day2学习心得：漏斗分析法】
1、如何用数据发现问题并解决问题。方法：分解问题的各个环节（将大问题分解成一个个小问题），工具：漏斗分析（适用于流程较长，环节较多，并且随着环节进行，流量逐渐消失的场景）；
2、漏斗分析适用场景：适用于流程较长，环节较多，并且随着环节进行，流量逐渐消失的场景；归纳三个场景：分析拆解问题、帮我们分析精力、绩效目标管理；
3、漏斗分析的3个步骤：
3.1根据工作流画出漏斗的各个环节：层次不超7层，可归并和切割；
3.2对漏斗的各个环节进行分析：历史对比，外部对比，横向对比；
3.3确定哪个环节重点优化：选择产出最高，投入最少的环节；
4、漏斗模型：消费者行为模型（AIDA模型）、用户增长模型（AARRR模型）、营销广告模型；
分析问题的本质：把问题层层拆解，分析对比、优化调整。20200905
【数据分析day3学习心得：相关分析】
1、分析问题的本质是将问题进行拆解成各个相关因素，相关分析就是去找到两种变量中间到底有什么相关关系，进而进行漏斗分析。
2、应用场景：快速锁定大问题相关的小因素；用数据说服他人，终结扯皮；判断事情的优先等级。
3、类型：线性相关；非线性相关。
4、对相关做进一步分析，找到具体相关公式，我们就可以预测。相关并非因果。
【学知识的时候，去思考应用场景，遇到场景时，思考已有知识哪个能用上。知识转化为能力，才能产生价值】
1、散点图（适合相关）
2、折线图（适合趋势）
3、横的和竖的条形图（适合对比）
4、瀑布图（适合演变）
5、热力图（适合聚焦）
6、雷达图（适合多指标）
7、词云图（适合看分布）等等
01）分类分析
比如分成不同部门、不同岗位层级、不同年龄段，来分析人才流失率。比如发现某个部门流失率特别高，那么就可以去分析。
02）矩阵分析
比如公司有价值观和能力的考核，那么可以把考核结果做出矩阵图，能力强价值匹配的员工、能力强价值不匹配的员工、能力弱价值匹配的员工、能力弱价值不匹配的员工各占多少比例，从而发现公司的人才健康度。
03）漏斗分析
比如记录招聘数据，投递简历、通过初筛、通过一面、通过二面、通过终面、接下Offer、成功入职、通过试用期，这就是一个完整的招聘漏斗，从数据中，可以看到哪个环节还可以优化。
04）相关分析
比如公司各个分店的人才流失率差异较大，那么可以把各个分店的员工流失率，跟分店的一些特性（地理位置、薪酬水平、福利水平、员工年龄、管理人员年龄等）要素进行相关性分析，找到最能够挽留员工的关键因素。
05）逻辑树分析
比如近期发现员工的满意度有所降低，那么就进行拆解，满意度跟薪酬、福利、职业发展、工作氛围有关，然后薪酬分为基本薪资和奖金，这样层层拆解，找出满意度各个影响因素里面的变化因素，从而得出洞见。
06）趋势分析
比如人才流失率过去12个月的变化趋势。
07）行为轨迹分析
比如跟踪一个销售人员的行为轨迹，从入职、到开始产生业绩、到业绩快速增长、到疲惫期、到逐渐稳定。这个过程能够帮助管理者更好地判断一个销售人员的心理节奏，从而更好地做管理。
网友评论