中国统计网

登录

首页

分类浏览

专题

专栏作者

问答

线下活动

企业招聘

app下载

投稿

注册




从0开始学电商数据分析-07
头像 零一 数据分析
数据分析

从0开始学电商数据分析-07

 

大家好,我是零一。我是一名数据分析师,8年的电商从业经验,擅长电商领域的数据分析和挖掘,常用的工具有Excel、PowerBI、Python、R等。

 

首先,我们要知道,什么叫数据分析。其实从数据到信息的这个过程,就是数据分析。数据本身并没有什么价值,有价值的是我们从数据中提取出来的信息。


 

image.png


 

然而,我们还要搞清楚数据分析的目的是什么?

 

目的是解决我们现实中的某个问题或者满足现实中的某个需求。

 

那么,在这个从数据到信息的过程中,肯定是有一些固定的思路,或者称之为思维方式。下面零一给你一一介绍。(本文用到的指标和维度是同一个意思)

 

第一大思维【对照】

 

【对照】俗称对比,单独看一个数据是不会有感觉的,必需跟另一个数据做对比才会有感觉。比如下面的图a和图b。

 

图a毫无感觉

 

image.png


图b经过跟昨天的成交量对比,就会发现,今天跟昨天实则差了一大截。


image.png


这是最基本的思路,也是最重要的思路。在现实中的应用非常广,比如选款测款、监控店铺数据等,这些过程就是在做【对照】,分析人员拿到数据后,如果数据是独立的,无法进行对比的话,就无法判断,等于无法从数据中读取有用的信息。

 

第二大思维【拆分】

 

分析这个词从字面上来理解,就是拆分和解析。因此可见,拆分在数据分析中的重要性。在派代上面也随处可见“拆分”一词,很多作者都会用这样的口吻:经过拆分后,我们就清晰了……。不过,我相信有很多朋友并没有弄清楚,拆分是怎么用的。

 

我们回到第一个思维【对比】上面来,当某个维度可以对比的时候,我们选择对比。再对比后发现问题需要找出原因的时候?或者根本就没有得对比。这个时候,【拆分】就闪亮登场了。

 

大家看下面一个场景。

 

运营小美,经过对比店铺的数据,发现今天的销售额只有昨天的50%,这个时候,我们再怎么对比销售额这个维度,已经没有意义了。这时需要对销售额这个维度做分解,拆分指标。

 

销售额=成交用户数*客单价,成交用户数又等于访客数*转化率。

 

详见图c和图d

 

图c是一个指标公式的拆解


image.png

 

图b是对流量的组成成分做的简单分解(还可以分很细很全)



image.png

 

拆分后的结果,相对于拆分前会清晰许多,便于分析,找细节。可见,拆分是分析人员必备的思维之一。

 

第三大思维【降维】

 

是否有面对一大堆维度的数据却促手无策的经历?当数据维度太多的时候,我们不可能每个维度都拿来分析,有一些有关联的指标,是可以从中筛选出代表的维度即可。如下表

 

image.png

 

这么多的维度,其实不必每个都分析。我们知道成交用户数÷访客数=转化率,当存在这种维度,是可以通过其他两个维度通过计算转化出来的时候,我们就可以【降维】.

 

成交用户数、访客数和转化率,只要三选二即可。另外,成交用户数*客单价=销售额,这三个也可以三择二。

 

另外,我们一般只关心对我们有用的数据,当有某些维度的数据跟我们的分析无关时,我们就可以筛选掉,达到【降维】的目的。也可以通过因子、主成分分析或者数据挖掘的方式来降维。

 

第四大思维【增维】

 

增维和降维是对应的,有降必有增。当我们当前的维度不能很好地解释我们的问题时,我们就需要对数据做一个运算,增加多一个指标。请看下图。

 

image.png

 

我们发现一个搜索指数和一个宝贝数,这两个指标一个代表需求,一个代表竞争,有很多人把搜索指数÷宝贝数=倍数,用倍数来代表一个词的竞争度(仅供参考)。这种做法,就是在增维。增加的维度有一种叫法称之为【辅助列】。

 

【增维】和【降维】是必需对数据的意义有充分的了解后,为了方便我们进行分析,有目的的对数据进行转换运算。

 

第五大思维【假说】

 

当我们拿不准未来的时候,或者说是迷茫的时候。我们可以应用【假说】,假说是统计学的专业名词吧,俗称假设。当我们不知道结果,或者有几种选择的时候,那么我们就召唤【假说】,我们先假设有了结果,然后运用逆向思维。

 

从结果到原因,要有怎么样的因,才能产生这种结果。这有点寻根的味道。那么,我们可以知道,现在满足了多少因,还需要多少因。如果是多选的情况下,我们就可以通过这种方法来找到最佳路径(决策)

 

当然,【假说】的威力不仅仅如此。【假说】可是一匹天马(行空),除了结果可以假设,过程也是可以被假设的。

 

我们回到数据分析的目的,我们就会知道只有明确了问题和需求,我们才能选择分析的方法。

 

顺带给大家讲讲三大数据类型。这个属于偷换概念,其实就是时间序列的细分,不是真正意义上的数据类型,但这个却是在处理店铺数据时经常会碰到的事情。数据放在坐标轴上面分【过去】、【现在】和【未来】

 

image.png

 

第一大数据类型【过去】

 

【过去】的数据指历史数据,已经发生过的数据。我们一般分析的数据就是过去的历史数据。

 

作用:用于总结、对照和提炼知识

 

如:历史店铺运营数据,退款数据,订单数据

 

第二大数据类型【现在】

 

【现在】的概念比较模糊,当天,当月,今年这些都可以是现在的数据,看我们的时间单位而定。如果我们是以天作为单位,那么,今天的数据,就是现在的数据。现在的数据和过去的数据做比较,才可以知道现在自己是在哪个位置,单有现在的数据,是没什么用处的。

 

作用:用于了解现况,发现问题

 

如:当天的店铺数据

 

第三大数据类型【未来】

 

【未来】的数据指未发生的数据,通过预测得到。比如我们做得规划,预算等,这些就是在时间点上还没有到,但是却已经有了数据。这个数据是作为参考的数据,预测没有100%,总是有点儿出入的。

 

作用:用于预测


如:店铺规划,销售计划


三种数据是单向流动的,未来终究会变成现在,直到变成过去。

 

End.


作者:零一(中国统计网特邀认证作者)


本文为中国统计网原创文章,需要转载请联系中国统计网(info@itongji.cn ),转载时请注明作者及出处,并保留本文链接。

我要评论
验证码
  • 0
暂无评论

关注公众号

中国统计网微信公众号

微信公众号:cntongji

今日热议

专栏作者

  • 黄成明
    统计网特邀认证作者
    黄成明 ,零售数据分析研究者,拥有15年的销售及数据分析经验,历经美国强生公司、妮维雅公司、雅芳公司和鼎盛时期的诺基亚公司。目前是数据化管理的咨询顾问和培训师。他独立研发了基于周销售权重指数的零售管理模型,可以有效地进行目标管理、销售预测、客流预估、促销评估、销售预警等。
  • 傅一平
    统计网特邀认证作者
    浙江移动大数据中心 数据管理部经理 博士 毕业于浙江大学 10多年数据从业经验,专注于大数据采集、处理、建模、管理、变现及产业等研究
  • tommy
    统计网特邀认证作者
    数据落地应用探索者
  • 秦路
    统计网特邀认证作者
  • 数据海洋
    统计网特邀认证作者
    数据应用的实践者!
  • 数据小兵
    统计网特邀认证作者
    数据分析知名博主,SPSS自学教练,博客www.datasoldier.net
立即下载
版权所有: 统计网. Copyright © 2016 itongji.cn All Rights Reserved. 备案号:ICP备15042641号-3