自学数据分析——数据分析方法和模型

一、数据分析方法

数据分析的思维需要培养，先模仿别人，从模仿者到创造者。首先需要建立数据的敏感性，能快速了解数据在说什么，下面我们以抖音教育直播为例，首先来了解核心指标，以及各个指标所表示的含义。

了解完核心指标的含义后，下面我们运用各种数据分析方法对数据进行分析：

1、根据核心指标（直播间数量）对业务的一级品类进行占比分析。

2、根据核心指标（观看次数 PV）对业务趋势进行分析，可通过分析趋势异常拐点以及曲线波动出现的原因，来发现规律。

分析更细粒度的观看用户数 UV，查看细粒度趋势。

3、对 2020 年 1 月和 5 月教育类达人开播直播间数进行对比分析。

同比：相邻时段中某一相同时间点进行比较。

同比的计算公式为：同比增长 =（本期统计周期数据 - 去年同期统计周期数据）÷ 去年同期统计周期数据 × 100%

例如：15 年和 16 年是相邻时段，15 年 2 月和 16 年 2 月是这两个相邻时段的同一个时间点，把这两个时段进行数据对比，就是同比。

环比：相邻时间段的对比。

环比的计算公式为：环比增长 =（本期统计周期数据 - 上期统计周期数据）÷ 上期统计周期数据 × 100%

例如：2015 年 3 月份和 2015 年 4 月份相比较就叫做环比。

4、通过两个以上核心指标将业务对象按照象限划分，进行象限分析。

5、Top 排名分析，可通过面积图曲线分析数据的长尾效应。

长尾效应：英文名称 Long Tail Effect。“头”（head）和“尾”（tail）是两个统计学名词。

正态曲线中间的突起部分叫“头”；两边相对平缓的部分叫“尾”。从人们需求的角度来看，大多数的需求会集中在头部，而这部分我们可以称之为流行，而分布在尾部的需求是个性化的，零散的小量的需求。而这部分差异化的、少量的需求会在需求曲线上面形成一条长长的“尾巴”，而所谓长尾效应就在于它的数量上，将所有非流行的市场累加起来就会形成一个比流行市场还大的市场。

6、对数据按照不通的维度拆解，进行不通维度的数据分析。

二、数据分析模型

这里的模型不一定是指具体分析数据的模型，也是一种思想的模型，下面我们介绍三种常用的数据分析模型。

1、费米问题-大致估算

从供需关系的角度能解决 80%的费米问题，有多少追求就有多少的动机。我们假设加油站能满足需求，然后基于我们已知的信息，计算一个加油站的供给能力，加油站的需求量，最后 需求除以一个加油站的供给能力，就能得到所需的加油站数量。

当然，这个数据不一定是准确的，我们需要知道的是，这个过程叫做建模，用到的数据就叫做参数，根据这些数据我就能预测出想要的数值。供需关系是我们解决费米问题的一种思考方式，利用空间关系、收入关系、时间关系等同样可以解决此类问题。

2、七问分析法-思考角度的拓展

解决问题的时候，我们都可以通过 5W2H 的方式来寻找解决问题的角度。

3、分析互联网产品，AARRR 模型

AARRR 模型中每一个步骤都有一两个关键的指标：比如留存步骤中的留存率，变现步骤的变现率，传播中的引客因子（一个人可以传播几个人）等等，感兴趣可以自己进一步详细了解。

拼多多的砍一刀就是一个很好的案例。

三、总结

通过上面的内容，我们学习了几种常用的数据分析方法和数据分析模型。

数据分析方法包括：占比分析、趋势分析、对比分析、象限分析、排名分析、维度拆解。

数据分析模型包括：费米问题-大致估算模型、七问分析法模型、AARRR 模型。

当我们进行数据分析时，面对数据指标，我们可以使用上面的分析方法进行分析，如果有需要解决的问题，我们可以通过数据分析模型进行分析处理。

参考资料：B 站 python 数分课堂