商業數據分析的四個層次

2021-01-10 騰訊網

關注免費獲取資料

1、可免費領取數據相關的面試題+面試攻略。

2、可免費領取相關的資料；

3、進交流群，認識更多的數據小夥伴。

01

引言

我通常把數據理解為業務的另一個他，單純的數字是沒有靈魂的，而背後的業務卻是鮮活的。商業數據分析的核心是洞察數據背後業務的規律，本質是數據賦能。

我相信從事商業分析的小夥伴們都聽說過，數據分析的三個層次：描述性分析、診斷性分析和預測性分析。

著名的諮詢公司Gartner在2013年總結、提煉出了一套數據分析的框架，如上圖所示，他們把數據分析分成了四個層次，除了剛才說到的三個之外，還有一個處方性分析。診斷出業務的問題之後，還需要結合實際情況，給出運營策略去改善它。我更傾向把處方性分析合到診斷性分析裡，因為分析和運營是需要結合在一起的。當然，這些小細節影響並不大。

如今在公司0-1的參與項目，先前很多的方法論正好有機會都經歷一遍，所以想結合這些框架梳理一下自己的想法，歡迎大家留言或者進群交流。

本篇文章先跟大家介紹一下數據分析的四個層次：描述性分析、診斷性分析、預測性分析、處方性分析。

02

描述性分析 - 發生了什麼？

通過一些核心指標的數據和前後對比，告訴業務方（或者老闆）目前業務的現狀是怎樣的。比如常見的流量、轉化率、收入、成本等等這些指標。往往這些指標是比較宏觀和概括性的，對比完就能對整體的情況有個認知。

在公司裡，大家經常會用Tableau做日報/周報，其實主要承擔的就是描述性的匯報。

關於描述性分析，需要思考幾個問題，才能讓整個日/周報概括而又具體：

1、關注哪些業務？

首先要思考在日/周報中展示哪些業務，可以提供幾個維度去參考：

1、老闆關心哪些業務？想了解什麼信息？

2、部門負責哪些業務，重點是在推哪些？

可以沿著這個方向去確定要展示的業務。

2、用哪些指標，如何衡量變好/變壞？

善用對比（環比/同比）、趨勢等比較方式，不能只展示指標的數據，還要能直觀的反映出目前狀態是好還是壞。

3、沉澱分析框架。

當然，描述性匯報也需要沉澱診斷性分析的框架。比如說，在周報中展示轉化率指標，不論漲跌，大家肯定會在意是怎麼回事。而要分析這事兒，就可以按渠道進行拆解，分成app端、pc端、小程序端的轉化率等等，分別關注一下。

所以對於該指標的框架性拆解分析，就可以沉澱在描述性匯報中，這樣指標的漲跌就立馬能定位到哪個環節的問題。定位出問題環節後，再細一步的原因就需要去找對應的業務方諮詢了。

03

診斷性分析 - 為什麼會發生？

業務變好/變壞了，除了知道這個結果外，我們還需要通過數據進一步的了解為什麼會這樣。

在診斷性分析中，就需要去分析業務結果和很多因素的相關性，當然，怎麼能較快速的定位到分析哪些因素和結果的關係，要基於對業務的理解。可以大家一起頭腦風暴分析業務數據，也可以去調研，或者深度訪談一些業務關鍵角色，讓他們給一些輸入，我們才可能知道從哪些維度去分析數據更合理。

1、定性分析

若分析的僅是一個特徵與結果的相關性，則可以通過畫二者的二維散點圖進行分析，通過圖形描述，可以初步且直觀判斷二者的存在何種相關關係：正相關、負相關、無關；如果相關的話，是線性相關還是非線性相關(拋物線、指數等)。

2、定量分析

我們通過散點圖可以定性的判斷兩者是否具有相關性。定量上，我們可以通過回歸對他們對關係做出精確的描述。

若結果為連續值，則應用的模型為回歸模型，包括：

a. 一元線性回歸

若僅有一個特徵與結果相關，並且其是呈線性關係的，則可以進行一元線性回歸，即建立回歸模型y=a+bx計算出截距a和斜率b，x為特徵（自變量），y為結果（因變量）；

b. 多元線性回歸

在實際業務中，僅單個特徵與結果相關的情況是不多見的，大多數都是多特徵共同作用導致的結果。若多個特徵無多重共線性，且與結果呈線性關係，則可以進行多元線性回歸分析，建立回歸模型y=a+b1x1+b2x2+...+bnxn；

c. 非線性回歸

如果回歸模型的因變量是自變量的一次以上函數形式，回歸規律在圖形上表現為形態各異的各種曲線，稱為非線性回歸。常見的非線性回歸模型包括：雙曲線模型、冪函數模型、指數函數模型、對數函數模型、多項式模型等；

04

預測性分析 - 後續可能會發生什麼？

預測性分析就是提前評估後續可能會發生什麼？在工作中的場景，經常就是利用現有數據進行測算，評估業務接下來的發展。比如提前需要測算業務年度成本、年度目標、未來收益的大小等等。

05

處方性分析 - 該怎麼做？

這步的分析通常是接著診斷性分析的，在我們找到了業務變化背後的原因後，我們就需要去想一些策略去改善它。

首先是要定位出業務原因。在診斷性分析這一步，我們在數據上找到了影響結果的因素，這時候就需要去在業務層面上思考原因；

比如說，為了促進用戶轉化，我們發放了優惠券，但是後續發現券的使用很少，單量也沒有上升，這是數據維度的原因。那業務層面的呢？為什麼用戶都不用優惠券呢：

用戶沒有發現優惠券的位置；

用戶覺得優惠券額度小；

這時候有些猜測的原因可以通過數據來論證，而有些原因就需要去調研用戶；如果是優惠券的位置不明顯，我們就需要在產品上調整；如果是優惠券的額度太小，我們就需要去適當調整優惠力度。只有準確的找到了業務原因，我們才能用策略根本性的解決它。

我發現很多時候，業務原因的定位是缺失的，往往我們在發現數據原因後，我們就開始思考運營策略了，指向性也非常的強，激勵（抓手）+數據維度的改變。這種做法是比較粗糙的。可能短期內有效果，但是一旦你激勵停止，業務還是會回到原來的狀態。

核心還是要找到業務改變的關鍵動作以及可以運營的業務場景，不能盲目的抓結果！

我知道你在看喲

相關焦點

  • 數據分析的四個層次
    編輯導讀：單純的數字是沒有靈魂的，但是數據分析卻可以洞察出數據背後業務的規律。因此，數據分析是商業活動中重要的一項工作。本文將圍繞數據分析的四個層次展開介紹，希望對你有幫助。一、引言我通常把數據理解為業務的另一個他，單純的數字是沒有靈魂的，而背後的業務卻是鮮活的。
  • XBRL層次結構與財務信息數據挖掘
    【摘 要】XBRL是XML在商業報告領域的規範化，發展步伐迅猛。XBRL吸收了XML的結構層次特點，並有其獨特的地方。它通過分層機制，有利於把握商業事實內在語義，便於計算機理解，促進了財務信息數據挖掘。
  • 四個維度助你分析會議活動的數據
    會議復盤對於分析會議活動來說非常重要，可以幫助我們了解會議的得與失，從而有針對性地對會議模式進行改進。分析—場會議的活動數據可以從四個維度來入手，參與度、預期收益、傳播量和投入產出比。比如:通過這個分析出我們人員參與度是20%，和以往的數據進行對比，這個參與度的高了還是低了?問題出在哪裡?是咱們宣傳有問題還是會議引導沒到位，或是其他什麼原因？下圖是鯨會務的用戶管理截圖，可以清楚的展示用戶的數量、報名人數、籤到人數等，幫助辦會者了解用戶的參與度，對會議情況進行分析總結。
  • 數據分析四個步驟是什麼?
    我將回答有關數據分析四個步驟的問題。數據分析過程的主要活動包括識別信息需求，收集數據，分析數據，評估和提高數據分析的有效性。下面，我將為大家詳細介紹這四個步驟。一，識別需求信息需求是確保數據分析過程有效性的主要條件，並且可以為數據收集和分析提供明確的目標。識別信息需求是管理者的責任。管理人員應根據決策和過程控制的需求提出信息需求。
  • 數據人生的感悟:商業智能與商業分析區別
    ，明確問題的原因和影響，以及科學和合理得出相關的結論；Planning ——基於相應的情況和推理，確定一系列的行動計劃；Prediction ——基於嚴格的推理，得到對於未來的各種可能性的預期；Problem solving ——通過相應的問題特點，提供解決根本問題的方法和措施；Abstraction ——通過具體的明細數據和場景
  • 商業數據分析應該怎麼做——搞清楚這6個問題是關鍵
    數據分析有多種類別，比如運營分析、產品分析、商業分析等。每個類別有自己框架和重點，同時也會有些許的交集。比如對通過用戶分層，看不同用戶的表現。運營分析、產品分析、商業分析大概都會用到這個視角。那麼我們今天就聊聊其中的商業分析，更準確點說是商業數據分析。
  • ...商業數據科學聯合實驗室發布首份《中國網民商業行為研究報告》
    派擇科技與中國人民大學於2016年達成戰略合作，正式成立了國內首個「商業數據科學聯合實驗室」 (下文簡稱「聯合實驗室」)。通過為期一年對網民底層網絡行為和驅動需求進行定性研究，並結合網民行為監測數據進行定量分析，聯合實驗室傾力打造了行業首份《中國網民商業行為研究報告》，首先對汽車、電商、金融保險三個行業進行了系統深入探討，為廣告行業了解目標用戶需求和網絡行為、洞察在線廣告營銷方向梳理出了清晰的標準與規則，並結合商業行為模式總結得出了廣告投放策略和應用規範。
  • 有效溝通的四個層次
    在對這種互動的提問和觀察當中，我觀察到有效的溝通，清晰地分為四個層次。其中一位同事分享的是《共情力》，是杏仁核分泌的皮質醇影響了一個人共情能力的強弱，而不僅僅是我們認為的情商，如果我們只是講從情商的角度提高情商，恐怕並沒有真正的效果。
  • 運營必備的 15 個數據分析方法
    1.1 數據分析的目標 對於企業來講，數據分析的可以輔助企業優化流程，降低成本，提高營業額，往往我們把這類數據分析定義為商業數據分析。商業數據分析的目標是利用大數據為所有職場人員做出迅捷、高質、高效的決策，提供可規模化的解決方案。商業數據分析的本質在於創造商業價值 ，驅動企業業務增長。
  • 深入淺出:如何從0開始學習大數據挖掘分析?
    最近有很多人諮詢，想學習大數據，但不知道怎麼入手，從哪裡開始學習，需要學習哪些東西？對於一個初學者，學習大數據挖掘分析的思路邏輯是什麼？本文就梳理了如何從0開始學習大數據挖掘分析，學習的步驟思路，可以給大家一個學習的建議。
  • 商業數據分析中如何進行差異分析
    1.商業場景 在商業分析中，經常需要通過排名展示出最熱賣的產品或產品子類。使用簡單的排名分析無法展示出產品品類（或子類）之間的銷售額差異。例如，銷售額排名第一的書架類產品與銷售額排名第三的椅子類產品的銷售額相差多少?解決此類問題需要分析產品品類之間的銷售額差異。
  • 國際關係理論的層次分析方法
    >1.體系層次分析：行為體之間的互動/行為體與體系之間的互動2.國家層次分析：戰略決策、經濟權力、軍事權力、國內其他因素3.個人層次分析：人性——認知、意象、知識背景、心理等二、羅斯諾（Rosenau）的六個層次概念    個人：決策者個人及其個性角色：決策者扮演的角色
  • 亞馬遜數據分析與商業智能系統——船長BI
    、FBA分析與免費索賠於一體的數據分析與商業智能系統。 船長BI功能介紹及使用 一、億級大數據 億級別大數據市場調研 每天更新億級數據，圖形化分析大類目的數據分布和商品走勢，預估產品銷量，助你掌握全局； 每個大類目多達TOP200W的商品，監控排名上升和潛力新品，十幾個數據維度供您隨意篩選。
  • 大數據下的商業倫理:電商不誠信行為分析
    然而，電商行業也存在一些發展隱患，對商業倫理產生了挑戰，如誠信缺失、侵犯智慧財產權和欺詐等問題。在大數據時代，每個自然人都是一個數據源，不斷產生各種各樣的數據——消費數據、交易數據、社交數據等，人們的各種行為都被數位化，成為一種重要資源。對於電商行業尤其如此，隨著大數據的融入，傳統商業倫理問題的呈現方式、影響程度、應對路徑等方面變得更加複雜、激烈，且不確定性更高。
  • 5個層次分析:產品設計中的「借鑑」思想如何運用?
    戰略層、範圍層、結構層、框架層、表現層這五個層次出現在產品的不同流程中，但排列組合又組成了一個有機的網際網路產品。那麼本文基於5個層面分析，「借鑑」競品應該如何去做？
  • 《天道》:四個角色,四種認知層次,看看你在哪一層?
    這部電視劇改編自作家豆豆的長篇小說《遙遠的救世主》，它講述了與常人思維方式迥異的商業怪才丁元英，在操盤的私募基金被迫結束後，來到古城暫居。為了給刑警隊的女友芮小丹，在貧困村創造一個神話，策劃了格律詩公司和行業巨頭樂聖公司之間「以小勝大」的精彩商戰，從而讓負責音響加工的王廟村村民脫貧。
  • 競爭對手的數據分析方法
    確定了你的競爭對手並收集到足夠數據後，我們就要對他們進行深度分析了。競爭對手分析路徑競爭對手分析共分為10個步驟，如圖1是分析路線圖。這個分析路線圖側重於企業前端即營運端的分析。
  • BI(商業智能)與BA(商業分析)大比拼
    其實簡單的點來說，可以把「商業智能」理解為將數據轉化為知識的分析工具，把「商業分析」理解為基於知識的決策方法。在實際應用中，二者的範圍是交疊和關聯的。「商業分析方法學」來指代BA和BI的組合。首先需要確定這兩個概念在商業活動中扮演的角色。兩者的分析視角、切入點和著重點不一樣。
  • 認知四層次模型
    《思辨與立場》的作者理察保羅，曾經提出過人的認知四層次理論，他將人們的認知劃分出了四個等級，分別為:一、不知不知即不知道自己不知道，處在這個層次的人最為可怕，因為自以為是，所以做事盲目自信，會把過錯推脫給環境，經常半途而廢，他的進步非常緩慢，經常不懂裝懂，感覺什麼事都很簡單，還總幻想著上天的眷顧，幻想著自己總有一天能幹出一番大事業。
  • 這裡有10G的生物信息學中個層次的分析技術匯總
    生物信息學（Bioinformatics）是研究生物信息的採集、處理、存儲、傳播，分析和解釋等各方面的學科，也是隨著生命科學和計算機科學的迅速發展，生命科學和計算機科學相結合形成的一門新學科。它通過綜合利用生物學，計算機科學和信息技術揭示大量而複雜的生物數據所賦有的生物學奧秘。