精华内容
下载资源
问答
  • 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?这里总结了 8 种数据分析的思维,并用一些小故事进行举例说明。
  • 数据分析思维猴子

    千次阅读 2021-06-08 22:11:24
    数据分析思维猴子---------------方法篇---------------1. 业务指标1.1 如何理解业务指标?1.2 常用的指标 ---------------方法篇--------------- 1. 业务指标 1.1 如何理解业务指标? 第一步,弄清每一列的...

    ---------------方法篇---------------

    1. 业务指标

    1.1 如何理解业务指标?

    在这里插入图片描述

    第一步,弄清每一列的含义

    第二步,数据分类

    1. 用户数据:我是谁
    2. 行为数据:我做了什么
    3. 产品数据:卖什么

    1.2 常用的指标

    现代管理学之父:“如果你不能衡量,那么你就不能有效增长”

    用某个统一的标准去衡量业务,这个统一的标准就是指标
    在这里插入图片描述

    1.2.1 用户数据指标

    在这里插入图片描述

    1.2.1.1 新增用户指标——日新增用户

    新增用户的价值

    1. 没有新增用户,用户数就会慢慢减少,产品越来越惨淡
    2. 按渠道维度拆解新增用户,可用来判断渠道推广的效果

    1.2.1.2 活跃用户(不活跃用户)指标——活跃率

    不同产品对活跃的定义不同,分析之前一定要先搞清其定义

    根据时间将活跃率分为——日活跃率、周活跃率及月活跃率
    在这里插入图片描述

    在统计人数时,一定要去除重复的数据

    1.2.1.3 留存用户(流失用户)指标——留存率

    留存率的价值

    1. 评估产品功能对用户的黏性
    2. 反映了不同时期获得新用户的流失情况

    主要的留存率指标包括——次日留存率、3日留存率、7日留存率、30日留存率
    在这里插入图片描述
    Facebook的40-20-10法则——新用户次日留存率达到40%,7日留存率达到20%,30日留存率达到10%,则认为产品的数据表现是好的

    1.2.2 行为数据指标

    1.2.2.1 PV和UV

    根据PV或UV大小的比较,可以看到用户喜欢产品的哪个功能,从而根据用户行为来优化产品

    1.2.2.2 转发率

    转 发 率 = 转 发 某 功 能 的 用 户 数 看 到 该 功 能 的 用 户 数 转发率=\frac{转发某功能的用户数}{看到该功能的用户数} =

    1.2.2.3 转化率

    转化率的计算方法与具体业务场景有关

    在这里插入图片描述

    1.2.2.4 K因子

    K因子:即一个发起推荐的用户可以带来多少新用户,可用来衡量推荐的效果

    当K>1时,新增用户会像滚雪球一样变大;当K<1时,新增用户数达到某个规模时,就会停止自传播增长

    1.2.3 产品数据指标

    1.2.3.1 衡量总量的指标

    包括成交总额、成交数量、访问时长

    成交总额(GMV)——包括了销售额、取消订单金额、拒收订单金额和退货订单金额

    1.2.3.2 衡量人均的指标

    在这里插入图片描述
    人均付费,在游戏行业又叫ARPU,电商行业称为客单价

    付费用户人均付费,又称为ARPPU

    1.2.3.3 衡量付费的指标

    在这里插入图片描述
    付费率能够反映产品的变现能力和用户质量

    复购率反映用户的付费频率

    1.2.3.4 产品相关的指标

    常见的有热销产品数、好评产品数、差评产品数等

    1.2.4 推广付费指标

    在这里插入图片描述
    一般的,如果推广一个新产品,要选择App 的下载数付费(CPD)
    当具备一定品牌影响力之后,再用按点击次数付费(CPM)或投放实际效果付费(CPA)

    展开全文
  • 数据分析入门及初级的各种数据源,可作为实验数据直接导入使用,有些机器学习相关的部分可以学习参考下
  • 点击上方“程序IT圈”,选择“置顶星标”公众号干货福利,第一时间送达摘要在做数据分析的过程中,经常会想数据分析到底是什么?为什么要做数据数据分析数据分析到底该怎么做?等这些问题。对于这...

    点击上方“程序IT圈”,选择“置顶星标”公众号

    干货福利,第一时间送达

    摘要

    在做数据分析的过程中,经常会想数据分析到底是什么?为什么要做数据数据分析?数据分析到底该怎么做?等这些问题。对于这些问题,一开始也只是有个很笼统的认识。

    最近这两天,读了一下早就被很多人推荐的《谁说菜鸟不会数据分析》这本书。发现对这些问题讲的还是比较透彻,随后宝器对这本书的核心内容做了一个笔记。

    说明:笔记主要以思维导图的方式呈现。

    目录

    一、数据分析概述

    数据分析指用适当的统计分析方法对收集来的大量数据进行分析,将它们加以汇总和理解并消化,以求最大化地开发数据的功能,发挥数据的作用。

    二、确定分析目的和思路

    主要讲数据分析的方法论,如何利用管理学、营销学等知识从宏观上指导数据分析的过程,为的是明确分析的目的和思路,以免南辕北辙,分析了很久却不能解决要面临的问题。

    其中PEST用于对行业的宏观环境分析,5W2H可以用于用户的行为、业务问题分析、逻辑树可以将某业务问题拆分为子问题进行专题分析、4P是一种营销理论,用来信进行公司产品的运营情况分析、用户行为分析可以用来分析各级指标之间的逻辑关系。

    三、如何准备数据

    “巧妇难为无米之炊”。数据就好比谚语中的米。做为数据分析师更是应该知道“米”的两个方面。第一:“米的构造”「理解数据」,第二“米”从哪里「数据来源」。

    四、数据预处理

    在做数据分析之前需要将数据清洗、加工、转换等一些步骤以使得数据成为可以用于建模分析的规整数据。

    五、数据分析方法(微观)

    当完成数据的处理之后,现在需要真正的从细节上对数据进行分析,并且在微观上也有一套比较固定的数据分析方法可供参考使用。

    六、可视化图表及美化

    当数据分析的工作完成之后,需要对分析结果进行可视化展示及美化。

    表6-1 如何选择图表


    七、数据分析报告

    数据分析报告是对整个数据分析过程的一个总结和呈现。通过报告,把数据分析的起因、过程、及结果完整的展现出来、提供给决策者参考。

    八、总结

    以上是宝器对整本书做的一个核心内容精炼,并生成了完整版思维导图及内容的PDF版本。由于长图过大,利用动图展示:

    完整版思维导图gif:

    以上数据分析完整版思维导图获取,请在后台回复:【316】。

    介绍完以上的思维导图,最后分享份收藏已久的数据分析课的视频资源,希望帮助公众号的读者入门!

    大家可以在公众号『程序IT圈』上输入框回复:【数据

    ~完~

    从2019年开始,公众号的送书活动,会采用一个月时间留言打卡最多的形式送出 。留言的话题,每天都不一样。

    打卡格式:Day 0X:+评论区文末话题留言或者每日真实收获 。

    打卡赠书 | 养成一个思考习惯

    希望这个打卡活动,可以长期坚持下去,助大家养成一个思考和分享的习惯!

    今日话题(第20天)

    看完本文,你对于数据分析的概念是否比较清楚了,请在评论区思考留言打卡,你个人对于"数据分析"的理解 。错了没关系哈!任何一个话题都可以,只要是经过自己认真思考后得出的答案即可!每天文末的话题讨论打卡,就是希望大家多交流,每个人都有在公众号发言的权力!希望你和我一起在这里成长! 

     点击「写留言」分享你的看法吧~

    感谢关注!欢迎转发!

    明天见,预告有赠书活动~

    转发和好看

    也是一种支持

    展开全文
  • 1.1 如何理解数据 可从以下两个方面理解数据: 每一列的含义 数据分类 从数据分类里,进一步地可以分为: 用户数据:比如用户的姓名、年龄、职业等; 行为数据:如浏览了哪些产品,停留时长等; 产品数据:如产品...

    今天和大家一起精读一本最近很火热的数据分析新书——《数据分析思维:分析方法和业务知识》,作者猴子·数据分析学院。

    全书分为两大块,第一块内容是方法论,也就是前三章,介绍了数据分析的方法、数据指标体系和一些基础的内容。

    第二块是实战部分,讲了电商、金融、在线教育、运营商、零售等不同行业的业务知识和案例分析。

    这篇文章就是在阅读了这本书第一章的一个读书笔记加上我自己的理解,让我们一起来精读。

    1.业务指标

    1.1 如何理解数据

    可从以下两个方面理解数据:

    • 每一列的含义
    • 数据分类
      从数据分类里,进一步地可以分为:
      • 用户数据:比如用户的姓名、年龄、职业等;
      • 行为数据:如浏览了哪些产品,停留时长等;
      • 产品数据:如产品名称、类别等。
    分类列名
    用户数据昵称、性别、年龄、地域 、访问设备、何时关注
    行为数据阅读数、分享数、收藏数、在看数、点击菜单数
    产品数据文章标题、日期、阅读量

    1.2 常用的指标有哪些

    用户数据指标

    对用户分类,可以分为新增用户、活跃用户和留存用户3大类,从这三大类可以得到相应的指标:

    • 日新增用户数:各渠道来源

    这是我公众号的日新增用户数,甚至可以从不同的渠道来看,如搜一搜、他人转载、名片分享等渠道。

    • 活跃率

    这里牵扯到如何定义“活跃”这个概念,不同的产品有不同的定义方法,但广泛地来讲,活跃率=活跃用户数/总用户数

    • 留存率

    留存用户就是留下来的用户,和它相对应的是流失用户,根据时间不同,留存率可以分为次日留存率、第3日留存率,第7日留存率,第30日留存率等。

    比如次日留存率=第1天新增用户中,在第2天使用过该产品的用户数/第1天新增用户数

    40-20-10法则:新用户次日留存率为40%,7日留存率为20%,30日留存率为10%是比较好的。

    行为数据指标

    • PV:Page View ,访问次数
    • UV:Unique Visitor,访问人数
      比如一个网页,1天被1个人打开了10次,那么它的PV是10,UV是1.

    比如我公众号的菜单栏【干货学习】-【可视化】这个子菜单PV是9,UV是7.

    • 转发率
    • 转化率

    如广告转化率=点击广告的人数/看到广告的人数

    • k因子

    k因子=平均每个用户向多少人发出邀请 x 接收到邀请的人转化为新用户的转化率

    k因子用来衡量推荐的效果,K>1,则新增用户数会像滚雪球一样增大。

    产品数据指标

    总量

    • GMV成交总额
    • 成交数量
    • 访问时长

    人均

    • 人均付费APRU/客单价
    • 付费用户人均付费ARPPU
    • 人均访问时长

      付费
    • 付费率:付费人数/总用户数
    • 复购率:重复购买率

    产品
    比如热销产品top N

    推广付费指标

    • 展示位广告:按展示次数计费,CPM,多少人看了
    • 搜索广告:按点击次数计费,多少人点了
    • 信息流广告:按实际投放效果付费,如CPD按下载付费,CPI按安装付费,CPS按完成购买的用户数或销售额付费

    1.3 如何选择指标

    如何选择指标,在《精益数据分析》这本书里其实讲的已经很透彻了。
    什么是好的数据指标:精益数据分析

    • 比例
    • 北极星指标:衡量业务的核心指标

    1.4 指标体系和报表

    什么是指标体系

    使用多个指标从不同的维度评估业务,指标+体系

    指标体系有什么用

    • 监控业务
    • 寻找问题
    • 优化工作

    如何建立指标体系

    • 明确部门KPI,找到一级指标:一级指标并非只能一个指标
    • 了解业务运营情况,找到二级指标:拆解
    • 梳理业务流程,找到三级指标
    • 通过报表监控指标,不断更新指标体系:日报,周报,月报

    关于指标体系,其实从收集需求、规划方案、采集数据、数据验证到效果评估每个流程都需要多部门协调,这个过程中会用到很多分方法,如AARRR模型,之前也写过:数据分析应关注AARRR模型的哪些指标

    现代管理学之父彼得·德鲁克说过一句很经典的话:

    如果你不能衡量它,那么你就不能有效增长它。

    从这句话中我们也能体会到数据之于业务的意义。

    好了,今天的精读就到这了,开启精读一本书这个系列的原因很简单,有一天我在找区块链相关的资料,小明同学推荐了我一本书《区块链基础知识25讲》,这本书还挺厚的,当时也是比较着急,自己看那么厚的纸质书还是电子版都不实际,突然我从CSDN上看到了别人的读书笔记,精读的那种,2个小时就把这本书讲了啥大概了解了。我发现像我一样有这种需求的人还是很多,因此就出现了这个精读系列。

    展开全文
  • 数据分析有哪些好书值得推荐?

    千次阅读 2019-04-25 18:17:06
    如果你打开招聘的职位要求,都会要求具有统计学的知识,这是因为统计学是数据分析、机器学习的基础知识,是必须要学习的。 推荐理由:很多人感到统计学无聊,是因为从一开始就没有明白学习这门课的意义是什么,...

    1、统计学书单

    如果你打开招聘的职位要求,都会要求具有统计学的知识,这是因为统计学是数据分析、机器学习的基础知识,是必须要学习的。

    推荐理由:很多人感到统计学无聊,是因为从一开始就没有明白学习这门课的意义是什么,所以学下去的动力不足。《赤裸裸的统计学》可以让你了解学习统计学的意义什么?在日常生活中统计学有什么用?你也可以把它当作一本科普书来读。

    推荐理由:如果你是零基础,《深入浅出统计学》可以让你轻松愉快的学会,书里面有通俗易懂的案例,图文并茂,学习统计学不会那么枯燥。

    推荐理由:适合有基础的人看。如果你之前学过些统计学,但是又还给了老师,那么,有一定基础的你,《商务与经济统计》可以深入了解统计学。但是,注意了,如果你是零基础,看这本书会有些困难。

    2、SQL

    推荐理由:零基础入门,只推荐一本书那就是《SQL基础教程》。这本书写的也是通俗易懂,里面的案例也很贴合实际应用。

    有人会推荐《SQL必知必会》,其实这本书零基础的人看不懂,有基础的倒是可以把这本书当做一本字典来使用,遇到问题了,可以查找对应的内容。

    3、业务知识

    数据分析是一个行业特征很明显的职业。如果你说自己想进入“互联网行业',那就说明你还没想清楚到底要干什么。

    因为互联网的存在是为了解决某个行业的问题(互联网+行业),比如滴滴、高德地图解决的是出行交通行业的问题(互联网+交通出行),小学英语在线平台vipkid解决的是教育行业的问题(互联网+教育),蚂蚁金服解决的是金融行业的问题(互联网+金融),饿了么解决的是餐饮行业的问题(互联网+餐饮)。

    而这些行业都需要数据分析师,每个行业域的业务知识也不一样。你以后找的也是成为XXX行业的数据分析师。只有确定了行业,才能研究这个行业是什么,对症下药,这样成功转型的概率最大。

    下面推荐几个行业的书,可以帮助你掌握该行业的业务知识,在面试中可以回答业务知识相关的面试题。学会面对一堆数据,正确分析的思路是什么。

    电商行业:《数据化管理:洞悉零售及电子商务运营》

    游戏行业:《游戏数据分析实战》

    网站:《网站分析实战》

    HR行业 《人力资源与大数据分析》

    金融行业:《消费金融真经:个人贷款业务全流程指南》 

    其他行业:国外作者肖恩的《增长黑客》

    推荐理由:里面案例细节很多,可执行性很强,有理论有实践。其中的AARRR漏斗分析是经典的数据分析方法:一文看懂产品运营的分析方法

    4、Python

    Python毋庸置疑是人工智能时代排名第一的编程语言。学习Python分为两部分:

    1)掌握Python基础语法

    2)学会如何使用Python进行数据分析

    推荐理由:如果之前没有学过编程,那么看其他编程的书会让你无聊,最后导致放弃。而《与孩子一起学编程》图文并茂,对于入门学习Python基础语法比较适合。

    这本书的英文名是《Hello World! Computer Programming for Kids and Other Beginners》,比起中文名《与孩子一起学编程》来,区别在于这本书不仅仅适合于训练孩子对编程的兴趣,对于任何对编程有兴趣的人,都是不可多得的一本编程入门书。

    推荐理由:前面的《与孩子一起学编程》可以帮助你学会Python基础语法。学会以后,就可以看《利用Python进行数据分析》学习如何使用Python进行数据分析了。

    假期除了吃喝玩乐,还可以利用碎片化时间看看书,让自己的人生更美好。在知识的海洋里,一次小小的偶遇,可能就是你苦候良久的邂逅。

    推荐:数据分析师学习路线

    展开全文
  • 推荐再多,估计很多人也看不过来,就好比微信收藏了很多文章,但是真正反复看的却很少。所以,下面推荐三本可以提高逻辑思维能力的书,不多,但也看的过来。推荐理由:这本书的英文名...
  • GenetworkClient

    2013-06-10 23:52:01
    本人开发的Genetwork客户端代码,实现了空间资源的添加、删除、修改和查找功能,方便Genetwork用户和开发者使用Genetwork
  • 首先介绍了算法概述,然后重点分析数据结构和基本算法思想;接着详细讲解了算法在排序、查找、数学计算、数论、历史趣题、游戏等领域中的应用;后梳理和精选了一些经典的算法面试题,供读者开拓思维之用。 第1章...
  • 首先介绍了算法概述,然后重点分析数据结构和基本算法思想;接着,详细讲解了算法在排序、查找、数学计算、数论、历史趣题、游戏、密码学等领域中的应用;最后,列举了算法的一些常见面试题。  书中知识点覆盖...
  • 数据简化社区Google和Linux代码风格指南(附PDF公号发“代码风格”下载) 秦陇纪2019代码类 数据简化DataSimp 昨天 数据简化DataSimp导读:数据简化社区(Data SimplificationCommunity)遵从Google开源项目风格指南...
  • 博雯 梦晨 发自 凹非寺量子位 报道 | 公众号 QbitAIGAN这回玩了票大的,把手伸向了“人脑思维”。没错,直接就是一个“合成思维”——生成用来喂给脑机接口的那种大脑活动数据。作者表...
  • 出版社:机械工业出版社 ISBN:9787111640004E上架时间:2020-5-26出版日期:2019 年11月开本:16开页码:176版次:1-1 所属分类: 科技->计算机网络->程序设计专为青少年入门读者开发的编程书创新性地使用思维导图...
  • 人类至今未解六大哲学命题、世界著名十大哲学命题(回复“哲学命题”下载PDF典藏版资料) ...
  • [附概率基础知识,文末可下载28页PDF] 原创: 秦陇纪 数据简化DataSimp 4月2日 简介 :概率Probability的基础知识、本质是什么? ( 文末 “阅读原文” 可下载 29 图3码26k字28页 PDF ) ...
  • 如何区分数据对象和属性:xx单、xx表一般都是数据对象,数据对象区别于其他实物独立存在的个体,数据对象一般能用量词“类”来形容。数据对象的属性数据可被用来增删查改,可以通过该来查漏补缺。 4、数据流程图 ...
  • 计算机电子书 2016 BiliDrive 备份

    万次阅读 2019-12-15 12:47:29
    数据挖掘十大算法详解.epub (2.89 MB) bdrive://430dd85b41396fa455e394731887ddcad9771164 Java 开源项目中文文档.epub (3.82 MB) bdrive://4505a8dda78daf7ce303ae047a1af5d27f065891 python-doc-...
  •  中文书名:误区:思维中常犯的6个基本错误  作者:ThomasE.Kida  前 言  6个思考陷阱  你认为你是什么样的人,你就是什么样的人……天哪!好可怕。  ——莉莉•汤姆林    我看见鬼了。有一天,我...
  • 计算机开放电子书 2016 归档

    万次阅读 2016-03-15 19:52:57
    数据挖掘十大算法详解 Gitee 下载 Github 下载 SourceForge 下载 深入浅出MFC Gitee 下载 Github 下载 SourceForge 下载 深入浅出Node.js InfoQ迷你书 Gitee 下载 Github ...
  • 程序员的思维修炼:开发认知潜能的九堂课

    万次阅读 多人点赞 2014-06-19 16:43:43
    这些活动使用了大脑中完全不同的思维路径,这些思维路径深受人类思想和思考方式的影响。思想并没有与大脑或身体的其他部分切断,它们相互间是密切相连的。这只是一个例子(在本书的后面章节将会讨论更多关于大脑的...

空空如也

空空如也

1 2 3 4 5 ... 11
收藏数 210
精华内容 84
关键字:

数据分析思维猴子pdf