全網最實用的建立數據分析思維框架的步驟

 

在被數據充斥的時代，掌握數據分析這門技巧會幫我們在效率以及可信度方面提升很多，今天整理了如何建立自己的數據分析思維框架相關內容。

 

1. 了解數據指標和維度

指標：按指標說明總體現象的內容不同，可分為數量指標和質量指標。數量指標是反映社會經濟現象的絕對數量和規模的指標，如總產量、銷售收入總額、職工人數等等。質量指標是反映一定時期工作質量、相對水平或總體內部的數量關系的指標，如利潤率、單位成本、勞動生產率、合格品率等。

維度:

維度：是事物或現象的某種特征，如性別、地區、時間等都是維度。其中時間是一種常用、特殊的維度，通過時間前后的對比，就可以知道事物的發展是好了還是壞了，如用戶數環比上月增長10%、同比去年同期增長20%，這就是時間上的對比，也稱為縱比；另一個比較就是橫比，如不同國家人口數、GDP的比較，不同省份收入、用戶數的比較、不同公司、不同部門之間的比較，這些都是同級單位之間的比較，簡稱橫比。

 

2. 建立數據指標體系

指標和維度是數據分析的第一步，接下來就需要建立數據分析指標體系，我們無法從單個指標中看到價值，通過將指標結構化，我們就能從中分析某一塊業務的表現，如下圖就是很好的一個例子，從數據分析思維將拉新過程的指標做了結構化。

 

 

3. 指標評判

數據分析另一要素是有判斷好指標還是壞指標的能力。好的指標應該最貼合業務實際，也最能反映企業發展。不是所有指標都是好指標，而我們要有判斷指標好壞的能力。企業在不同發展時期和不同業務關注的核心指標是不同的。比如微信公眾號在運營初期，運營者更關注粉絲數，如何吸粉和增粉？當粉絲量增加到幾萬、幾十萬級別，運營者可能更關注文章本身的閱讀量，用戶和公眾號直接的粘性怎么樣？是不是一個健康的狀態。

壞的指標是無用的虛榮指標；已經發生過的無意義的后驗性指標和陷于一堆指標造成的陷阱中的復雜性指標。影響對數據本身的全面和客觀認識，壞指標沒有任何實質性意義。

 

4. 維度分析法

我們總強調看待事物要從多角度去看，對于做數據分析也一樣，利用維度分析數據、使用統計學知識如數據分布假設檢驗、使用機器學習，維度是分析事物的角度，我們要從數據的不同維度剖析數字背后的含義和問題。而永洪BI則很好的囊括了這幾個步驟，幫助分析人員分指標維度快速拖拉拽實現數據分析結果。

 

這就是數據分析過程的思維框架，這個框架只是幫我們建立一個良好的分析意識，而不代表就能得到很好的數據分析結果，還需要我們提升在數據分析過程中的一些必備技能，如對業務的理解，一些專業的統計學知識，某個指標對數據的影響檢驗等技能。