數據分析思維：分析方法和業務知識

微信讀書讀完的第334本書，《數據分析思維：分析方法和業務》。 本書講解了數據分析的方法與實戰，重點培養數據分析的思維。 一、數據分析的方法： 1、業務指標。 （1）如何理解數據？懂得從數據中發現業務指標，數據的含義（如何定義與計算）與分類（用戶數據、行爲數據、產品數據） （2）常用的指標有哪些？使用相關指標去分析數據/問題。 A、用戶數據指標：新增用戶、活躍用戶、留存用戶（粘性）。 B、行爲數據指標：PV(訪問次數）、UV（訪問人數）、轉發率、轉化率、K因子（轉化成新用戶的轉化率）。 C、產品數據指標：成交總額（GMV)、成交數量、訪問時長、客單價、復購率、付費率、產品（熱銷產品TOP、好評產品TOP、差評產品TOP) D、推廣付費指標：展示位廣告、搜索廣告、信息流廣告，點擊率、成本、投入產出比。 （3）如何選擇指標？ A、好的數據指標應該是比例。 B、找到最核心的指標。 （4）指標體系和報表 A、明確KPI，找到一級指標。 B、瞭解業務運營情況，找到二級指標。 C、梳理業務流程，找到三級指標。 D、通過報表監控指標，不斷更新指標體系。 2、數據分析的常見方法： 數據分析要有分析的思維、思路與方法，不只統計式/工具式（EXCELSQLPYTHON)的數據分析，深挖背後的原因，提出有效的改進計劃。 常見方法，可以對應使用在哪裏，以及使用的注意事項。 （1）5W2H分析：what（是什麼）、when（何時）、where（何地）、why（爲什麼）、who（是誰）、how（怎麼做）、how much（多少錢）。 （2）邏輯樹分析：邏輯樹拆解圖 （3）行業分析:PEST分析方法（政策、經濟、社會、技術） （4）多維度拆解分析：維度可按指標構成、業務流程（步驟）等拆解 （5）對比分析：同比、環比、行業比，數據整體大小（平均數或中位數）、波動（變異係數）、趨勢變化（拆線圖），得出比較結果。比如A/B測試，比較對象規模（口徑）保持一致。 （6）假設檢驗分析：提高邏輯思維能力、分析問題發生的原因（歸因分析）。思路：問題—提出假設—收集證據——得出結論。 A、分析銷售業績，可通過4P營銷理論（產品、價格、渠道、促銷）。 B、按業務流程分析留存率、復購率等。 C、從用戶、產品、競品這3個維度提出假設。 （7）相關分析：散點圖，相關係數，相關關係不等於因果關係。 （8）羣組分析：比如留存分析，可按時間、性別、地域分組等。 （9）RFM分析：根據最近1次消費時間間隔（R)、消費頻率(F)、消費金額(M),分類重要價值、發展、保持、挽留用戶，一般價值、發展、保持、挽留用戶。 A、使用原始數據計算出R、F、M值； B、給R、F、M值按價值打分，例如按價值從低到高分爲1～5分； C、計算價值的平均值，如果某個指標的得分比價值的平均值低，標記爲“低”。如果某個指標的得分比價值的平均值高，標記爲“高”； D、和用戶分類規則表比較，得出用戶分類。 （10）AARRR模型分析： A、獲取用戶（渠道曝光量、轉換率、日新增用戶數、日應用下載量、獲客成本） B、激活用戶：用戶首次體驗如何、訪問時長、活躍率 C、提高留存：顧客還會回來嗎 D、增加收入：成效總額、成效數量、客單價、付費率、復購率 E、推薦他人：轉發率、K因子 （11）漏斗分析：瀏覽量、點擊量、創建訂單、支付率層層轉化率 二、數據分析實戰：書中列舉國內/跨境電商、金融信貸、金融第三方支付、家政、旅遊、在線教育、運營商、內容、房產、汽車、零售等具體行業數據分析，可根據自己所在或感興趣行業，看相關章節。 三、數據分析總結。 1、明確問題：定義問題，制定分析的思維導圖，明確數據來源和準確性、業務指標含義理解與使用 2、分析原因：運用不同分析方法，可採用多維度拆解分析方法、假設檢驗分析方法、相關分析方法等，找到關鍵因素。 3、提出建議：落地的具體措施。 綜上，數據分析，要具備分析的思維與方法、熟悉業務，用數據分析解決問題，從實際問題出發，明確問題，通過不同的分析方法，分析原因、提出建議。 學以致用，要在實際分析中不斷思考，不斷運用，不斷改進。

比較淺顯、通俗易懂，但基本完成了本書標題中的寫作目標“分析方法”和“業務知識”，雖然比較粗線條，但拿一本書就想學透，又怎麼可能呢，必然是大量的躬身實踐+讀書反思+向高手請教合三爲一後方能到達優良境界。 對本書後半部分的案例篇，草草了事，沒有花多少心思去讀，從第一性原理上來講，Business Data Analysis的底層邏輯、流程、方法論是一致的，不同行業和領域數據分析的差異大多存在於業務本質的差異上，而不在數據分析本身，不作評價。 前半部分，其實融合了大量學科和書籍，你批評本書作者蜻蜓點水也不必，一本書寥寥幾章容納那麼多知識，至少包含應用統計學，市場營銷，宏經和微經（初級就夠了），消費者心理學，流程再造理論，項目管理，財務管理等，本書基本做到直白傻瓜式地引領小白入門了。部分數據分析方法確實經典和重要，甚至不應該當做“方法”對待，而應視爲一種思維模式，譬如多維，流程，漏斗，對比等（其實本書還缺乏矩陣分析方法這一重要分析模式，RFM只是其中一個特例。） 總之，是一本可以花點時間跳讀、瀏覽、精讀的書（具體怎麼讀，看數據分析的底子咯）。 另附： 本書參考文獻部分，放的幾本書，反而是不得不讀的經典之作，顯然閱讀門檻和專業性會較本書高一些（實際上，也沒多難）。 1.《赤裸裸的統計學》要脫離大學很久、很多年不再沾統計學的人來說，這本書對掌握統計學的基本概念與知識很有幫助，算一本很有名的書了，與之對應的是《深入淺出統計學》也不錯，想再提高點層次去看《應用統計學》或者《社會統計學》，或者一步到位《概率論與數理統計》。 2.《精益數據分析》數據分析領域的聖書，每一個數據分析師的必讀之作！沒啥說的，對於六大商業模式的數據分析闡述地非常透徹。 3.《增長黑客》很有名的書，應該人盡皆知，人盡皆讀未必，很多人甚至只是聽聽一些“名人”講這本書而已。 4.《引爆點》格拉德威爾的這本書在一些高校商學院MBA或EMBA的課堂上都會提到。這本書的觀點起源於拉扎斯菲爾德的二級傳播理論，令人深思！ 以上，是爲評。

#小曾曾讀書筆記#《數據分析思維：分析方法和業務知識》本書從業務指標、數據分析方法、數據分析過程和業務知識四個角度出發，闡述了數據分析問題的解決思維，與書名完全契合，乾貨滿滿。 個人理解裏面特別加分的有兩點：一是體系化地梳理了數分人員在解決問題過程中的結構化流程，二是生動的業務實例賦予了分析方法實操的含義和解答。我相信讀本書的人一定會有屬於自己的收穫，對於想短時間準備面試的同學，也是可以直接關注裏面的sample，學習裏面三段式的分析步驟，相信能在短時間內武裝自己。 我也總結下對自己挺有裨益的一些系統的知識點，方便時時回顧： 1、面對數據時可考慮將數據分爲3類：用戶數據（我是誰）、行爲數據（我做了什麼）、產品數據（賣什麼）。 2、關於如何搭建指標體系： 1)、確定部門核心OKR，以此制定北極星和一級指標； 2)、根據子部門業務定位，依據一級指標拆解二級指標； 3)、分析業務流程，細化得到三級指標； 4)、不斷迭代優化更新（這步必不可少）。 3、數據分析方法多種多樣，選擇最合適的才最重要。 A、邏輯樹分析方法：分而治之&問題拆解 B、多維度拆解分析方法：指標構成和業務流程分析。 C：對比分析法：和誰比？比什麼？ D、假設檢驗：剔除假設的角度有藝術：用戶+產品+競品；4P營銷理論；業務流程。 E、相關關係：不是因果關係，區分兩者可用控制變量法。 F、羣組分析方法：同期羣分析。 G、行業分析方法：PEST、SWOT。 4、數據分析三步走：第1步明確問題；第2步分析原因；第3步提出建議。 5、分析原因三步走： 1)、多維度拆解分析方法，將一個複雜問題細化成各個子問題； 2)、假設檢驗分析方法假設問題，對比分析方法輔助完成； 3)、確定問題後，尋根究底，多問幾個爲什麼，然後使用相關分析法深入分析。

決定一本書好與不好還是由讀者所處的階段決定的。 一句話總評：對於培養數據sense有啓發但絕不可照單全收，可能恰恰也證明了書中不是正確的廢話，觀點必然伴隨爭議。 方法是最常用且實用的方法，作爲非常喫業務瞭解的分析師，技能內化後很多分析思路近乎是第一反應，很少有書能非常系統又體系化的把分析師看問題思考問題的方式整理出來。易讀性可讀性都不錯。 哪怕是從事數據工作近一年，還是覺得常讀常新。比如家政行業的相對轉化和絕對轉化，於我而言是非常新鮮的概念。但是雖說如此，我卻不知道推薦給小白是否合適，畢竟後續行業案例百家之言，不熟悉的領域覺得是這麼回事，熟悉的領域就能立馬發現有不妥帖之處，還是需要辯證來看，需要避免照單全收（當然這也是分析師必備的技能 ( •︠ˍ•︡ ) 猶豫再三，還是評了好看。

真的太差了，如果是小白，非常不建議讀這本書。 幾個原因: 1.很多定義上的錯誤，計算方法錯誤。很多指標在不同行業的算法是不一樣的，參加撰寫本書的人未必是專業認識，對於行業的理解不深刻，隨便一些，會誤導很多人 2.在案例分析中，給出的分析方法自己圖表，完全不實用，而且很多分析的圍度也很片面，實戰價值非常低 3.常識性錯誤，電商分析那部分，表4-8，折扣區間，這個實在讓人難以理解，想表達的是啥意思？0.25~0.3折扣區間，這個表達基本沒聽過，是折扣的力度是原價的25%-30%，指價格是原價的0.25-0.3？指的是0.25-0.3折？按照本書的原則，起碼先弄清楚每一列的數據代表的是什麼意思吧，這是等讀者來信問你？ 4.很多數據的表示也非常不專業，很多數據沒有千分符，你這數據小還行，如果是數量級比較大，是要讓人一位一位去數麼？ 如果作爲一款入門級的工具書，最起碼要能讓別人把基礎夯實，或者養成良好的數據展示習慣也行，這書真是誤導新人，我看的過程中發現很多地方只有人劃線，但是沒有人寫想法或者問問題，看來真是很多人信以爲真了。 真正的數據分析師不會看這個，看了要氣死的

邏輯清晰，方法➕案例雙線，通俗易懂[強][強][強] 1．工作中常用的指標有哪些？ 用戶數據指標：魚塘裏有3種用戶：新增用戶（日新增用戶數）、活躍用戶（活躍率）、留存用戶（留存率）。其中活躍用戶對應的是不活躍用戶，留存用戶對應的是流失用戶。 e.g. 在這50萬安裝用戶裏，只有1.9萬用戶是活躍的，也就是產品的日活躍率不到4%（日活躍率=日活躍用戶數／總用戶數=1.9/50=3.8%）。這麼低的活躍率說明產品存在很大的問題。 第1天新增用戶100個，第2天這100個人裏有40個人打開過App，那麼次日留存率=40/100=40%。如果第7天這100個人裏有20個人打開過App，那麼第7日留存率=20/100=20%。 Facebook有一個著名的40-20-10法則，也就是新用戶次日留存率爲40%，第7日留存率爲20%，第30日留存率爲10%，有這個表現的產品屬於數據比較好的。 行爲數據指標：PV、UV、轉發率（轉發率=轉發某功能的用戶數／看到該功能的用戶數）、轉化率（轉化率=10（購買產品的人數）/100（到店鋪的人數）=10%）、K因子（K因子=平均每個用戶向多少人發出邀請×接收到邀請的人轉化爲新用戶的轉化率。注：K因子=平均每個用戶向多少人發出邀請×接收到邀請的人轉化爲新用戶的轉化率） 產品數據指標：用來衡量業務總量的指標，例如成交總額、成交數量；用來衡量人均情況的指標，例如客單價；用來衡量付費情況的指標，例如付費率、復購率；以及與產品相關的指標 推廣付費指標：展示位廣告、搜索廣告、信息流廣告 2．分析方法 （1）5W2H分析方法 案例1：如何設計一款產品？這時候可以用5W2H分析方法：what（是什麼）：這是什麼產品？when（何時）：什麼時候需要上線？where（何地）：在哪裏發佈這些產品？why（爲什麼）：用戶爲什麼需要它？who（是誰）：這是給誰設計的？how（怎麼做）：這個產品需要怎麼運作？how much（多少錢）：這個產品裏有付費功能嗎？價格是多少？ 案例2：設計一款App的調查問卷，如何設計問卷上的問題？這時候可以用5W2H分析方法：what（是什麼）：你用這款App做什麼事情？when（何時）：你通常在什麼時間使用這款App？where（何地）：你會在什麼場景使用這款App？why（爲什麼）：你爲什麼選擇這款App？who（是誰）：如果你覺得你喜歡這個產品，你會推薦給誰？how（怎麼做）：你覺得我們需要加入什麼功能纔是比較新穎的？how much（多少錢）：如果你認爲這個App對你有幫助，你會花多少錢去購買App裏的服務？ （2）邏輯樹分析方法 把目標拆解成員工可以執行的小任務的能力 （3）行業分析方法 PEST分析方法是對公司發展宏觀環境的分析，所以經常用於行業分析。通常是從政策、經濟、社會和技術這四個方面來分析的。 （4）多維度拆解分析方法 - 從指標構成來拆解：新用戶銷售額=新用戶數×轉化率×新用戶客單價；老用戶銷售額=老用戶數×復購率×老用戶客單價。 這樣拆解後，有利於後續找到原因來制定對應的決策。如果是“新用戶”導致的銷售額目標沒達成，可以對新用戶發小額無門檻的折扣券，因爲新用戶往往還沒有對店鋪建立信任，不會第一次就購買很多。如果是“老用戶”導致的銷售額目標沒達成，可以對老用戶發高額滿減折扣券，起到提升復購率的效果。 - 從業務流程來拆解：按照地域細分，考察一線、二線、三線及以下等不同城市的新增用戶數量情況。按照性別細分，考察男性用戶、女性用戶分別是多少。按照渠道細分，考察公衆號、百度、頭條哪個渠道的用戶來源多。 （5）對比分析方法 弄清楚兩個問題：和誰比，如何比較。——A/B test 變異係數：=STDEV(B:B)/ AVERAGE(B:B) 一般來說： 0-15%小變異，16%到35%中等變異，大於36%高度變異 （6）假設檢驗分析方法 步驟分爲3步：提出假設、收集證據、得出結論 提出3種假設：（1）假設用戶有問題：可以從用戶來源渠道這個維度來拆解分析，或者畫出用戶使用產品的業務流程圖來分析原因；（2）假設產品有問題：可以研究這段時間銷售的產品是否符合用戶的需求；（3）假設是競品導致的問題：可以看競品是不是在搞什麼優惠活動，用戶跑到競爭對手那裏了。 我們還可以從4P營銷理論出發來提出假設。什麼是4P營銷理論呢？4P營銷理論產生於20世紀60年代的美國，它是隨着營銷組合理論的提出而出現的。營銷組合實際上有幾十個要素，這些要素可以概括爲4類：產品、價格、渠道、促銷。（1）產品：公司提供給目標市場的有形或無形產品，包括產品實體、品牌、包裝、樣式、服務、技術等；（2）價格：用戶購買產品時的價格，包括基本價格、折扣價格、付款期限及各種定價方法和定價技巧等；（3）渠道：產品從生產公司到消費用戶所經歷的銷售路徑。（4）促銷：是指企業利用各種方法刺激用戶消費，來促進銷售的增長。包括廣告、人員推銷、營業推廣等。例如買一送一、過節打折等。爲了尋找銷售業績下降的原因，可以利用4P營銷理論從4個維度提出假設。 可以使用3個方法來客觀地提出假設，同時防止遺漏假設：（1）從用戶、產品、競品這3個維度提出假設；（2）從4P營銷理論提出假設；（3）從業務流程提出假設。 （7）相關分析方法 第1步，單擊Excel左上角的“文件”；第2步，單擊“選項”，彈出“Excel選項”對話框；第3步，在“Excel選項”對話框中選擇“加載項”；第4步，在“管理”下拉列表框中選擇“Excel加載項”，然後單擊“轉到”。最後單擊“確定”按鈕，就會出現圖2-97所示的“加載宏”對話框。在對話框裏選擇“分析工具庫”就安裝好了Excel的數據分析功能。 （8）羣組分析方法 爲什麼回關人數越多，用戶留存率越高呢？爲了找到這個問題的答案（因果關係），團隊對用戶進行了電話採訪，發現了這背後的原因：如果不到1/3的人“回關”，那麼推特就會像一個新聞網站，而市面上還有很多其他新聞網站可以選擇；如果超過1/3的人“回關”，那麼推特就跟其他社交產品沒有什麼區別，例如微信中大家都是互相關注的狀態，也沒法體現出推特的獨特之處；只有達到1/3這個比例的時候，才能體現出推特的特點，也就是讓用戶及時瞭解他們關心的圈子裏發生的新鮮事。——案例：推特用戶留存分析 （9）RFM分析方法 最近1次消費時間間隔（Recency）、消費頻率（Frequency）、消費金額（Monetary） 這3個指標針對的業務不同，定義也不同，要根據業務來靈活定義。各指標特徵如下：·　對於最近1次消費時間間隔（R），上一次消費離得越近，也就是R的值越小，用戶價值越高。·　對於消費頻率（F），購買頻率越高，也就是F的值越大，用戶價值越高。·　對於消費金額（M），消費金額越高，也就是M的值越大，用戶價值越高。 （10）AARRR模型分析方法 -（1）獲取用戶（Acquisition）：用戶如何找到我們？ （1）渠道曝光量：有多少人看到產品推廣的信息；（2）渠道轉換率：有多少人因爲看到廣告轉換成用戶；（3）日新增用戶數：每天新增用戶是多少；（4）日應用下載量：每天有多少用戶下載了產品；（5）獲客成本：獲取一個客戶所花費的成本。 -（2）激活用戶（Activation）：用戶的首次體驗如何？ 需要關注“啊哈時刻”和活躍率指標 -（3）提高留存（Retention）：用戶會回來嗎？ 亞馬遜剛推出會員服務時，許多人說這個計劃必定會失敗，因爲美國的配送成本很高，而以99美元的會員費給會員免費配送一年，亞馬遜肯定會虧。但亞馬遜的真正目標是改變人們的習慣，讓用戶在購物中習慣會員優惠價格，習慣免運費，從而不再去其他商家買東西，進而提高了用戶留存。 螞蟻森林是阿里巴巴推出的一款在支付寶裏的遊戲，用戶可以到其他用戶的頁面上去偷取能量，當能量累計到一定程度，就可以申請種一棵樹。螞蟻森林會在現實中種一棵樹，併爲用戶發一個植樹的證書。截至2020年3月12日，螞蟻森林的用戶數超過5.5億，累計種下1.22億棵真樹，成功提升了支付寶的用戶黏性，提高了留存。 -（4）增加收入（Revenue）：如何賺到更多錢？ （1）用來衡量業務總量的指標，例如成交總額、成交數量；（2）用來衡量每個人平均情況的指標，例如客單價；（3）用來衡量付費情況的指標，例如付費率，復購率。 -（5）推薦（Referral）：用戶會告訴其他人嗎？ 美國作家馬爾科姆·格拉德威爾在《引爆點》這本書中用流行病來類比營銷：引爆一種流行病需要三個條件—傳染物本身、傳染物發揮作用所需的環境、人們傳播傳染物的行爲。 這一環節需要關注的指標有轉發率、轉化率、K因子。 （11）漏斗分析方法 漏斗分析的作用是“定位問題節點”，即找到出問題的業務環節在哪。漏斗分析常用於用戶轉化分析或者用戶流失分析，所以漏斗分析中要關注兩個指標：用戶轉化率和用戶流失率。 以汽車行業爲例，可以將業務流程分爲三部分：售前、售中、售後。 3. 數據分析解決問題的過程 第1步明確問題；第2步分析原因；第3步提出建議。 如何提出建議？ 迴歸分析 e.g.通過分析，爲公司下半年的經營提出以下建議：如果想要完成年度的6000萬元利潤目標，建議在保持目前商品採購成本不變的前提條件下，通過增加銷售收入的方式來保證利潤目標。下半年需要將銷售收入目標設定爲27875.42萬元，平均每個月銷售目標設定爲4546.90萬元（27875.42萬元/6）。下半年需要吸引84338人到店消費，平均每個月到店的用戶數是14057人（84338人/6）。根據相關分析方法，要想提高到店用戶數，需要優先提升店鋪的售後服務水平。建議可將此作爲關鍵績效指標，細化分解到具體的部門去執行，並與日常考覈聯繫起來，這樣才能確保全年利潤目標順利完成。 案例：內容行業 根據這些內容的不同狀態，內容行業的指標可以分爲內容生產指標、內容曝光指標、內容點擊指標、內容…._

《數據分析思維》         2021-9 花幾個小時翻完了這本書，嗯，確實是“翻”完的，個人覺得本書只需要看第一篇方法篇就行了，裏面介紹了一些好用的數學模型和方法。後面的實戰篇基本都差不多了，都是一些簡單的實例。人的感覺和記憶通常是靠不住的，數據和簡單的工具模型往往可以很容易幫我們找到問題的根源。         數的發明可以說是人類社會最神奇的魔法，沒有之一！它不單可以對現實事物進行模擬和量化，更可以對未發生的事進行預測，如果算力足夠強大的話甚至可以模擬整個宇宙的運行！我們現在感嘆的無常和不確定性只是因爲我們掌握的太少，計算得太粗糙而已，當對事物的細化能力達到無限小的普朗克級別的時候，量子的不確定性也許就不再不確定了，畢竟宇宙運行也是需要有它自己的規則的，我相信，上帝是不會擲骰子的。

是本理清思路的好書 第一篇 數據分析的方法 第一章 業務指標 （1）如何理解數據？ 懂得從數據中發現業務指標，數據的含義（如何定義與計算）與分類（用戶數據、行爲數據、產品數據） （2）常用的指標有哪些？ 使用相關指標去分析數據/問題 A、用戶數據指標： 新增用戶、活躍用戶、留存用戶（粘性） B、行爲數據指標： PV(訪問次數）、UV（訪問人數）、轉發率、轉化率、K因子（轉化成新用戶的轉化率） C、產品數據指標： 成交總額（GMV)、成交數量、訪問時長、客單價、復購率、付費率、產品（熱銷產品TOP、好評產品TOP、差評產品TOP) D、推廣付費指標： 展示位廣告、搜索廣告、信息流廣告，點擊率、成本、投入產出比 （3）如何選擇指標？ A、好的數據指標應該是比例 B、找到最核心的指標—北極星指標 （4）指標體系和報表 A、明確KPI，找到一級指標 B、瞭解業務運營情況，找到二級指標 C、梳理業務流程，找到三級指標 D、通過報表監控指標，不斷更新指標體系 第二章 數據分析的常見方法 （1）5W2H分析： what（是什麼）、when（何時）、where（何地）、why（爲什麼）、who（是誰）、how（怎麼做）、how much（多少錢） 5W2H分析方法能解決哪些問題？ 案例1：如何設計一款產品？ 案例2：設計一款App的調查問卷，如何設計問卷上的問題？ 5W2H分析方法很好理解，但是在複雜的商業問題面前不起作用 （2）邏輯樹分析： 邏輯樹分析方法是把複雜問題拆解成若干個簡單的子問題，然後像樹枝那樣逐步展開 領導力，就是把目標拆解成員工可以執行的小任務的能力 邏輯樹分析方法在解決業務問題時，經常不是單獨存在的，會融合在其他分析方法裏，輔助解決問題 （3）行業分析: PEST分析方法（政策、經濟、社會、技術） （4）多維度拆解分析 邏輯樹是拆解、多維度拆解是不同角度看一件事 只看數據整體，我們可能注意不到“數據內部各個部分構成的差異”。如果忽略這種差異進行比較，就有可能導致無法察覺該差異所造成的影響。 我們需要從多個維度去觀察數據，並相互驗證，才能得出相對可靠的結論。 通過多維度拆解數據，我們發現了和一開始截然相反的結論，這種現象被稱爲“辛普森悖論”（Simpson’s Paradox），也就是在有些情況下，考察數據整體和考察數據的不同部分，會得到相反的結論。 如何使用多維度拆解分析方法 1）從指標構成來拆解 2）從業務流程來拆解 （5）對比分析： 如何使用對比分析方法 （1）和誰比 1）和自己比：同比、環比 2）和行業比 （2）如何比 1）數據整體大小 常用的是平均值、中位數，或者某個業務指標 2）數據整體的波動 標準差除以平均值得到的值叫作變異係數。變異係數可用來衡量整體數據的波動情況 3）趨勢變化 趨勢變化是從時間維度來看數據隨着時間發生的變化。常用的方法是時間折線圖，環比和同比 注意： 在進行比較的時候，要注意比較對象的規模要一致 （6）假設檢驗分析： 假設檢驗分析方法分爲三步： 1）提出假設 2）收集證據 3）得出結論 假設檢驗分析方法有什麼用 1）假設檢驗分析方法背後的原理是邏輯推理，學會這個方法以後，可以顯著提高我們的邏輯思維能力 2）假設檢驗分析方法的另一個作用是可以分析問題發生的原因，也叫作歸因分析 如何使用假設檢驗分析方法 A、分析銷售業績，可通過4P營銷理論（產品、價格、渠道、促銷）。 B、按業務流程分析留存率、復購率等。 C、從用戶、產品、競品這3個維度提出假設。 （7）相關分析： 散點圖，相關係數，相關關係不等於因果關係。 （8）羣組分析： “羣組分析方法”（也叫同期羣分析方法）是按某個特徵，將數據分爲不同的組，然後比較各組的數據，說白了就是對數據分組然後來對比。 比如留存分析，可按時間、性別、地域分組等。 （9）RFM分析： 根據最近1次消費時間間隔（R)、消費頻率(F)、消費金額(M),分類重要價值、發展、保持、挽留用戶，一般價值、發展、保持、挽留用戶。 A、使用原始數據計算出R、F、M值； B、給R、F、M值按價值打分，例如按價值從低到高分爲1～5分； C、計算價值的平均值，如果某個指標的得分比價值的平均值低，標記爲“低”。如果某個指標的得分比價值的平均值高，標記爲“高”； D、和用戶分類規則表比較，得出用戶分類。 （10）AARRR模型分析： A、獲取用戶（渠道曝光量、轉換率、日新增用戶數、日應用下載量、獲客成本） B、激活用戶：用戶首次體驗如何、訪問時長、活躍率 C、提高留存：顧客還會回來嗎 D、增加收入：成效總額、成效數量、客單價、付費率、復購率 E、推薦他人：轉發率、K因子 （11）漏斗分析： 從業務流程起點開始到最後目標完成的每個環節都會有用戶流失，因此需要一種分析方法來衡量業務流程每一步的轉化效率，漏斗分析方法就是這樣的分析方法。 漏斗分析的作用是“定位問題節點”，即找到出問題的業務環節在哪。漏斗分析常用於用戶轉化分析或者用戶流失分析，所以漏斗分析中要關注兩個指標：用戶轉化率和用戶流失率。 瀏覽量、點擊量、創建訂單、支付率層層轉化率 第三章 用數據分析解決問題 第1步：明確問題 （1）明確問題的常見錯誤 在定義問題時，注意不要加入分析者的“主觀猜測”，導致無法分析其他可能的原因。 （2）如何明確問題 1）明確數據來源和準確性 2）業務指標理解 第2步：分析原因 兩個問題把原因搞清楚 （1）哪裏出了問題？ （2）爲什麼會出現這個問題？ 優先分析關鍵因素 （1）使用“多維度拆解分析方法”對問題進行拆解，將一個複雜問題細化成各個子問題； （2）對拆解的每個部分，使用“假設檢驗分析方法”找到哪裏出了問題。分析的過程可以用“對比分析方法”等多個分析方法來輔助完成； （3）在找到哪裏出了問題以後，可以多問自己“爲什麼出現了這個問題”，然後使用“相關分析方法”進行深入分析 第3步：提出建議 迴歸分析 AARRR模型分析 需要注意 （1）做決策的選項不能太多。太多的選項不僅會增加決策的成本，還會讓人迷失，無從下手。相對簡單的問題，需要4個選項左右；相對複雜的問題，需要4～7個選項； （2）決策要是可以落地的具體措施，這樣決策者才能根據措施，合理安排資源，把措施變成行動。

有的時候不代表碎片化的內容不好。看書的問題是，人類天生有補完計劃傾向，想看完一本書的傾向大到難以想象，背後的本質是有fomo情節，害怕遺漏作者可能會給出的一些洞見。本質還是損失厭惡，看都看了，看完他吧。 數據分析的問題在於知識簡單但廣度大，應用場景和技術的迭代又足夠快，所以很多時候不在於會不會的有無問題，而在於好不好的程度和效率問題。 內容一致性強，所以脫不開邏輯、數學、統計以及一般已經被廣泛驗證的方法論和思維模型，針對這每個人的解答都大差不差，沒有誰解讀的特別好也沒誰解讀的特差，看自己喜歡的表述風格即可。 但作者如果是廣泛涉獵以及兵器庫常用常新的話，靠出書終究會慢。 猴子的知乎已經不怎麼更了，數據分析的學習和理解還真不如去看看一些daas公司的blog或者創始人的社交媒體呢（對，比如growing io的老大就在知乎），估計會更好。

1、數據分析：底層邏輯是獨立思考，洞察市場，戰勝市場； 2、思維層次： 第一層次思維是簡單的準則、達成共識常規，本書分析方法技巧其實已是市場共識； 第二層次思維是第一層對立面，突破常識，打破常規，本書的數據分析侷限性 3、分析方法：底層邏輯是輔助決策而不是控制決策（本書的案例有些是控制決策，比如零售行業案例，其實真的太控制決策，具體分析方法也後面附加評論） 4、數據分析的看法： ①市場上分析人員都用同樣的分析模型，往往誤判市場或者失效 ②精確的數據與正確的分析方法無法代替大方向上的判斷，戰術上的勤奮不能彌補效率上的懶惰 ③數據和分析技巧不應該作爲呈現結論的終點，而是把呈現的結論作爲分析的起點，洞察數據真相 ④數據和分析技巧結論不等於真相，真想往往比數據和分析技巧的結論更復雜 ⑤數據分析的理論和實際，在理論上基本一致，在實踐中往往截然相反， 5、沒有說明數據分析的侷限性 數據分析侷限性：底層邏輯是佐證市場分析的內在價值 侷限性特點：市場是個複雜系統，不和諧，無序、無層次；無法判斷市場政策、情緒、不可抗力等（如疫情走向、地緣政治、中美摩擦） 侷限性存在意義：提高決策的有效性，重構市場本質 6、本書數據分析解決問題 有缺失 流程是：界定問題→拆分問題→分析問題→提出建議 正確的流程是：界定問題→拆分問題→分析問題→提出建議→驗證優化，再回到界定問題→拆分問題→分析問題→提出建議→驗證優化，是一個螺旋式循環的過程，直接整整解決問題。 7、市場環境被顛覆，或者高緯度問題，無論你怎麼進行數據分析得出低緯度問題並解決也是無用功。（比如零售業案例，數據分析是理論是“人→貨→場”，若是商圈轉移，市場容量因充分競爭而表小，最重要不是考慮門店如何改善運營，而最重要是置換門店，遷移門店）