一篇文章读懂数据分析结构
发布时间：2021-06-05 10:47:22 所属栏目：大数据 来源：互联网
导读：分析业务的过程 随着现在大数据存储、云计算、IOT等技术的快速发展，越来越多的场景数据被收集起来，数据的重要性也逐渐被各大公司重视。收集数据是第一步，更重要的是如何分析数据，发现背后的商业价值，帮公司做出正确的决策。 面对海量的数据，面对业务出
|
分析业务的过程
随着现在大数据存储、云计算、IOT等技术的快速发展，越来越多的场景数据被收集起来，数据的重要性也逐渐被各大公司重视。收集数据是第一步，更重要的是如何分析数据，发现背后的商业价值，帮公司做出正确的决策。
面对海量的数据，面对业务出现的问题，我该如何下手呢?其实分析解决问题的过程，和生活中医生给人看病的过程类似，都遵循一套流程。
一篇文章读懂数据分析框架
这是解决问题/看病的一般流程，实际情况可能要更复杂一些，过程中需要根据结果反馈不断的迭代方案，直到解决问题。
分析解决业务问题的框架是什么
根据上面的介绍，可以把解决问题的框架整理为：发现问题 – 定义问题 – 寻找原因 –提出解决方案 – 落地执行 – 反馈迭代。
衡量标准：业务问题被解决，指标提升了。
1.发现问题
发现问题的过程可能是来自于业务方，属于被动输入;也可能是商业分析师自己从指标变化中发现了问题，属于主动输入。后者需要对业务非常了解，清楚指标的正常波动范围在哪儿，对数据敏感，这样才能发现异常的波动。
2.定义问题
对于发现的问题，要能够清晰的定义出来：可以根据SMART原则，不断的向下发问，直到没有问题为止。
S：Specific 具体的
M：Measurable 可衡量的
A：Attainable 可实现的
R：Relevant 相关的
T：Time-bound 有期限的
举个例子，老板让你分析下某社区附近的自家生鲜超市销量为什么最近有所下滑。很多时候老板/业务方的需求描述都是这样，问题比较模糊。这时候你就需要去进一步定义问题：
销量下滑是整体品类都在下滑还是单一品类?
最近下滑是最近什么时间段，同之前什么时间段的比较?
下滑是降低了多少?计算口径是什么?老板的输入是来自哪里?
带着这些问题，辅助看一些数据，之后同老板再次确认细节，最终明确出来，老板提的需求是：分析某社区附近的自家生鲜超市2月份水果品类销量同1月份比较为什么下滑了10%?到这里，我们才明确要分析的问题是什么。
再接着往下分析之前，要先去数据校验一下老板提出的问题是否属实，因为他们的输入也不知道是来自哪里，可能和真实情况比会有偏差。
3.寻找原因
定义清楚问题之后，接下来就要去分析问题背后的原因了。首先要做的就是将业务进行拆解，遵循两个原则：
按业务场景，往可运营的方向上拆解
每步拆解满足MECE原则
一篇文章读懂数据分析框架
这两个原则是什么意思呢?
我们分析的项目常常会对应多个业务场景，例如：产品场景、运营场景、市场场景等等;所以我们在拆解这个项目时要把场景考虑全了，根据业务顺序，按场景来拆解。
举个例子，如果公司的流量转商机率降低了，要去分析是什么原因。拆解的时候可以分成两个部分，流量进入平台(APP)、平台内的商机转化，对应的是：市场场景和产品场景。前者可能是广告投放命中的不是目标用户;后者可能是产品内容的问题，没有直接呈现用户感兴趣的内容，引导产生商机等等。
所以在拆解业务时，先拆场景，再针对具体场景往可运营方向上拆解，那这是什么意思呢?
我们以贝壳找房来举个例子，贝壳是一家平台型的房地产加盟公司，平台内有很多加盟品牌，例如：链家、德佑、21世纪、中环等等。
我们在分析平台的业务时，很容易想到的拆解方向就是按品牌来，比如某城市的商机转成交率下降了，我们按品牌维度来拆解，这样确实可以定位出来是哪个品牌的原因，但是呢，贝壳平台不能跳过品牌直接去管理它下面的门店，所以这样拆解即使找到了原因，也没有办法解决。
但贝壳将城市分成了几大片区，每个片区有贝壳自己的负责人，所以针对片区，我们可以去管理，那就很清晰了，拆解问题的方向要按片区来，只有这样发现的问题，我们才有能力去解决。
 （编辑：新余站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
