来源:数据分析师 CPDA | 时间:2019-09-04 | 作者:admin
数据分析的目的就是为了驱动决策。
在日常数据分析过程中,如果不知道从何下手,那就先培养数据分析思维,为精准分析、正确决策打基础。
结构化思维
结构化思维,是把复杂分解成多种单一因素的过程。
练习结构化思维,参考麦肯锡“金字塔原理”,即“任何事情都可以归纳出中心论点,由中心论点出发,可由三至七个论据支撑,每个一级论点可以衍生出其他的分论点。”
第一,提取核心论点,论点可以是问题、原因、预测、假设等。
第二,结构拆分,自顶而下,层层相扣,不断拆分论点。
第三,依据MECE原则,每个论点(结构)互相独立,尽可能剖析所有原因。
最后,验证。
示例图:以结构化思维分析销售额的影响因素
假说演绎思维
如果说结构化思维是正推,属于归纳推理;那么假说演绎思维就是倒推,属于演绎推理。
示例图:以商品提高单价为例,利用“假说演绎思维”分析不同用户的购买决策,根据历史数据汇总的规律,预测市场变化。
指标化思维
如果说结构化思维、假说演绎思维属于定性分析,那么指标化思维属于定量分析。换句话说,通过加减乘除、指数法等运算方法将指标可量化,用数据衡量。
需要遵循的原则是,在结构化思维的基础上,建立数据分析体系。
示例图:电商行业的销售指标体系
维度分析思维
维度是观察数据的角度,例如时间、地区、产品、金额、品牌等。
通过多个维度的组合,形成数据模型。
多维度是一种精细驱动的思维,只要数据齐全且丰富,均可以使用。
处理大数据量,维度丰富且复杂的数据有较好的效果,但是维度过多会消耗很多时间。若维度过多,对不同维度进行交叉分析,尽量避免辛普森悖论。
可多维分析操作包括:钻取(Drill-down)、上卷(Roll-up)、切片(Slice)、切块(Dice)以及旋转(Pivot),见下图。
总体而言,指标化思维、假说演绎思维、指标化思维、维度分析思维是常用的数据分析思维。但是,它们通常不单一存在,需根据工作需要交叉使用,期待大家带着好奇心去探索数据,多思考、多总结。