前言
資料分析個人認為可以算是邏輯思維的分流強化型應用，了解了邏輯和基本思維方法其他方法基本大同小異，有些許其區別，個人最近有些空閑時光正好抓緊學習一波資料分析基本思維做建模的時候好思維邏輯清晰，本文僅供參考，
提示：以下是本篇文章正文內容，下面案例可供參考
目錄
前言
一、資料分析的基本概念
1.資料分析主要包括：
折疊德爾菲法
二、資料分析必須掌握的能力
1.結構層次
2.資料分析流程-一般框架圖
3.資料分析的三種核心思維
三、資料分析方法
1.常用的分析方法：
2.資料分析方法：
一、資料分析的基本概念
資料分析是指用適當的統計分析方法對收集來的大量資料進行分析，將它們加以匯總和理解并消化，以求最大化地開發資料的功能，發揮資料的作用，
1.資料分析主要包括：
- 描述性統計分析
- 頻數分析
- 相關性分析
- （偏）自相關分析
- 單因素方差分析
- 多因素方差分析
- 描述性統計
- 正態性檢驗
- 協方差分析
- 偏相關分析
- Ridit分析
- 事后多重比較
- 探索性資料分析
- 匯總統計
- 可視化
- 驗證性資料分析
- 單樣本z 檢驗
- 單樣本t檢驗
- 雙樣本t檢驗
- 定性資料分析
-
折疊德爾菲法
- 折疊質量分析法
- 折疊吸引力指數
-
- 離線資料分析
- 在線資料分析
二、資料分析必須掌握的能力
- 資料思維
- 業務知識
- Excel
- 資料可視化
- SQL
- 統計學習
- Python、R
1.結構層次
- 底層資料的收集/產品端收集
- 資料業務化/產品需要什么樣的資料
- 資料決策和執行/怎么讓產品更好
- 資料模型/產品開始自動化和系統化的運營
- 資料戰略/指導未來
2.資料分析流程-一般框架圖
3.資料分析的三種核心思維
三種核心思維
- 結構化（結構化思維是指在思考分析解決問題時，以一定的范式、流程順序進行，首先以假設為先導，對問題進行正確的界定，假設并羅列問題構成的要素，其次對要素進行合理分類，排除非關鍵分類，對重點分類進行分析，尋找對策，制訂行動計劃，其是一種思維方式，同時也是一管理方法）
- 公式化（例如：程式=資料結構+演算法）
- 業務化（將如上方法結合，貼近業務）
三、資料分析方法
1.常用的分析方法：
- 象限法
- 包括二維平面，三維立體，
- 假設法
- 啟發思考驅動思維
- 對比法
- 一種挖掘資料規律的思考方法
- 二八法
- 一種只抓重點的思維
- 20%的變數將產生80%的效果
- 指數法
- 業務各類名詞指標
- 線性加權、反比例、log法
- 一種目標驅動的思維
- 多維法
- 包括鉆取、上卷、切片、切塊、旋轉等各種方法，
- 漏斗法
- 一種流程化思考方式
- 漏斗圖模型
2.資料分析方法：
- 5W2H分析法（WHAT+WHY+WHEN+WHERE+WHO+HOW+HOW MUCH）
-
步驟(1)做什么(What)?
條件是什么?哪一部分作業要做?目的是什么?重點是什么?與什么有關系?功能是什么?規范是什么?作業物件是什么?
步驟(2) 怎樣(How)?
怎樣做省力?怎樣做最快?怎樣做效率最高?怎樣改進?怎樣得到?怎樣避免失敗?怎樣求發展?怎樣增加銷路?怎樣達到效率?怎樣才能使產品更加美觀大方?怎樣使產品用起來方便?
步驟(3)為什么(why)?
為什么采用這個技術引數?為什么不能有響聲?為什么停用?為什么變成紅色:為什么要做成這個形狀?為什么采用機器代替人力?為什么產品的制造要經過這么多環節?為什么非做不可?
步驟(4)何時(when)?
何時要完成?何時安裝?何時銷售?何時是最佳營業時間?何時作業人員容易疲勞?何時產量最高?何時完成最為時宜?需要幾天才算合理?
步驟(5)何地(where)?
何地最適宜某物生長?何處生產最經濟?從何處買?還有什么地方可以作銷售點?安裝在什么地方最合適?何地有資源?
步驟(6) 誰(who)?
誰來辦最方便?誰會生產?誰可以辦?誰是顧客?誰被忽略了?誰是決策人?誰會受益?
步驟(7)多少(How much)?
功能指標達到多少?銷售多少?成本多少?輸出功率多少?效率多高?尺寸多少?重量多少?
-
-
邏輯樹析法（邏輯樹是將問題的所有子問題分層羅列，從最高層開始，并逐步向下擴展，）
-
行業分析方法（標準行業分類法和道-瓊斯分類法，）
-
PEST分析方法（政策（policy）、經濟（Economy）、社會（Society）、技術（Technology）
-
社會環境主要包括一個地區的入口、年齡、收入、分布、購買習慣、教育水平等，
-
-
多維拆解分析法
-
對比分析法
-
資料整體的大小：平均數、中位數
-
資料整體的波動：變異系數
-
趨勢變化：時間折線圖，環比和同比
-
-
假設檢驗分析法
-
假設檢驗分析法是一種使用資料來決策的程序
-
1.提出假設 2.收集資料 3.得出結論
-
-
相關分析法
-
“相關系數”就是用來衡量兩種資料之間的相關程度，通常用字母r來表示相關系數，
-
-
群組分析法
-
是按某個特征，將資料分為不同組，然后比較各組的資料，
-
-
RFM分析法
-
最近一次消費(Recency)
-
消費頻率(Frequency)
-
消費金額(Monetary）
-
AARRR分析法
-
1.獲取用戶->2.激活用戶->3.提高留存率->4.增加收入->5.推薦
-
-
漏斗分析方法
-
-
漏斗分析的作用是“定位問題節點”，找到出問題的業務環節在哪，
漏斗分析常用于用戶轉化分析、用戶流失分析
漏斗分析中兩個指標：用戶轉化和用戶流失，
-
參閱參考：
結構化思維
資料分析思維及方法
RFM
常見的分析方法之漏斗分析
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/402642.html
標籤：AI