日期:2019-04-12 阅读:3064
三个要点:
1、正确的问题/假设,清晰的分析思路
2、掌握分析工具,能够利用工具提高数据分析的能力和效率
3、使用可视化的数据分析工具,帮助自己更好地传达分析结论
透过数据,你可以:
Ⅰ、发现规律(早上 10:00 发送营销邮件打开率最高)
Ⅱ、解释现象(为什么新上线的产品功能导致次日留存 20% 的提升?)
Ⅲ、验证假设(100 万的外卖补贴应当分配 80% 在高校商圈,原因是这部分消费者对价格更加敏感)
Ⅳ、创造机会(CVS 的无糖酸奶销量连续 2 年上升,建议公司明年推出低糖款乳酸菌饮料)
Ⅴ、讲好故事(更优雅地说服老板、客户和同事)
业务理解
“这个初步阶段着重于从业务角度了解项目目标和要求,然后将这些理解转化为数据挖掘问题的定义,拟定达成业务目标的初步方案。可以使用决策模型,特别是使用决策模型和符号标准构建的模型。” —— 维基百科
つ需要做出哪些决策?
つ需要获得哪些信息,来做出这些决策?
つ什么类型的分析能够获取决策所需的信息?
数据理解
“数据理解阶段从数据收集活动开始,然后借由一些活动来熟悉数据、检测数据质量问题、对数据进行初步理解,或探索数据中比较有趣的数据子集,进而形成对潜在信息的假设。” —— 维基百科
つ需要什么数据?
つ有什么数据可用?
つ数据的重要特征是什么?
数据准备的常用步骤
つ收集:收集数据时,你可能需要从组织内的多个来源收集数据。
つ清理:你使用的数据集可能有一些问题需要在分析之前解决。这可能包括数据不正确或丢失。
つ格式化:你可能需要通过更改日期字段的显示方式,重命名字段,甚至旋转数据来格式化数据,类似于使用数据透视表。
つ混合:你可能希望将数据与其他数据集进行混合或组合,以增加其他变量,类似于在 Excel 中使用 VLOOKUP 函数。
つ数据抽样:最后,你可能需要对数据集进行取样,并使用更易于管理的记录数。
分析/建模
“在这一阶段,你要选择和应用各种各样的建模方法,并将模型的参数校准为最佳值。通常情况下,同一种数据挖掘问题类型有多种适用的方法。一些建模方法对数据形式有具体的要求。因此,往往需要返回数据准备阶段。” —— 维基百科
重要步骤
つ确定用什么方法来解决问题
つ确定有助于解决问题的重要因素或变量
つ构建解决问题的模型
つ运行模型并移至模型评估阶段
模型评估
“在项目的这一阶段,你已经有一个或多个,从数据分析角度看,具有较高质量的模型。在进行模型的最终部署之前,务必要更全面地评估模型,并检查构建模型所执行的步骤,确保其能正确实现业务目标。一个关键目标是确定是否存在一些尚未充分考虑的重要业务问题。在此阶段结束时,应对数据挖掘结果的使用做出决定。” —— 维基百科
重要步骤
つ观察模型上的关键结果
つ确保结果在业务问题的情境中有意义
つ确定是否继续下面的步骤还是返回上一阶段
つ必要时重复多次
模型发布和可视化
“创建好模型并不意味着项目结束。即使模型的目的是提高对数据的理解,所获得的理解仍然需要以一种对客户有用的方式被组织和呈现。根据需求的不同,部署阶段可以简单到只是生成一份报告,也可以非常复杂,像实现可重复的数据存储(例如分段分配 segment allocation)或者数据挖掘过程。在许多情况下,往往是客户而非数据分析师执行部署步骤。即使由分析师部署了模型,客户也必须了解需要执行的操作,以便实际利用已构建的模型。” —— 维基百科
主要注意事项
つ根据分析,确定呈现见解的最佳方式
つ根据观众,确定呈现见解的最佳方式
つ确保共享的信息不要过量
つ使用结果向观众讲述故事
つ对于更复杂的分析,你可能需要向观众演示分析问题解决过程
つ始终注明使用的数据源出处
つ确保你的分析支持需要做出的决策
武汉被看见科技 客户咨询:131 - 7547 - 8985
我们习惯在产品设计的最初阶段明确关键的核心需求,然后给出最小可行化产品。
Copyright © 2022 被看见科技以用户为中心,快速迭代 ,鄂ICP备14015516号-1