数据分析师23-京东商业数据分析有感

1：4种分析情况

：描述性分析（是什么 一般就是看看分布 平均四分位峰值等等）；诊断性分析（为什么会发生）；预测性分析（相关性）；指导性分析（全面做出策略）

2：可视化的目的是让读者能看懂

：学习 经济学人的简单图表。

：坐标轴不能折断

：坐标轴要让图在中间，数值边界要有留白

：不重要的板块 可以直接other 不然信息太多。特别堆积图等，other的用浅色 灰色等标注即可。

3：报告的专业性 这里不多说

：分析背景+前言解释+结论总结+分析主体金字塔+输出建议

4：优秀的分析师三板斧（找出 分析 解决）

1：找问题：看到一组数据你会怎么看？

：列举描述性数据，把趋势图画出来，

：趋势图有了，可以关注变化和异常值来发现问题（同比 环比 增长率 来进一步分析趋势的变化）

：是不是还有一些指标间的关联性

2：分析问题：细分同一指标的多个维度，或者看其他的指标

：一个指标通常可以按照用户熟悉，产品，运营，渠道等等。

：如果只分析单一维度或者单一的指标 可能会产生维度偏差 因此要看多个指标 来全面分析 A指标好可能B指标差。

：不能只分析成功转化的用户的路径，也要分析没有转化的用户的路径，因此我们要避免 幸存者偏差。

：多维度多指标---交叉分析，最后找找相关性的分析

3：解决问题

：可能有个预测的趋势 这里不是要具体的数据，而是一个定性的分析。

：带着数据和结论 和业务沟通落实 为什么为什么为什么。

5：漏斗模型 怎么分析

：发现哪一个环节的转化率低，

：然后针对此环节 拉开时间 看此环节的趋势，聚焦下某一天 某时刻的情况，然后 看某时刻 是不是有事情发生 这个可以和业务沟通。

：在针对此环节 进行不同的多维度拆解 比如用户群体 不同路径。这个维度的选择需要业务的理解，比如从用户 发现哪种用户出现问题 问业务原因

：关注此环节涉及到的其他指标 也需要业务理解。

：高级分析师，漏斗分析结束找到原因后，还需要跳出 关注用户体验，自己体验一把为什么会有这个问题。

：多从用户角度体验来思考

6：用户画像实战（就是为了获客 粘客 留客）

：用户画像几大类  基本属性 社交网络 行为特征 心理性格 消费能力 兴趣偏好 

：一个案例 要做小家电产品的精准促销，促销无非就是 促销什么产品？找谁促销？什么时候粗促销？----很显然要知道购买小家电用户的画像（用户表-基本属性； 用户订单表-细分产品兴趣情况  行为特征里面的时间等）

：基本属性：性别 年龄段 职业 学历 地区 家庭

：用户订单偏好： 要注意，假设A产品销量很好，我们还应考虑这个产品阶有没有阶段性，季节性，以及复购性如何。这样才能判断是否要促销。

：行为特征里 时间：周数据/日小时，但是下单时间 之前一些时间段 才是促销最好时间，给用户信息做比较。

：用户敏感度  促销敏感度和评论敏感度

：在汇报的时候，你把数据描述完，还是要给一些建议的。有一些总结，不要怕对错。这才是帮助业务 汇报东西。

：另一个案例 购买小家电产品的用户 牵引买其他的产品。 加购其他类目产品的次数

7：分析框架

：渠道分析：质量 数量 收入价值

：页面分析：首页 详情页 搜素页 活动页面

8：机器学习

：有正现象和反现象 正现象表示我们关注的现象。：准确率 = 预测对的/总的；精准率（看的是你的预测结果）=预测为正 且是正的/预测为正的；召回率/查全率（分母是实际为正的）=预测为正 且是正的/实际为正的。