IT资讯您现在的位置:主页 > IT资讯 >

学习数据分析的思路

发布日期:2018-01-12 14:30

数据剖析是指用恰当的计算办法对搜集来的很多第一手材料和第二手材料进行剖析,以求最大化地开发数据材料的功用,发挥数据的效果。下面的是西安Java培训收拾的学习数据剖析的思路。
  数据分析才干关于一名产品司理来说是最根本的才干。
  在面试的过程中,社招会有面试官会问你以往你担任的产品的相关数据,怎样看待这些数据,怎样经过这些数据来做接下来的产品优化;校招的面试官可能会问小伙伴们关于剖析数据的思维;在产品司理的日常作业傍边,要时长盯着数据的报表来剖析产品的健康程度。本文不再对一些根本的数据定义再做描绘,而是从剖析的思路总结了一些心得,欢迎各位一起来谈论。
  1.看数据的维度
  在对一款产品或许一款产品的其间的一个模块进行剖析时,我们能够从两个大维度去剖析数据。
  首要是从宽广的视角先去检查数据,这儿需求对该产品所在的职业数据有一个明晰的了解,该产品所在的职业自己所在的市场占有率的排名,一般市场占有率指的是用户的占有量,一般从职业陈述能够看出大概的数据。
  然后接下来需求剖析这款产品的总的数据状况,比方下载量、DAU、WAU、MAU等,以及该产品的最中心的数据是什么,并且怎样有可能从旁边面去了解这款产品的竞品的相关数据是什么。
  当了解完以上这些全体的信息,我们心中应该对自己所担任的产品有了一个微观的概念,自己在职业界所在的方位,以及现在最需求进步哪些数据方针都有了一个明晰的知道。接下来就能够从大纬度切入到小纬度,进一步去剖析一些细节的数据。例如重要的数据信息,包含用户的根本的构成信息,每个模块自己建立的漏斗信息等。一般在做剖析的时候应该留意的是数据的反常现象,呈现部分的极值(包含极大值和极小值)都需求进行剖析。
  2.什么才是好的数据方针?
  在做数据剖析的过程中,我们需求了解什么样的数据才是好数据,如果单纯地去看一个数据是没有太大含义的,数据自身也具有相应的欺骗性,比方从运营同学那得到了日新增用户数1W,那么单纯看这个数据没有什么含义,我们能够说这个数据很好,由于看上去很大,可是你可能没有看到同期的数据,有可能昨日的数据达到了2W。
  第一,好的数据必定是首要最好是以比率的方式存在的,不要绝对数,要相对数据。
  比方上面的那个数据我们换成增加率,换成环比这个数据,我们就能够进一步的了解到这个数据的好坏。
  第二,就是经过比照来判别数据的好坏。
  我们将数据的日增加量做成一个折线图,从折线图我们就能看出这个数据是在高点仍是在低点。经过比照,我们就会得知这个数据所在的方位是什么样的。别的,经过比照不同的途径,比照不同的版别,比照不同的用户群等不同纬度的数据,都能够从旁边面反映出这个数据的真实状况。
  第三,数据不是原封不动的状况,要动态的去看数据。
  单纯只看一个点的数据状况是没有含义的,我们要在数据中参加时刻的纬度。引进一段单位的时刻去看待数据全体的改变趋势,这样才干更为客观的判别产品的健康程度。
数据分析
  3.发现数据反常后怎样剖析?
  有时候从总量的视点是无法洞悉出一些问题的。比方在某段时刻内,下载量呈现了跌落,我们需求去找到这个傍边问题呈现在哪里。从总量的视点看,安卓的途径要比iOS的总量大很多,这并不能阐明问题。那么我们首要需求将时刻的纬度引进到傍边,将这几个月纬度的数据进行比照,必定能够看到在安卓傍边有一个月份的数值比较其他较低。然后我们再去看这个月
份的状况。一般状况下,在找到这个反常会先从途径的视点去剖析,检查是哪个途径发生了反常的现象。在针对性的去对途径进行优化。
  然后我们还能够从版别的视点去剖析,去检查最近近期是否有新版别的更新,如果有新版别的更新,是否设置了新的功用呈现了BUG等问题无法处理,导致了用户呈现卸载运用的状况。当然这些视点都要参加时刻的纬度去判别。
  别的,数据反常也不必定是坏作业。比方在剖析用户行为的过程中,如果发现了某些类别的用户的要害方针体现杰出,那么就必定要剖析为什么这些用户的数据体现为什么非常杰出,这也是增加黑客的剖析思路。比方在facebook前期发现,如果一名用户在刚运用产品的前期能够快速增加10明老友以上的用户,这类的用户的活泼程度就显着高于其他的用户。在比方airbnb在前期发现那些放置的相片非常精巧的住家的出租率较好,发现了这个特性后,内部产品技能团队又进行了一次AB测验,发现果然是存在这样的优化点。

  所以在前期一个要害的方针就是怎样能快速进步用户增加其他老友的数量。这儿需求我们从底层数据剖析傍边要留意对用户进行分层的处理,从不同的纬度分层找到数据反常的族群,找到共性,概括体现杰出的用户的共性,然后将其作为优化的方针进行优化。  4.要害方针应随产品阶段性改变
  在做数据剖析的之前,需求我们对我们剖析的方针进行确认,每个阶段的方针也存在着不同的方针,是为了增强用户粘性,仍是为了进步营收,或许是为了进步病毒传达系数。
  比方在对途径的判别中,不能只关怀拉过来的新用户量,最重要的是我们要关怀这些新拉过来的用户对产品的要害方针的影响,比方在社区产品,比较新进用户的数量更应该关怀这些用户的活泼度,发布帖子的数量,点赞的数量等要害方针。换句话说更应该重视的是漏斗模型最下方的那个量,重视转化率的最底层的那个数据。
  知识共享:
  怎样判别一个人是否适合做数据分析?
  1、问问他喜爱什么,平常对什么作业有爱好,然后挖掘这些作业中他重视什么数据,比方买彩票?炒股?看nba?其实里面都有很多数据,他在他喜爱的范畴,如果能对数据如数家珍,对数据的解读才干到位,(比方对某个nba 球星的数据和所对应的体现状况做谈论)至少阐明他有很强的数据感。数据感是做数据剖析的第一要务。
  2、问问他对数据剖析的了解和方针,看看他是怎样知道这份作业的。
  类型
  在计算学范畴,有些人将数据剖析划分为描绘性计算剖析、探索性数据剖析以及验证性数据剖析;其间,探索性数据剖析侧重于在数据之中发现新的特征,而验证性数据剖析则侧重于已有假定的证明或证伪。
  探索性数据剖析是指为了形成值得假定的检验而对数据进行剖析的一种办法,是对传统计算学假定检验手法的弥补。该办法由美国著名计算学家约翰·图基(John Tukey)命名。
  定性数据剖析又称为“定性材料剖析”、“定性研讨”或许“质性研讨材料剖析”,是指对比如词语、相片、调查成果之类的非数值型数据(或许说材料)的剖析。
  剖析东西
  excel作为常用的剖析东西,能够完成根本的剖析作业,在商业智能范畴Cognos、Microstrategy、Brio、BO和Oracle以及国内产品如北京永洪科技的Yonghong Z-Suite BI套件等。
  小结:数据剖析的意图是把隐没在一大批看来乱七八糟的数据中的信息集中、萃取和提炼出来,以找出所研讨目标的内在规则。在有用中,数据剖析可协助人们作出判别,以便采纳恰当举动。