数据分析_数据分析思维(1)
这篇文章具体的给大家介绍数据分析中最为核心的技术之一: 数据分析思维的相关内容。
一、数据分析的三种核心思维
作为新手数据分析师或数据运营, 在面对数据异常的时候, 好多小伙伴都会出现: “好像是A引起的”, “好像也和B渠道有关”, “也可能是竞争对手 C 做了竞争动作” 等主观臆测。面对数据报表, 也不知道应该从产品维度、时间维度、地域维度还是渠道维度去拆分。很显然, 这样的思维是乱的, 所以做数据分析很重要的一点是: 要具备结构化的分析思维。接下来给大家介绍数据分析的三种核心思维 - 结构化、公式化、业务化。
(1) 数据分析思维 - 结构化
在日常的生活中, 当我们针对一个问题进行分析时, 分析的思路总是一团乱麻? 分析到一半就进行不下去了, 或者分析完了也得不出一个结论, 效率是极其低下的。具体的如图所示:
但是对于一个专业的数据分析师来说, 他会针对一个问题进行系统的剖析, 很快就会形成一种由点到线、由线到面、由面到体的一种思维过程, 很快就会得出一个很好的结论, 侠侣及其高的。具体思维过程如图所示:
例如有以下一个案例:
现在有一个线下销售的产品。
我们发现8月的销售额度下降, 和去年同比下降了20%。
我想先观察时间趋势下的波动, 看是突然暴跌, 还是逐渐下降。
再按照不同地区的数据看一下差异, 有没有地区性的因素影响。
我也准备问几个销售员, 看一下现在的市场环境怎么样, 听说有几家竞争对手也缩水了, 看一下是不是这个原因。
顾客访谈也要做, 但是往常一直找不出原因, 这次我也不抱希望, 姑且试试吧。
要是还找不出原因, 那我也很绝望啊。
针对这个案例, 如果我们在没有介绍结构化之前, 大部分工作人员的分析过程如下所示:
画出来的思维导图大概是这个样子。
但是如果我们用介绍过的结构化来思考这个问题。将我们的分析思维结构化, 将我们的论点归纳何整理, 另外, 我们也将论点进行进一步的递进以及相应的拆解, 最后进行将论点进行完善和补充。就会形成一张很好的思维导图。具体思维过程如下:
其实以上过程可以可以归纳为: 核心论点、结构拆解、MECE、验证等几个相关的步骤。具体来说:
* 核心论点: 寻找金字塔的塔顶, 它可以是假设, 是问题, 是预测, 是原因。
* 结构拆解: 自上而下, 将核心论点层层拆解成分论点, 上下之间呈因果戒依赖关系。
* MECE: 相互独立, 完全穷尽。论点之间避免交叉和重复, 分论点们要尽量完善。
* 验证: 丌论核心论点还是分论点, 都应该是可量化的, 用数据说话。它们必然是可验证的。
通过应用以上的结构化的过程, 以上案例的原因分析过程的思维导图如图所示:
思考分析过程大致如下:
以上介绍了结构化分析的好处之后, 接下来给大家介绍这种结构化分析的工具, 其实有很多, 包括xmind(这个软件挺好用的, 本人一直用的这个软件)、Process On(这是一个在线的画思维导图、流程图的软件), 甚至我们经常用的便利贴都可以作为数据分析的结构化工具。结构化的过程包括:
* 查看资料及背景, 将结论列成一张表/卡片
* 把表上的结论, 依据主题分类
* 将同一类型的结论, 按顺序区分
* 讨论同一级别的共通结论, 将其结论放