<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          建立數(shù)據(jù)思維的13個實用思維工具

          共 3580字,需瀏覽 8分鐘

           ·

          2021-01-23 11:57

          作者老樹之見
          全文共3450個字,建議閱讀需15分鐘


          擁有數(shù)據(jù)思維才能發(fā)現(xiàn)數(shù)據(jù)價值,企業(yè)數(shù)據(jù)的治理,“治”的不僅是數(shù)據(jù),更是企業(yè)全員的思維模式!——談數(shù)據(jù)(石秀峰)

          如何建立數(shù)據(jù)思維?今天給大家推薦13個數(shù)據(jù)思維工具,無論是數(shù)據(jù)治理還是數(shù)據(jù)分析,相信將來你一定能用上,強烈建議收藏!

          01
          信度與效度思維


          信度與效度的概念最早來源于調(diào)查分析,但現(xiàn)在我覺得可以引申到數(shù)據(jù)分析工作的各方面。

          信度:是指一個數(shù)據(jù)或指標自身的可靠程度,包括準確性和穩(wěn)定性。

          取數(shù)邏輯是否正確?有沒有計算錯誤?這屬于準確性;每次計算的算法是否穩(wěn)定?口徑是否一致?以相同的方法計算不同的對象時,準確性是否有波動?這是穩(wěn)定性。

          做到了以上兩個方面,就是一個好的數(shù)據(jù)或指標了?其實還不夠,還有一個更重要的因素,就是效度!

          效度:是指一個數(shù)據(jù)或指標的生成,需貼合它所要衡量的事物,即指標的變化能夠代表該事物的變化。

          只有在信度和效度上都達標,才是一個有價值的數(shù)據(jù)指標,舉個例子:

          要衡量我身體的肥胖情況,我選擇了穿衣的號碼作為指標。


          但是一方面,相同的衣服尺碼對應(yīng)的實際衣服大小是不同的,會有美版韓版等因素,使得準確性很差;同時,一會兒穿這個牌子的衣服,一會兒穿那個牌子的衣服,使得該衡量方式形成的結(jié)果很不穩(wěn)定;所以,衣服尺碼這個指標的信度不夠。

          另一方面,衡量身體肥胖情況用衣服的尺碼大小?你一定覺得荒唐,尺碼大小并不能反映肥胖情況,是吧?因此效度也不足。

          在我們的現(xiàn)實工作中,許多人會想當(dāng)然地拿了指標就用,這是非常值得警惕的。你要切骨頭卻拿了把手術(shù)刀,是不是很可悲?信度和效度的本質(zhì),其實就是數(shù)據(jù)質(zhì)量的問題,這是一切分析的基石,再怎么重視都不過分!

          02
          平衡思維


          說到天平大家都不陌生,平衡的思維相信各位也都能很快理解。簡單來說,在數(shù)據(jù)分析的過程中,我們需要經(jīng)常去尋找事情間的平衡關(guān)系,且平衡關(guān)系往往是關(guān)乎企業(yè)運轉(zhuǎn)的大問題,如市場的供需關(guān)系,薪資與效率關(guān)系,工作時長與錯誤率的關(guān)系等等。

          平衡思維的關(guān)鍵點,在于尋找能展示出平衡狀態(tài)的指標!也就是如圖中紅框,我們要去尋找這個準確的量化指標,來觀察天平的傾斜程度。

          怎么找這個指標呢?以我的經(jīng)驗,一般先找雙向型的問題,即高也不是低也不是的問題,然后量化為指標,最后計算成某個比率,長期跟蹤后,觀察它的信度和效度。

          03
          分類思維



          客戶分群、產(chǎn)品歸類、市場分級、績效評價.......許多事情都需要有分類的思維。主管拍腦袋也可以分類,通過機器學(xué)習(xí)算法也可以分類,那么許多人就模糊了,到底分類思維怎么應(yīng)用呢?

          關(guān)鍵點在于,分類后的事物,需要在核心指標上能拉開距離!也就是說分類后的結(jié)果,必須是顯著的。如圖,橫軸和縱軸往往是你運營當(dāng)中關(guān)注的核心指標(當(dāng)然不限于二維),而分類后的對象,你能看到他們的分布不是隨機的,而是有顯著的集群的傾向。

          例子:假設(shè)該圖反映了某個消費者分群的結(jié)果,橫軸代表購買頻率,縱軸代表客單價,那么綠色的這群人,就是明顯的“人傻錢多”的“剁手金牌客戶”。

          04
          矩陣化思維


          矩陣思維是分類思維的發(fā)展,它不再局限于用量化指標來進行分類。許多時候,我們沒有數(shù)據(jù)做為支持,只能通過經(jīng)驗做主管的推斷時,是可以把某些重要因素組合成矩陣,大致定義出好壞的方向,然后進行分析。

          05
          漏斗思維


          這種思維方式已經(jīng)普及:注冊轉(zhuǎn)化、購買流程、銷售管道、瀏覽路徑等,太多的分析場景中,能找到這種思維的影子。

          但我要說,看上去越是普世越是容易理解的模型,它的應(yīng)用越得謹慎和小心。在漏斗思維當(dāng)中,我們尤其要注意漏斗的長度。

          漏斗從哪里開始到哪里結(jié)束?以我的經(jīng)驗,漏斗的環(huán)節(jié)不該超過5個,且漏斗中各環(huán)節(jié)的百分比數(shù)值,量級不要超過100倍(漏斗第一環(huán)節(jié)100%開始,到最后一個環(huán)節(jié)的轉(zhuǎn)化率數(shù)值不要低于1%)。

          理由是什么呢?超過5個環(huán)節(jié),往往會出現(xiàn)多個重點環(huán)節(jié),那么在一個漏斗模型中分析多個重要問題容易產(chǎn)生混亂。數(shù)值量級差距過大,數(shù)值間波動相互關(guān)系很難被察覺,容易遺漏信息。比如,漏斗前面環(huán)節(jié)從60%變到50%,讓你感覺是天大的事情,而漏斗最后環(huán)節(jié)0.1%的變動不能引起你的注意,可往往是漏斗最后這0.1%的變動非常致命。

          06
          相關(guān)思維


          我們觀察指標,不僅要看單個指標的變化,還需要觀察指標間的相互關(guān)系!有正相關(guān)關(guān)系(圖中紅色實線)和負相關(guān)關(guān)系(藍色虛線)。最好能時常計算指標間的相關(guān)系數(shù),定期觀察變化。

          建議大家養(yǎng)成一個習(xí)慣,經(jīng)常計算指標間的相關(guān)系數(shù),仔細思考相關(guān)系數(shù)背后的邏輯,有的是顯而易見的常識,比如訂單數(shù)和購買人數(shù),有的或許就能給你帶來驚喜!另外,“沒有相關(guān)關(guān)系”,這往往也會成為驚喜的來源。

          07
          遠近度思維


          確定好核心問題后,分析其他業(yè)務(wù)問題與該核心問題的遠近程度,由近及遠,把自己的精力有計劃地分配上去。

          比如:近期你的核心任務(wù)就是提高客服人員的服務(wù)質(zhì)量,那么客服人員的話術(shù)、客戶評價通道、客服系統(tǒng)的相應(yīng)速度等就是靠的最近的子問題,需要重點關(guān)注,而客戶的問詢習(xí)慣、客戶的購買周期等就是相對遠的問題,暫時先放一放。

          08
          邏輯樹思維


          如圖的樹狀邏輯相信大家已經(jīng)見過許多回了。一般說明邏輯樹的分叉時,都會提到“分解”和“匯總”的概念。這里把它變一變,使其更貼近數(shù)據(jù)分析,稱為“下鉆”和“上卷”。

          所謂下鉆,就是在分析指標的變化時,按一定的維度不斷的分解。比如,按地區(qū)維度,從大區(qū)到省份,從省份到城市,從省市到區(qū)。

          所謂上卷就是反過來。隨著維度的下鉆和上卷,數(shù)據(jù)會不斷細分和匯總,在這個過程中,我們往往能找到問題的根源。

          舉個簡單的例子:我們發(fā)現(xiàn)全國客戶數(shù)量下降了,我們從地區(qū)和客戶年齡層級兩個維度先進行觀察,發(fā)現(xiàn)各個年齡段的客戶都下降,而地區(qū)間有的下降有的升高,那我們就按地區(qū)來拆分第一個邏輯樹節(jié)點,拆分到大區(qū)后,發(fā)現(xiàn)各省間的差別是顯著的,那就繼續(xù)拆分到城市,最終發(fā)現(xiàn)是浙江省杭州市大量客戶且涵蓋各個年齡段,被競爭對手的一波推廣活動轉(zhuǎn)化走了。就此通過三個層級的邏輯樹找到了原因。

          09
          時間序列思維


          很多問題,我們找不到橫向?qū)Ρ鹊姆椒ê蛯ο螅敲矗蜌v史上的狀況比,就將變得非常重要。其實很多時候,我更愿意用時間維度的對比來分析問題,畢竟發(fā)展地看問題,也是“紅色方法論”中的重要一環(huán)。這種方式容易排除掉一些外在的干擾,尤其適合創(chuàng)新型的分析對象,比如一個新行業(yè)的公司,或者一款全新的產(chǎn)品。

          時間序列的思維有三個關(guān)鍵點:

          • 一是距今越近的時間點,越要重視(圖中的深淺度,越近期發(fā)生的事,越有可能再次發(fā)生)

          • 二是要做同比(圖中的尖頭指示,指標往往存在某些周期性,需要在周期中的同一階段進行對比,才有意義)

          • 三是異常值出現(xiàn)時,需要重視(比如出現(xiàn)了歷史最低值或歷史最高值,建議在時間序列作圖時,添加平均值線和平均值加減一倍或兩倍標準差線,便于觀察異常值)

          10
          隊列分析思維

          舉個經(jīng)常用的例子:假設(shè)5.17我們舉辦了一次促銷活動,那么將這一天來的新用戶作為一個觀察樣本,觀察他們在5.18、5.19...之后每天的活躍情況。

          隊列分析中,指標其實就是時間序列,不同的是衡量樣本。隊列分析中的衡量樣本是在時間顆粒上變化的,而時間序列的樣本則相對固定。

          11
          循環(huán)/閉環(huán)思維


          循環(huán)/閉環(huán)的概念可以引申到很多場景中,比如業(yè)務(wù)流程的閉環(huán)、用戶生命周期閉環(huán)、產(chǎn)品功能使用閉環(huán)、市場推廣策略閉環(huán)等等。許多時候你會覺得這是一個不落地的概念,因為提的人很多,干出事情來的例子很少。

          但我覺得這種思考方式是非常必要的。業(yè)務(wù)流程的閉環(huán)是管理者比較容易定義出來的,列出公司所有業(yè)務(wù)環(huán)節(jié),梳理出業(yè)務(wù)流程,然后定義各個環(huán)節(jié)之間相互影響的指標,跟蹤這些指標的變化,能從全局上把握公司的運行狀況。

          12
          測試/對比思維


          AB test,大家肯定不陌生了。那么怎么細化一下這個概念?一是在條件允許的情況下,決策前盡量做對比測試;二是測試時,一定要注意參照組的選擇,建議任何實驗中,都要留有不進行任何變化的一組樣本,作為最基本的參照。

          現(xiàn)在數(shù)據(jù)獲取越來越方便,在保證數(shù)據(jù)質(zhì)量的前提下,希望大家多做實驗,多去發(fā)現(xiàn)規(guī)律。

          13
          指數(shù)化思維



          指數(shù)化思維,是指將衡量一個問題的多個因素分別量化后,組合成一個綜合指數(shù)(降維),來持續(xù)追蹤的方式。把這個放在最后討論,目的就是強調(diào)它的重要性。前文已經(jīng)說過,許多管理者面臨的問題是“數(shù)據(jù)太多,可用的太少”,這就需要“降維”了,即要把多個指標壓縮為單個指標。

          指數(shù)化的好處非常明顯,一是減少了指標,使得管理者精力更為集中;二是指數(shù)化的指標往往都提高了數(shù)據(jù)的信度和效度;三是指數(shù)能長期使用且便于理解。

          作者:老樹之見
          來源:簡書
          本文為轉(zhuǎn)載分享,推薦閱讀

          瀏覽 33
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          評論
          圖片
          表情
          推薦
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  成人久久嗯 | 国产精品不伦不卡在线观看 | 人人樉人人操 | 国产又粗又细又黄视频 | 国产成年人视频 |