- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据森麟
100种分析思维模型（2）
上次我介绍了第 001 号分析思维模型： 福格行为模型(点我) 下面开始介绍第 002 号分析思维模型： 杜邦分析模型 1. 应用杜邦分析模型的步骤： （1）从核心指标开始，逐层分解各个指标； （2）制作杜邦分析图，填入相关指标数据； （3）对比前后期数据，或者横向进行对比。 杜邦分析模型可以一层又一层地向下分解，形成一个类似于金字塔的结构，从而比较清晰地展现指标之间的关系。 2. 应用举例 杜邦分析模型在财务分析、销售管理等领域都有着广泛的应用。 比如说，我用 Excel 做了一个杜邦分析模型，它体现了数据分析的对比思维和细分思维，就是把一些重要的财务指标，按月份进行对比，并层层进行分解。 ? 小结 杜邦分析模型带给我们的启示，是在日常工作和生活中，要有对比思维、细分思维和上游思维，深度参与和服务自己的上一个环节，争取在问题发生之前，就把问题解决掉。
56220发布于 2021-03-12 - 来自专栏数据万花筒
数据思维|总结常用的数据分析思维和分析方法
点击上方蓝字关注我们 掌握常用的数据分析方法论是培养数据分析思维的基础，俗话说“工欲善其事，必先利其器”，而数据分析方法论就是数据分析是最强大的武器之一。 这一节会围绕数据分析常用分析方法展开，概括性地介绍数据分析师在日常工作中较为常用的数据分析方法论。 01 三大分析思维 对比分析，用户分群以及相关性与因果性分析是贯穿数据分析全流程的三大分析思维。 图1 三大分析思维概括 没有对比就没有明确的数据结论，对比分析可以衡量数据整体大小，数据波动以及数据变化趋势，所以说对比分析是得出数据结论最简单有效的方法。 用户分群也是贯穿数据分析全链路的分析思维，根据用户的行为数据/消费数据等特征对用户分群是实现用户精细化运营的基础。 当然，数据分析师也可以根据需要使用RFM模型或者K-Means等机器学习算法实现用户分群。 除了对比分析和用户分群之外，相关性与因果性分析也是数据分析师需要具备的第三大分析思维。
1.9K20发布于 2021-07-05 - 来自专栏数据森麟
数据分析必备思维之：目标思维
前几天写了一篇数据分析思维的文章，反响不错。我决定再写一些数据分析思维方面的文章。 数据分析的方法很多，思维的技巧也很多，面对具体问题的时候，如何选择合适的方法？ 要想破局，就必须有目标思维，必须搞清楚业务方的目的是什么。 业务方想要的数据，不一定真的是他想要的。 这句话看似矛盾，实际上在工作中很常见。 2、找到目标，才能确定指标 数据分析，最基础的是要有数据。业务上的各种数据，又称为指标。 每项业务都会有一个核心的关键指标，一切工作都应当是为了优化这个指标而开展的。 不同的功能目标，分析的方向也不同。 提出这种问题的业务方一般有两种情况： 1，业务方很信任你，一切尽在不言中，觉得你肯定能搞定。 2，业务方自己也没思路，想先随便拉点数据看看。 而且往往拉出来一堆数据以后，对方看了半天，还是看不出什么东西。 这种情况要帮业务方理清业务思路，如果某位需求方经常这样，惹不起还躲不起么。 总结 很多数据分析新人经常会出现没有目标思维的情况。
85820发布于 2021-01-08 - 来自专栏ShowMeAI研究中心
图解数据分析 | 数据分析思维
[数据分析思维-数据『对比』] 1.1 指标的可对比性 指标的可对比性，可以从四个“一致”原则来评估：对象一致、时间属性一致、定义与算法一致、数据源一致。 （1）比价对象一致 比较的对象一致。 （1）对比要可比 对比分析要有可比性。 （2）差异要显著 组间差异要显著，组内差异要细微。常用的显著性检验有T检验和方差分析。 [数据分析思维-数据『细分』] 2.1 增加维度 一个维度是数据表的一列。通常情况下，维度是指定性数据。例如，产品提供的服务的类型、用户分布的地域等。 [数据分析思维-数据『溯源』] 一手数据是最原始的数据，包含的内容最丰富，但数据可能不规范。 本系列教程涉及的速查表可以在以下地址下载获取： Pandas速查表 Matplotlib速查表 Seaborn速查表 拓展参考资料 利用Python进行数据分析·第2版 w3schools pandas
1.8K41编辑于 2022-02-24 - 来自专栏生信技能树
数据分析思维之分而治之
拆分成为了两个项目就可以各自独立的跑单细胞转录组数据分析的降维聚类分群流程啦，而且也可以很容易给出来生物学名字，如下所示： 单细胞转录组数据分析的降维聚类分群流程 但是呢，这个是因为是跑了两次单细胞转录组流程 内存限制是进行大规模生物信息学分析时的一个主要挑战，尤其是在处理大规模单细胞数据集时。 分而治之： 对于可以独立处理的分析（如单细胞打分），可以将数据集拆分成多个子集，分别处理后再合并结果。 数据子集： 只加载数据的一个子集进行分析，而不是一次性加载整个数据集。 正是因为有所限制才让大家理解数据分析的本质 上面是从生物学角度去理解单细胞转录组数据分析的本质，如果是从计算机角度看，需要做的应该是： 内存管理： 优化代码以减少内存使用，例如使用更高效的数据结构和算法 使用专业软件： 针对特定分析使用专业的软件和工具，这些工具通常经过优化，能够更有效地处理大数据。
34110编辑于 2024-11-21 - 来自专栏IT从业者张某某
什么是数据分析思维
参考 一文学会如何做电商数据分析（附运营分析指标框架） 电子商务该如何做数据分析？ 如何数据分析入门（从各项指标表象进入） https://www.processon.com/outline/6589838c3129f1550cc69950 数据分析步骤 什么是数据分析思维 主旨 数据分析中的核心竞争力根本不在具体的工具或技能，而是在于分析思维 技能决定下限，思维决定上限 技能 工具类：Excel、Python、SQL等数据工具使用 算法类：分类、聚类、回归算法的原理和应用 ：懂业务、懂用户 业务数据分析是最基本的思维能力 定义问题的思维 目标导向：需求究竟说的是什么 理性思维：理解需求中的逻辑关系 分析问题的思维 拆解问题的结构化思维能力 分析问题的逻辑推理能力 解决问题的思维 要分析的更加落地，我们必须懂业务、懂用户，这样才能在数据分析的过程中结合业务理解，提出可落地的分析建议 如何补足思维的短板 懂 数据分析思维基本功 数据指标可以解决不客观
34320编辑于 2023-12-26 - 来自专栏Python数据科学
数据分析思维和方法：用户画像分析
无论是产品策划还是产品运营, 前者是如何去策划一个好的功能, 去获得用户最大的可见的价值以及隐形的价值, 必须的价值以及增值的价值, 那么了解用户, 去做用户画像分析, 会成为数据分析去帮助产品做做更好的产品设计重要的一个环节 因为当我们知道我们的群体的是什么样的一群人的时候, 潜在的用户也是这样的类似的一群人, 这样才可以做最精准的拉新, 提高我们的ROI 在真正的工作中, 用户画像分析是一个重要的数据分析手段去帮助产品功能迭代 2.精准营销 假如某个电商平台需要做个活动给不同的层次的用户发放不同的券, 那么我们就要利用用户画像对用户进行划分, 比如划分成不同的付费的活跃度的用户, 然后根据不同的活跃度的用户发放不用的优惠券。 数据分析 在做描述性的数据分析的时候, 经常需要画像的数据, 比如描述抖音的美食博主是怎么样的一群人, 他们的观看的情况, 他们的关注其他博主的情况等等 简单来说就是去做用户刻画的时候, 用户画像可以帮助数据分析刻画用户更加清晰 数据层: 首先 是数据层, 用户画像的基础是首先要去获取完整的数据, 互联网的数据主要是 利用打点, 也就是大家说的数据埋点上报上来的, 整个过程就是 数据分析师会根据业务需要提数据上报的需求,然后由开发完成
1.8K21发布于 2021-02-01 - 来自专栏张俊红
数据分析的 8 种思维
2. 细分思维 细分可以说无处不在，大到宇宙可以细分，小到原子核也可以细分。人生的大目标可以细分，某次小考试的成绩也可以细分。 在数据分析的工作中，细分的纬度主要包括时间、地区、渠道、产品、员工、客户等。杜邦分析法、麦肯锡的 MECE 分析法本质上都属于细分思维。 3. 溯源思维 有时候，即使运用了对比思维和细分思维，依然分析不出来结论，怎么办？ 此时可以试试溯源思维，追溯数据源的详细记录，然后基于此思考数据源背后可能隐藏的逻辑关系，或许会有意外的洞察。 如果不断用溯源思维去分析，那么对数据的敏感和业务的理解也能逐步加深。 4. 相关思维 在大数据时代，核心就是相关思维，这种思维是建立在相关分析的基础上。 啤酒与尿布的故事，是一个相关分析的经典案例。 在数据分析中，假设思维的专业术语叫假设检验，一般包括四个步骤，即：提出假设、抽取样本、检验假设、作出判断，在这里我们就不展开去讲那些专业术语了。 6.
79310发布于 2019-09-25 - 来自专栏数据分析之旅
数据分析方法之矩阵思维
2. 什么是矩阵思维？ 我们都学过数学中的四象限，有量化的x轴，也有量化的y轴。其实矩阵思维就是那么一回事！ RFM模型：RFM模型是被数据分析人员用烂的一个模型，主要应用于客户管理场景。 、用户需求分析等场景，矩阵思维都派的上用场。 站在巨人的肩膀上，我们可以看得更远，但灵活运用这个思维，具体问题具体分析，才是王道。 3. 如何应用矩阵思维？ 具体问题具体分析：即使是思考框架，采用什么维度或指标也是需要结合实际而定 2. 动态变化：通过矩阵思维划分出来的品类是可能相互转化的，要用发展的眼光来看到品类间可能存在的变化 3.
1.3K51发布于 2020-08-11 - 来自专栏华章科技
数据分析的 8 种思维
导读：数据分析，应该更加注重思维的培养，那么数据分析的思维主要有哪些呢？ 本文总结了 8 种数据分析的思维，并用一些小故事进行举例说明。 在数据分析的工作中，细分的纬度主要包括时间、地区、渠道、产品、员工、客户等。杜邦分析法、麦肯锡的 MECE 分析法本质上都属于细分思维。 03 溯源思维 有时候，即使运用了对比思维和细分思维，依然分析不出来结论，怎么办？ 此时可以试试溯源思维，追溯数据源的详细记录，然后基于此思考数据源背后可能隐藏的逻辑关系，或许会有意外的洞察。 如果不断用溯源思维去分析，那么对数据的敏感和业务的理解也能逐步加深。 ? 04 相关思维 在大数据时代，核心就是相关思维，这种思维是建立在相关分析的基础上。 在数据分析中，假设思维的专业术语叫假设检验，一般包括四个步骤，即：提出假设、抽取样本、检验假设、作出判断，在这里我们就不展开去讲那些专业术语了。 ?
82332发布于 2019-09-25 - 来自专栏数据森麟
数据分析的 8 种思维
本文转载自林骥 在《数据分析的思维与工具》这篇文章中，我们提到，应该更加注重数据分析思维的培养，那么数据分析的思维主要有哪些呢？ 我总结了 8 种数据分析的思维，并用一些小故事进行举例说明。 1. 2. 细分思维 细分可以说无处不在，大到宇宙可以细分，小到原子核也可以细分。人生的大目标可以细分，某次小考试的成绩也可以细分。 在数据分析的工作中，细分的纬度主要包括时间、地区、渠道、产品、员工、客户等。杜邦分析法、麦肯锡的 MECE 分析法本质上都属于细分思维。 3. 溯源思维 有时候，即使运用了对比思维和细分思维，依然分析不出来结论，怎么办？ 此时可以试试溯源思维，追溯数据源的详细记录，然后基于此思考数据源背后可能隐藏的逻辑关系，或许会有意外的洞察。 如果不断用溯源思维去分析，那么对数据的敏感和业务的理解也能逐步加深。 4. 相关思维 在大数据时代，核心就是相关思维，这种思维是建立在相关分析的基础上。 啤酒与尿布的故事，是一个相关分析的经典案例。
53511发布于 2019-09-27 - 来自专栏数据科学与人工智能
【数据分析】如何用商业思维分析游戏用户行为数据
第1步：看整体数据，主要看整体数据有何异常，以及哪些数据的趋势较好(例如，整体数据，游戏人数稳定，月收入对比极端) 第2步：看细分数据(例如，细分数据，游戏新增用户和流失活跃付费用户成正比，新增用户不付费 ，大R流失严重) 第3步：结合数据分析(例如，分析数据，付费玩家为什么流失? 2. 培养数据的衍生敏感性 如果市场上的牙刷销量增加了，你能感觉到牙膏的销量也会增加吗? 用商业思维看行为数据 行为数据，即用户行为占有率，例如活跃度，留存率，付费率… 商业思维，即利益分析，例如用户周期价值，用户可挖掘价值的探索性… 例如，两个公会冲突，游戏内打得火热，公会成员拼活跃 很简单的一次用户行为，很常见的用户行为数据，换个角度分析，或许就是一场商业营销! 5.
1.8K81发布于 2018-02-27 - 来自专栏全栈数据化营销
数据分析实例：数据分析思维在分析中的运用实例
有数据分析和没有数据分析意识，在工作中会有什么区别呢？举个例子： 下图是几个1月初同时上市的新产品在上市后20周的销售数量记录，需要依据这些数据记录来尝试探索生命周期的问题。 ? 2、SKU1、SKU2的销量在第10周是最大值（波峰），然后开始下滑。SKU3从第八周开始下跌的。 所以，具备数据分析思维的人，往往能够基于业务特点和需求出发，从数据特点角度，寻找合适的分析方法，得到的结论往往就是更加直观和深入。 ? Excel是使用最为广泛、最为便捷的办公软件，而且它的数据分析和挖掘功能功能十分强大，能够快速完成所有的数据清洗的过程，能够快速建立分析模型，并且快速运行得出结果，是做数据分析必备的工具。 下面是即将在我的小密圈里分享的120个Excel商业数据分析实战案例目录，欢迎看我个人资料联系我： ?
1.6K30发布于 2019-01-03 - 来自专栏CDA数据分析师
如何用商业思维分析用户行为数据？
第1步：看整体数据，主要看整体数据有何异常，以及哪些数据的趋势较好(例如，整体数据，游戏人数稳定，月收入对比极端) 第2步：看细分数据(例如，细分数据，游戏新增用户和流失活跃付费用户成正比，新增用户不付费 ，大R流失严重) 第3步：结合数据分析(例如，分析数据，付费玩家为什么流失? 2.培养数据的衍生敏感性 如果市场上的牙刷销量增加了，你能感觉到牙膏的销量也会增加吗? (以MMO混服为例，区分用户可给包打上渠道标识，简单易懂) 4.用商业思维看行为数据 行为数据，即用户行为占有率，例如活跃度，留存率，付费率… 商业思维，即利益分析，例如用户周期价值，用户可挖掘价值的探索性 很简单的一次用户行为，很常见的用户行为数据，换个角度分析，或许就是一场商业营销!
1.4K60发布于 2018-02-23 - 来自专栏凹凸玩数据
讲一下数据分析思维
让你的数据会说话 老板：“身为一名数据分析师，怎么一点数据思维都没有？” 数据分析师：“我写的分析报告、周报里不全都是数据么，这还没有数据思维？” 先给结论： 数据思维 = 站在全方位的角度 + 给出精准现状描述 本文目标是帮助大家培养“数据思维”，这种思维能提升日常工作的交流效率，交流的对象可以是老板、老师or同事等。 本文主要分为两个部分，首先讲数据在工作中的作用，其次是什么是数据思维，即如何充分发挥出数据的作用。 2、 怎么解决这个问题？ 3、 哪些干扰因素可能让我们做出错误判断？ ? 02 什么是数据思维 在上文中我们提出了数据的作用是了解现状和快速拉齐信息，接下来回到开头的场景，为什么明明写的分析报告、周报里都是数据，还是老板还觉得没有数据思维呢？
57330发布于 2020-05-06 - 来自专栏Hank’s Blog
如何建立数据分析的思维框架
曾经有人问过我，什么是数据分析思维？ 如果分析思维是一种结构化的体现，那么数据分析思维在它的基础上再加一个准则： 不是我觉得，而是数据证明 这是一道分水岭，“我觉得”是一种直觉化经验化的思维，工作不可能处处依赖自己的直觉，公司发展更不可能依赖于此 数据证明则是数据分析的最直接体现，它依托于数据导向型的思维，而不是技巧，前者是指导，后者只是应用。 作为个人，应该如何建立数据分析思维呢？ 了解和使用指标是数据分析思维的第一步，接下来你需要建立指标体系，孤立的指标发挥不出数据的价值。和分析思维一样，指标也能结构化，也应该用结构化。 数据模型还有几种常见的技巧、叫做钻取、上卷、切片。 选取就是将维度继续细分。比如浙江省细分成杭州市、温州市、宁波市等，2010年一季度变成1月、2月、3月。
1.5K40发布于 2020-09-16 - 来自专栏灯塔大数据
基于数据分析的产品思维模式
坦白讲，我对“数据分析”的概念知之甚少，仅有的那点理解：统计数据，分析数据，大数据(Big Data)。 正文 如何对产品进行数据分析呢?或者说对我这样的一个数据分析小白来讲，该从何入手数据分析呢? 思维方式决定行动结果。 ? 数据分析的思维方式 第一要点：什么是数据分析? 数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。 2、分析解决问题：产品出现不良状况，肯定是存在缘由的。不可能凭空想象臆造问题，必须尊重客观现实。那么只有通过必要的数据试验才能追溯到问题源头，进而制定合理的解决方案，彻底解决问题。 数据分析过程 2、数据来源：数据分析的对象是数据，数据从哪来?数据本身的准确性从根本上影响着分析结果的有效性，所以确保有效、靠谱的数据来源至关重要。 行文小结 数据分析的核心并不在于数据本身，而在于设计有意义、有价值的数据指标，通过科学有效的手段去分析，进而发现问题优化迭代。数据分析因价值而存在，数据分析本就是一个价值增量的过程。
87540发布于 2018-04-09 - 来自专栏大数据文摘
如何用商业思维分析用户行为数据
第1步：看整体数据，主要看整体数据有何异常，以及哪些数据的趋势较好(例如，整体数据，游戏人数稳定，月收入对比极端) 第2步：看细分数据(例如，细分数据，游戏新增用户和流失活跃付费用户成正比，新增用户不付费 ，大R流失严重) 第3步：结合数据分析(例如，分析数据，付费玩家为什么流失? 2. 培养数据的衍生敏感性 如果市场上的牙刷销量增加了，你能感觉到牙膏的销量也会增加吗? 用商业思维看行为数据 行为数据，即用户行为占有率，例如活跃度，留存率，付费率… 商业思维，即利益分析，例如用户周期价值，用户可挖掘价值的探索性… 例如，两个公会冲突，游戏内打得火热，公会成员拼活跃，比等级 很简单的一次用户行为，很常见的用户行为数据，换个角度分析，或许就是一场商业营销! 5.
1.3K130发布于 2018-05-21 - 来自专栏腾讯大讲堂的专栏
数据分析应学习逻辑思维及分析方法
关于数据分析，本文将从逻辑思维和分析方法2个角度进行解读，其中分析方法会介绍数据分析前的准备以及数据如何为我们创造长期价值。 一、数据分析应有的逻辑思维 逻辑思维，是在认识事物的过程中借助概念、判断、推理等思维形式反映客观现实的理性认识过程。借助逻辑思维，能够确立执行方向，减少方向的偏移度以及分析的误差。 在数据分析中，其过程是与逻辑归纳相近的，过程如下： 提出问题➟分析问题➟提出假设➟验证假设➟输出结论 只有具备了良好逻辑思维，才能更好的帮助我们数据分析。 2-3、二分法及矩阵法 这两种结构化方式，其实不太适合用于数据分析，但能够帮助我们梳理思路便于全局思考。 二分法不适用于数据分析的原因是，世界不是非黑即白的，它很难将某个数据指标的值枚举完毕。 笔者此前面向的数据分析，常常是“一锤子买卖”，花了很大的力气采集数据却没有了下文。 为了使有用功更多，下文将从用户和收益2个维度分享数据如何为我们沉淀长期价值。
1.2K30发布于 2020-07-29 - 来自专栏个人分享
思维体系---技术思维、业务数据思维、产品思维、复合思维
没错，解决一个复杂问题的激动，系统上线后看着流量的注入，那份成就感，以及对于出现error时的那个份紧张，想想都感觉到激动哈哈~那么本文的主题，便是分析纯技术思维的一些优势和弊端，以及如何规避纯技术思维所造成的一些问题 二、业务数据思维 业务思维上，更多会考虑到业务本身的价值，具有较强的业务敏感度。 很容易从工作中发现问题，再从发现的问题重，进行统计数字化分析，观察其覆盖面或影响范围或共同点，从而抽象成形成一类的问题，进行业务梳理，从而指导产品的建设。当然，在工作中很少有纯做业务的。 那么下来说下数据思维，数据思维更多的是发现数据与数据之间的关联性，事物与事物之间的联系，通过哪一类事物，我们可以通过数据处理、数据分析、算法分析等手段去应证，去推算。 技术、数据、业务思维以及极高的情商才能够达到的。
1.4K10发布于 2018-09-06
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号