思维分析逻辑 2 DAY

目录

• 数据分析多元思维模型
  • 微观能力
  • 中观能力
  • 宏观能力
• 电商平台分析
  • 整体数据
  • 漏斗模型
• 互联网金融分析
  • 授信模型
    • 了解芝麻信用分结构
    • 数据源的数据变量
    • 数据处理
• 游戏数据分析
  • 常规指标
  • 商业化指标
  • 用户流失分析
• 分析陌生行业
  • 流程

数据分析多元思维模型

微观能力

有效沟通力 和 快读发散收敛力 ，能在业务交流中发现问题并找到方向。

有效沟通力：从谈话中快速捕捉有用信息

快速发散收敛力：基于沟通中的有效信息，快速提炼总结，找到分析切入点。

快速发散收敛力技巧：1.黄金思维法则（多问为什么要做这件事）2.做好准备工作在进行沟通

发散：沟通后分析想法很多

收敛：众多想法中快速找到切入点

微观能力所需技能：想象力 敏感度 解决问题能力 快速发现问题 高维角度

中观能力

真正的专业度能很好的发现其他分析师中的问题。

技术理解：只有理解到数据标准化的本质是去除量纲量级的差异化，才能用好数据标准化方法

逻辑性：每一环推导必须讲究严谨性

价值点：描述性统计数据快速通过，指导性、预测性、价值最大

宏观能力

CEO能力

---

电商平台分析

整体数据

1. 分发效率评估：CTR = 点击UV/曝光UV（反应用户点击欲望）人均访问点击页面数 = 总访问页面数PV/总访问数UV

2. 日活

3. 留存

4. 渗透

漏斗模型

---

互联网金融分析

授信模型

1. 数据源

2. 数据处理

3. 数据标准化

4. 数据建模

5. 模型落地

6. 模型优化

了解芝麻信用分结构

1. 身份———稳定性

2. 履约能力———兜底性

3. 信用历史——历史性

4. 人脉关系——弱价值性

5. 行为偏好———真正价值（消费水平）

数据源的数据变量

1.原始变量：直接储存在数据库里的最基础的变量，如每天的交易额。

2.衍生变量：金融的本质是风险，所以要对原始数据进行加工。

时间维度衍生：最近一个月交易额，最近三个月交易额。
函数衍生：   最大交易额，最小交易额，交易额方差。
比率衍生：   最近一个月交易额/最近三个月交易额。

在选择变量的时候，基于RFM原则，即最近、频次、钱 （R (Recency)表示客户购买的时间有多远，F (Frequency)表示客户在时间内购买的次数，M (Monetary)表示客户在时间内购买的金额。） 所有跟着三个属性相关的变量都要保留。

数据处理

1. 数值型和字符串型缺失性和合理性进行检验，清除无效字段（50%以上清除）

2. 数值型字段的相关性检验

3. 字符串型字段的离散化处理（专家打分法：字符串转数值打分）

---

游戏数据分析

常规指标

1. DAU、WAU、MAU、：日活跃、周活跃、月活跃

2. 留存率：次日留存率、7日留存率、30日留存率：第一天打开第二天也打开 / 第一天打开

3. 渗透率：某功能模块人数 / DAU

4. 转换率：针对某个连贯路径使用下一个节点的人数 / 使用上一个节点的人数（打开APP的人数 / 开始游戏的人数（使用漏斗模型））

商业化指标

1. ARPU：一个时间段每用户的平均收入 ARPU = 付费金额 / 活跃人数

2. CPM：千次曝光成本 CPM = （广告投入总额 / 所投广告展示数） / 1000

3. CPC： 每个点击成本 CPC = 广告投入总额 / 点击数

4. ROI：投资回报率 ROI = 收入 / 支出 * 100% = ARPU * 用户数 / 所有支出

用户流失分析

流失周期 == 回流率稳定

回流率 = 回流用户数 / 流失用户数 = 某个周期内的流失用户数在周期结束后又回来 / 某个周期内的流失用户数

（枚举法：周期 = 1D、2D、3D...ND。回流率趋于收敛，那么该周期就是回流周期）

---

分析陌生行业

无从下手的原因：1.没有切入点。2.没有具体生动的案例

流程

1. 理清业务模式（知道在干啥）
2. 寻找北极星指标（最重要是什么）
3. 立体维度拆解分析（具体案例）
4. 小发现大猜想（发散收敛）
5. 数据验证（闭环）