如何做数据分析?2大分析模型和6种数据展现图表!青瓜传媒

数据分析是指用适当的统计分析对收集来的大量数据进行分析,提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。在实用中,数据分析可帮助人们作出判断,以便采取适当行动。

数据分析的目的是什么

数据分析的目的是把隐没在一大批看来杂乱无章的数据中的信息集中、萃取和提炼出来,以找出所研究对象的内在规律。

数据分析的步骤?

数据分析的步骤

1.首先明确分析的思路和目的:

比如想要验证运营最近的一批优惠券是否有效。我们可以从优惠券的领取情况和优惠券的使用情况两个方面分析,而优惠券的领取情况的指标可以细化为领取率;使用情况可细化为:使用率、客单价等。

2.数据的收集:

在确定了此次数据分析的核心指标后,就要针对数据指标做数据收集。

3.数据处理:

4.数据分析:

数据分析是用适当的分析方法及工具,对处理过的数据进行分析,提取有价值的信息,形成有效结论的过程。

一般公司所需要观察的数据大致分为如下几类:

随着数据的重要性的凸显,越来越多的公司已经认识到数据对于公司的经营是十分重要的。所以绝大部分企业都有专门的BI部门进行初步的数据加工、分析,以周报表的形式汇总给管理层做为日常数据所需以及企业决策使用。

在这里主要介绍两个简单的数据分析模型:

Acquisition(获取)、Activation(活跃)、Retention(留存)、Revenue(收益)、Refer(传播)

1.获取用户(Acquisition)

2.提高活跃度(Activation)

来了用户后,通过运营价格优惠、编辑内容等方式进行提高活跃度。把内容做多,商品做多,价格做到优惠,但需要控制在成本至上的有生长空间。这样的用户是最有价值进行活跃。

产品策略上,除了提供运营模块和内容深化。进行产品会员激励机制成长体制进行活跃用户。不仅商品优惠的,VIP等标示的ICON,对于长业务流程,进行流程激励体制,产品策略更具多元化。

4.获取收入(Revenue)

获取收入其实是应用运营最核心的一块。即使是免费应用,也应该有其盈利的模式。

前面所提的提高活跃度、提高留存率,对获取收入来说,是必需的基础。用户基数大了,收入才有可能上量。

5.自传播(Refer)

从自传播到再次获取新用户,应用运营形成了一个螺旋式上升的轨道。而那些优秀的应用就很好地利用了这个轨道,不断扩大自己的用户群体。

漏斗模型:

用户访问的路径

漏斗模型

运用漏斗模型比较典型的案例就是电商网站的转化,用户在选购商品的时候必然会按照预先设计好的购买流程进行下单,最终完成支付。

比较(Compare):通过比较类似产品或服务间购买或使用流程的转化率,发现某些产品或应用中存在的问题;

5.数据展现:

数据可视化-基本的图表

数据可视化是关于数据视觉表现形式的科学技术研究。其中,这种数据的视觉表现形式被定义为,一种以某种概要形式抽提出来的信息,包括相应信息单位的各种属性和变量。

数据可视化-图表

所以,请不要小看这些基本图表。因为用户最熟悉它们,所以只要是适用的场合,就应该考虑优先使用。

一、柱状图(BarChart)

柱状图是最常见的图表,也最容易解读。

柱状图

柱状图利用柱子的高度,反映数据的差异。肉眼对高度差异很敏感,辨识效果非常好。柱状图的局限在于只适用中小规模的数据集。

二、折线图(LineChart)数据

折线图

它还适合多个二维数据集的比较。

上图是两个二维数据集(大气中二氧化碳浓度,地表平均气温)的折线图。

三、饼图(PieChart)

饼图是一种应该避免使用的图表,因为肉眼对面积大小不敏感。

饼图

上图中,左侧饼图的五个色块的面积排序,不容易看出来。换成柱状图,就容易多了。

一般情况下,总是应该用柱状图替代饼图。但是有一个例外,就是反映某个部分占整体的比重,比如贫穷人口占总人口的百分比。

四、散点图(ScatterChart)

散点图适用于三维数据集,但其中只有两维需要比较。

散点图

上图是各国的医疗支出与预期寿命,三个维度分别为国家、医疗支出、预期寿命,只有后两个维度需要比较。

为了识别第三维,可以为每个点加上文字标示,或者不同颜色。

五、气泡图(BubbleChart)

气泡图是散点图的一种变体,通过每个点的面积大小,反映第三维。

气泡图

上图是卡特里娜飓风的路径,三个维度分别为经度、纬度、强度。点的面积越大,就代表强度越大。因为用户不善于判断面积大小,所以气泡图只适用不要求精确辨识第三维的场合。

如果为气泡加上不同颜色(或文字标签),气泡图就可用来表达四维数据。比如下图就是通过颜色,表示每个点的风力等级。

六、雷达图(RadarChart)

雷达图适用于多维数据(四维以上),且每个维度必须可以排序(国籍就不可以排序)。但是,它有一个局限,就是数据点最多6个,否则无法辨别,因此适用场合有限。

下面是迈阿密热火队首发的五名篮球选手的数据。除了姓名,每个数据点有五个维度,分别是得分、篮板、助攻、抢断、封盖。

雷达图

画成雷达图,就是下面这样。

面积越大的数据点,就表示越重要。很显然,勒布朗·詹姆斯(红色区域)是热火队最重要的选手。

需要注意的时候,用户不熟悉雷达图,解读有困难。使用时尽量加上说明,减轻解读负担。

THE END
1.15种最常用的数据分析方法和模型互联网数据资讯网15种最常用的数据分析方法和模型 2021年12月28日 专业知识对外部用户分析模型 01、RFM分析 RFM分析模型用来对用户进行分类,并判断每类细分用户的价值。 通过三个关键指标判断客户价值并对客户进行观察和分类,针对不同的特征的客户进行相应的营销策略。 02、帕累托/ABC分析 ABC分析法可用于分清业务的重点和非重点,...https://www.199it.com/archives/1366953.html
2.数据分析中的模型是什么意思?硬声是电子发烧友旗下广受电子工程师喜爱的短视频平台,推荐数据分析中的模型是什么意思? 视频给您,在硬声你可以学习知识技能、随时展示自己的作品和产品、分享自己的经验或方案、与同行畅快交流,无论你是学生、工程师、原厂、方案商、代理商、终端商...上硬声APP就够了https://www.elecfans.com/v/367324
3.数据挖掘与分析的六种经典方法论6、数据挖掘与分析的“七步法” “七步法”分为七个步骤,分别是:业务理解、数据获取、数据探索、模型构建、模型评估、策略输出、应用部署。“七步法”更侧重从乙方的视角来完成用数据挖掘及其应用的闭环。 -END-https://www.niaogebiji.com/article-30475-1.html
1.干货7种常用数据分析模型和方法,建议收藏!分析法大模型...对于数据分析师来说,其实相比于技术知识,更难理解的是业务知识。开发过程中会碰到一大堆陌生概念,比如用户价值分析、波士顿矩阵等,对于零基础的新人来说,刚开始真的很痛苦。今天就来给大家分享7种常用的业务数据分析模型和方法,希望对大家有所帮助! 1 RFM分析模型 RFM分析模型用来对用户进行分类,并判断每类细分用户...https://m.163.com/dy/article/JHH2REOJ0553TKEZ.html
2.大数据学习——常用的数据分析法和模型大数据分析算法及模型常见的数据分析法和模型 直方图(频率分布)分析 将某参量的数值范围等分为若干区间,统计该参量在各个区间上出现的频率,并用矩形条的长度表示频率的大小。 箱线图(数据分布)分析 箱线图(Boxplot)也称箱须图(Box-whisker Plot),是利用数据中的五个统计量:最小值、第一四分位数、中位数、第三四分位数与最大值...https://blog.csdn.net/xundh/article/details/63254628
3.数据分析不会做?15种数据分析模型深度解读!本文将为您揭开数据模型分析的神秘面纱。我们将介绍一系列常用的数据模型分析方法,包括RFM模型、ABC分析法、波士顿矩阵图、转化分析、购物篮分析、留存分析、用户画像分析、月复购分析、AARRR用户运营分析、KANO模型、库存周转分析、杜邦分析以及盈亏平衡分析等。通过这些https://www.finebi.com/da/da-models
4.10种常用的数据分析模型,数据小白必看!留存分析是用来分析用户的参与情况,初次用了产品之后能不能留下客户,使用了一段时间以后还能不能继续使用,可以看到客户从体验转为忠实用户的数据,对公司的产品是否能满足顾客需求有一定的参考性。 立即使用该画布,个人用户免费注册 综上所述,以上的这些数据分析模型,在BoardMix白板中都可以轻松绘制出来,甚至有些直接套...https://boardmix.cn/article/10shujufenximx/
5.用6个章节,帮你掌握常见的数据指标和数据分析模型优设网一文读懂设计师应该懂的数据指标和数据分析模型。 设计师为什么要懂数据? 市场现状不容乐观,伴随着红利(人口、流量)消退,资本寒冬,产品同质化严重,市场对设计师提出了更高的要求。除了审美层面的设计执行还远远不够,设计师需要具备数据眼光,从体验侧和商业侧入手,以数据为目标导向,精益设计,实现增长。同时随着数据方...https://www.uisdc.com/the-data-analysis/
6.应用数据分析模型有哪些选择合适的数据分析模型需要综合考虑多个因素,包括数据类型、问题类型、数据量、精度要求、可解释性、计算资源等。 以下是一些选择数据分析模型的指导原则: 1.数据类型:不同的数据类型适合不同的数据分析模型。例如,结构化数据可以使用决策树、逻辑回归等模型,而非结构化数据则可以使用聚类、关联规则挖掘等模型。 https://www.linkflowtech.com/news/1659
7.利用数据洞察激发创新:8种业务分析模型简介因此,在这个例子中,根据KANO模型计算出的better-worse系数值,说明该产品先满足功能5和4,再优化功能2,最后满足功能1。 而功能3对用户来说有或者没有都无所谓,属无差异型需求,并没有必要花大力气去实现。 原文链接: 创新指南 | 如何从数据分析模型获得创新灵感! https://www.douban.com/note/850824984/
8.数据分析模型是什么?有哪些常见的数据分析模型数据分析模型是用于处理和解释数据的数学或统计模型。它们通过对数据进行建模和分析,帮助我们发现数据中的模式、趋势和关联性,从而得出有关数据的洞察和决策依据。在数据科学和业务领域中,有许多常见的数据分析模型被广泛使用。本文将介绍一些常见的数据分析模型。 https://www.jiguang.cn/en/tips/726
9.5大数据经典模型详解——数据分析师必须掌握3、夏普利值模型 美国著名数学家和经济学家罗伊德·夏普利,提出了夏普利值的概念,让利益分配方式变得更加科学合理。 夏普利值的目标,是构造一种综合考虑各方利益的分配方案,让所得与贡献相等,从而保证分配的公平合理性。 假设有一个数据分析团队,必须运用分析思维和分析工具才能正常完成工作,至少需要一位能运用分析...https://www.51cto.com/article/650259.html
10.19种常用数据分析模型和方法在进行数据分析时,我们通常需要用到各类数据分析模型和方法, 一是为了让自己的结论更有说服力,二是让论证过程更具备逻辑性和条理性 常见的数据分析模型如下: 1、RFM 分析 RFM 用于对用户进行分类,并判断每类细分用户的价值。 三个关键指标: 最近一次消费时间(R):客户距离最近的一次采购时间的间隔。 https://www.jianshu.com/p/5f04ae4d9a8a
11.浅谈数据分析模型的定义和优劣势这套数据模型支撑正常的业务逻辑没有问题,但如果把它开放给业务人员进行数据分析,就会产生各种问题,具体来说有三点: 1.数据报表晦涩难懂 业务数据表的设计,是为了业务系统的正常运转,是给机器而不是给人看的。虽然我们可以基于业务数据表进行一些统计分析,但可能只有开发人员和运维人员知道表的结构含义。 http://sensorsdata.cn/blog/20180611/
12.大数据分析工具PowerBI(五):数据模型介绍腾讯云开发者社区一、模型关系 在数据分析过程中,我们会将数据表分为事实表和维度表两种类型的表。 事实表 发生在现实世界中的操作型事件,其所产生的可度量数值,存储在事实表中,事实表也叫明细表。例如,一个按照地区、产品、月份划分的销售量和销售额的事实表如下: 在以上事实表的示例中,"地区ID"、"产品ID"、"月份ID"为键值...https://cloud.tencent.com/developer/article/2245740
13.数据分析所指的数据模型是什么数据模型按不同的应用层次分成三种类型:分别是概念数据模型、逻辑数据模型、物理数据模型。 数据分析所指的数据模型是什么 企服解答 数据模型按不同的应用层次分成三种类型:分别是概念数据模型、逻辑数据模型、物理数据模型。 1、概念数据模型(Conceptual Data Model): ...https://36kr.com/p/dp1468671488510725