数据分析

2020-07-04

数据分析的五个关键环节

第一步，界定问题:将原本简单的业务需求背后的原因挖掘出来。

What-什么发生了?
Why-为什么会发生?
How-我们能做什么让他变得更好?

第二步，收集数据:根据业务问题确定所需要的数据维度。

根据业务问题确定所需要的数据维度，对于外部与内部数据进行收集与评估。

我们需要哪些数据？
这些数据可以如何获得？
这些数据是否存在异常或者缺失？

第三步，数据清洗:检查数据中存在的问题并进行处理。

检查数据的中可能存在的问题，对有错误或者有问题的数据进行处理。

如何快速查询我所需要的数据？
如果数据存在缺失应该怎么做？
如果数据错误应该怎么做？

工具：SQL、Python

第四步，数据可视化:通过可视化图表呈现数据的结构与关系。

通过图表的形式，直观呈现数据的结构与关系，快速找到业务问题的关键要素。

使用怎样的图表呈现数据的趋势？
使用怎样的图表呈现数据的分布？
使用怎样的图表呈现数据的相关性？

工具：Tableau

第五步，数据建模:建立数据分析模型，对业务的发展进行评估与预测。

通过工具建立数据分析模型，从而对业务的发展进行评估与预测。

哪一种数据模型可以预测销售额未来的趋势？
哪一种数据模型可以预测消费者的购买行为？
哪一种数据模型可以构建用户画像？

工具：Python

这是一个通过数据分析的例子

一、界定业务问题

从用户和收入两大方面去分析：

what：这类问题围绕公司关注的的关键指标

用户类指标——用户发生了什么样的变化
收入指标类——收入发生了怎么样的变化

why：这类问题关注的业务现状背后的原因，也就是为什么发生了变化

为什么这个月的新增用户下降了8%？
为什么这个月的销售额达成下降了5%？

how：扎到问题背后的原因，怎么去提升关键指标

怎么获得更多用户
怎么让用户消费更多

下面是一个分析腾讯视频业务收入问题的例子，通过分析得出数据分析问题：如何选择特定会员，结合合适的营销渠道和优惠，促进视频会员到期的用户进行续订。

下面以找到拼多多APP的产品功能迭代方向为例展开叙述数据分析过程

二、收集数据

sql（struct query language ），SQL是一种数据库查询和程序设计语言，用于存取数据以及查询、更新和管理关系数据库系统。语法如下

每个语句以；结尾
大小写不敏感

1. 查询数据：使用 SELECT 语句

语法：SELECT 字段名 FROM 表名 WHERE （条件）

1
2
3

SELECT * FROM user_id_info;//* 是通配符，查询所有数据

SELECT user_id,age,sid FROM user_id_info;

要求：使用SQL语言，收集每一天，不同功能的启动人数。

SELECT m_function,m_date,COUNT(DISTINCT user_id)
FROM use_function_info
WHERE m_function IN ('function_a','function_b','function_c')
GROUP BY m_function,m_date
ORDER BY m_function,m_date;

运行后，你会看到在12月24日、12月25日、12月26日这三天，使用功能A、功能B与功能C的用户数。

2.数据可视化

接下来，我们将所查询的数据制作成折线图，进一步进行探索。我们以日期为横轴，使用用户数为纵轴，制作折线图。观察斜率变化。

3.业务发现

根据绘制的折线图，核心思考以下两个问题：

哪些功能的使用用户数在逐日递减？
哪一个功能的使用用户数下滑更严重？

一 、界定业务问题

二、收集数据

一、界定业务问题