总结：
1、定义数据的维度和指标：维度分类，指标定量
变量分类：分类变量、有序变量（有大小关系不能四则运算，年级、年龄段）、数值变量（数字型）、逻辑变量（二元分类变量，性别、阴阳性）
2、图表认知
- 散点图：核心在于发现变量之间的关系
气泡图反应三个kpi的变量关系
波士顿矩阵：分类矩阵形成决策，难点在于如何构建分类指标，即散点图横纵坐标分别代表什么且两个指标要相互独立
描述统计→散点图（观察变量间的关系）→分析建模获得结论→由其他简单图表表达简单结论
- 柱形图：核心思想是对比，有对比才有信息
最大最小值标准化 N=（X–min）/（max-min）
-
折线图：核心是趋势变化
-
面积图：观察动态数据结构变化
-
雷达图：进行静态的多维度对比
3、图表元素
-
坐标轴设置：最大值和最小值决定了坐标轴丈量范围。坐标轴是否合理取决于是否展示出足够差别、它的范围是否大于数据序列的四倍标准差（excel标准差函数stdev.p）
-
线性趋势线：实质是一条一元一次线性回归方程，它衡量了两组数据间的线性关系，即随着一个变量的增长另一个变量怎么变。要结合R平方值看，大于0.6才有意义，R平方值代表了现实数据可解释度
注意：要对变量进行回归前要先看两个变量关系是否有现实意义，避免伪回归先求相关系数，若是相关系数太低，建立回归关系就没有意义。
-
移动平均：在时间序列中，N期移动平均就是当期值为终点，计算过去N个值的算术平均数。意义在于预测趋势。（线性回归预测是通过变量之间关系，移动平均预测是通过序列本身信息实现）
-
涨跌线：添加图表元素→涨跌线，目标和实际销量的差值
4、数据运营流程：
业务理解→数据需求提取→定性分析→数据获取→数据清洗→数据认知→建模分析→结果呈现→策略建议
数据认知：数据源质量→数据集质量→数据类型→平均水平→数据分布→量变关系→多维交叉顺序
5、数据理解
-
协方差：衡量数据之间变动关系
-
相关系数：correl函数，衡量变动方向和变动幅度，不能表达因果关系
-
66原则：谁什么、有多少、在哪里、什么时候、怎么样、为什么
网友评论