
开始数据分析学习总结的第二篇:结构为王——确定分析思路。粗体依然是自己的,较少,一个学计算机人的对这些营销、管理的方法论了解实在甚少。
一、数据分析方法论
上一篇提到过确定分析思路需要以营销、管理等理论为指导,这些数据分析相关的营销、管理等理论统称为数据分析方法论。养成在分析方法论指导下开展分析的习惯,以确保分析结果具有指导意义。
数据分析方法论主要有以下几个作用:
1)理顺分析思路,确保数据分析结构体系化;
2)把问题分解成相关联的部分,并现实它们之间的关系;
3)为后续数据分析的开展指引方向;
4)确保分析结果的有效性及正确性。
其实,数据分析方法论就是用已有的一些理论作为分析思路,使其体系化、结构化,然后再按此分析思路确定衡量的数据指标,最后使输出的结论更具有说服性和理论性。数据分析方法论是宏观上的,而具体的数据分析方法是微观上的。
二、常用的数据分析方法论
这里主要介绍了四种常用的数据分析方法论,它们适用于各自不同的分析情况,有的主要用于用户行为分析,很适合互联网产品尤其网站、有的主要用于行业分析、还有的主要用于公司整体情况分析,可以先简单了解一遍,后面有总结各主要用于什么分析。有点枯燥,谁叫这是方法论呢-.-||
1. PEST分析法
PEST分析法用于对宏观环境的分析。宏观环境又称一般环境,是指影响一切行业和企业的各种宏观力量,一般都应对政治Political、经济Economic、技术Technological和社会Social这四大类影响企业的主要因素进行分析,简称为PEST分析法。
构成政治环境的关键指标有:政治体制、经济体制、财政政策、税收政策、产业政策、投资政策、专利数量、国防开支水平、政府补贴水平、民众对政治的参与度等。
构成经济环境的关键指标有:GDP及增长率、进出口总额及增长率、利率、汇率、通货膨胀率、消费价格指数、居民可支配收入、失业率、劳动生产率等。
构成社会文化环境的关键指标有:人口规模、性别比例、年龄结构、出生率、死亡率、种族结构、妇女生育率、生活方式、购买习惯、教育状况、城市特点、宗教信仰状况等。
构成技术环境的关键指标有:新技术的发展和进展、折旧和报废速度、技术更新速度、技术传播速度、技术商品化速度、国家重点支持项目、国家投入的研发费用、专利个数、专利保护情况等因素。
2. 5W2H分析法
在所有逻辑思考方法中,5W2H分析法可以说是最容易学习和操作的方法之一。5W2H分析法即何因Why、何事What、何人Who、何时When、何地Where、如何做How、何价How much,以此构成5W2H分析法的总框架。
3. 逻辑树分析法
逻辑树又称问题树、演绎树或分解树等。逻辑树是分析问题最常使用的工具之一,它是将问题的所有子问题分层罗列,从最高层开始,并逐步向下扩展。
把一个已知问题当作树干,然后开始考虑这个问题和哪些相关问题有关。每想到一点,就给这个问题所在的树干加一个“树枝”,并标明这个“树枝”代表什么问题,依此找出与问题相关联的所有项目。
逻辑树的作用主要是帮助你理清自己的思路,避免进行重复和无关的思考。逻辑树能保证解决问题的过程的完整性,它能将工作细分为便于操作的任务,确定各部分的优先顺序,明确地把责任落实到个人。
逻辑树的使用必须遵循以下三个原则:
1)要素化:把相同问题总结归纳成要素;
2)框架化:将各个要素组织成框架,遵守不重不漏的原则;
3)关联化:框架内的各个要素保持必要的相互关系,简单而不孤立。
不过逻辑树分析法也有它的缺点,就是涉及的相关问题可能有遗漏,虽然可以用头脑风暴法把设计的问题总结归纳出来,但还是难以避免存在考虑不周全的地方。所以在使用逻辑树的时候,尽量把设计的问题或要素考虑周全。
4. 4P营销理论
营销理论产生于20世纪60年代的美国,它是随着营销组合理论的提出而出现的。营销组合实际上有几十个要素,概括为四类:产品Product、价格Price、渠道Place、促销Promotion,即著名的4P营销理论。
需要了解公司的整体运营情况,就可以采用4P营销理论对数据分析进行指导,这样就可以较为全面地了解到公司的整体运营情况。搭建好分析框架后,根据这些确定的问题,可再将它们细化为数据分析指标。
5. 用户行为理论
用户使用行为是指用户为获取、使用物品或服务所采取的各种行动,用户对产品首先需要有一个认知、熟悉的过程、然后试用,再决定是否继续消费使用,最后成为忠实用户。
现在可利用用户使用行为理论,梳理网站分析的各关键指标之间的逻辑关系,构建符合公司实际业务的网站分析指标体系。
用户行为理论这种方法论对互联网产品来说尤其网站是很适合的,分析出用户的主要行为路径,按步骤设定衡量的数据指标再去具体分析。
根据用户行为的一步步进行,分析指标包括:UV、PV、人均页面访问量、访问来源、平均停留时长、跳出率、页面偏好、搜索访问次数占比、注册用户数、注册转化率、登录用户数、人均登录、访问登录比、订购量、订购频次、内容、转化率、回访者比率、访问深度、用户流失数、流失率等。
以上五种分析方法论主要用途分别为:
1)PEST分析理论主要用于行业分析;
2)5W2H分析理论的用途相对广泛,可用于用户行为分析、业务问题专题分析等;
3)逻辑树分析理论可用于业务问题专题分析;
4)4P分析理论主要用于公司整体经营状况分析;
5)用户行为理论的用途较单一,就是用于用户行为研究分析。
当然这些理论可以互相嵌套使用,根据实际情况灵活使用,切勿生搬硬套。
最后,分析方法论是前人总结归纳出来的一条条讲得通的逻辑思路,我们现在借用来用到我们要分析的事情或产品上,一方面帮我们理清一个分析思路,另一方面让我们按此思路输出的结果有理论依据。方法论可以说就像数学里的公理吧,不需要证明的。(文章来源:CDA数据分析师培训官网)
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12