当前位置:首页 » 《随便一记》 » 正文

数据分析的业务层次_一个爱学习的大叔的博客

14 人参与  2022年02月18日 13:59  分类 : 《随便一记》  评论

点击全文阅读


一、引言

我通常把数据理解为业务的另一个他,单纯的数字是没有灵魂的,而背后的业务却是鲜活的。商业数据分析的核心是洞察数据背后业务的规律,本质是数据赋能。
著名的咨询公司Gartner在2013年总结、提炼出了一套数据分析的框架,他们把数据分析分成了四个层次,除了刚才说到的三个之外,还有一个处方性分析。

本篇文章先跟大家介绍一下数据分析的四个层次:描述性分析、诊断性分析、预测性分析、处方性分析。

二、描述性分析:发生了什么?

通过一些核心指标的数据和前后对比,告诉业务方(或者老板)目前业务的现状是怎样的。比如常见的流量、转化率、收入、成本等等这些指标。往往这些指标是比较宏观和概括性的,对比完就能对整体的情况有个认知。在公司里,大家经常会用Tableau做日报/周报,其实主要承担的就是描述性的汇报。

关于描述性分析,需要思考几个问题,才能让整个日/周报概括而又具体:
1. 关注哪些业务

首先要思考在日/周报中展示哪些业务,可以提供几个维度去参考:

老板关心哪些业务?想了解什么信息?
部门负责哪些业务,重点是在推哪些?
可以沿着这个方向去确定要展示的业务。

2. 用哪些指标,如何衡量变好/变坏

善用对比(环比/同比)、趋势等比较方式,不能只展示指标的数据,还要能直观的反映出目前状态是好还是坏。

3. 沉淀分析框架

当然,描述性汇报也需要沉淀诊断性分析的框架。比如说,在周报中展示转化率指标,不论涨跌,大家肯定会在意是怎么回事。而要分析这事儿,就可以按渠道进行拆解,分成APP端、PC端、小程序端的转化率等等,分别关注一下。

所以对于该指标的框架性拆解分析,就可以沉淀在描述性汇报中,这样指标的涨跌就立马能定位到哪个环节的问题。定位出问题环节后,再细一步的原因就需要去找对应的业务方咨询了。

三、诊断性分析:为什么会发生?

业务变好/变坏了,除了知道这个结果外,我们还需要通过数据进一步了解为什么会这样。

在诊断性分析中,就需要去分析业务结果和很多因素的相关性。当然,怎么能较快速地定位到分析哪些因素和结果的关系,要基于对业务的理解。可以大家一起头脑风暴分析业务数据,也可以去调研,或者深度访谈一些业务关键角色,让他们给一些输入,我们才可能知道从哪些维度去分析数据更合理。

1. 定性分析

若分析的仅是一个特征与结果的相关性,则可以通过画二者的二维散点图进行分析,通过图形描述,可以初步且直观判断二者的存在何种相关关系:正相关、负相关、无关;如果相关的话,是线性相关还是非线性相关(抛物线、指数等)。


2. 定量分析

我们通过散点图可以定性的判断两者是否具有相关性。定量上,我们可以通过回归对他们对关系做出精确的描述。

若结果为连续值,则应用的模型为回归模型,包括:

1)一元线性回归

若仅有一个特征与结果相关,并且其是呈线性关系的,则可以进行一元线性回归,即建立回归模型y=a+bx计算出截距a和斜率b,x为特征(自变量),y为结果(因变量)。

2)多元线性回归

在实际业务中,仅单个特征与结果相关的情况是不多见的,大多数都是多特征共同作用导致的结果。若多个特征无多重共线性,且与结果呈线性关系,则可以进行多元线性回归分析,建立回归模型y=a+b1x1+b2x2+…+bnxn。

3)非线性回归

如果回归模型的因变量是自变量的一次以上函数形式,回归规律在图形上表现为形态各异的各种曲线,称为非线性回归。常见的非线性回归模型包括:双曲线模型、幂函数模型、指数函数模型、对数函数模型、多项式模型等。

四、预测性分析:后续可能会发生什么?

预测性分析就是提前评估后续可能会发生什么?在工作中的场景,经常就是利用现有数据进行测算,评估业务接下来的发展。

比如提前需要测算业务年度成本、年度目标、未来收益的大小等等。

五、处方性分析:该怎么做?

这步的分析通常是接着诊断性分析的,在我们找到了业务变化背后的原因后,我们就需要去想一些策略去改善它。

首先是要定位出业务原因。在诊断性分析这一步,我们在数据上找到了影响结果的因素,这时候就需要去在业务层面上思考原因。

比如说,为了促进用户转化,我们发放了优惠券,但是后续发现券的使用很少,单量也没有上升,这是数据维度的原因。

那业务层面的呢?为什么用户都不用优惠券呢:

这时候有些猜测的原因可以通过数据来论证,而有些原因就需要去调研用户;如果是优惠券的位置不明显,我们就需要在产品上调整;如果是优惠券的额度太小,我们就需要去适当调整优惠力度。只有准确找到了业务原因,我们才能用策略根本性地解决它。

我发现很多时候,业务原因的定位是缺失的,往往我们在发现数据原因后,我们就开始思考运营策略了,指向性也非常强,激励(抓手)+数据维度的改变,这种做法是比较粗糙的。可能短期内有效果,但是一旦你激励停止,业务还是会回到原来的状态。

核心还是要找到业务改变的关键动作以及可以运营的业务场景,不能盲目的抓结果!


点击全文阅读


本文链接:http://zhangshiyu.com/post/34930.html

业务  分析  数据  
<< 上一篇 下一篇 >>

  • 评论(0)
  • 赞助本站

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。

关于我们 | 我要投稿 | 免责申明

Copyright © 2020-2022 ZhangShiYu.com Rights Reserved.豫ICP备2022013469号-1