数据分析的实用方法论

定义问题

数据分析的本质是解决某一个业务问题。

解决业务问题的前提,一定要想清楚两件事情:

理解问题:想清楚这个问题到底是什么
定义问题:用数据拆解出这个问题
我见过太多小伙伴做数据分析的时候,根本就没搞明白为什么要分析?要分析的这个问题到底是什么?所以在分析之前,一定要花时间了解这个数据分析到底解决了什么问题。

这个问题,在定义清楚后,需要和业务方、leader去反复沟通,直到对这个问题清楚的达成共识。

梳理分析框架

知道了数据分析的问题是什么后,需要我们去基于这个问题,梳理一个数据分析框架。在这个分析框架里,我们需要明确分析内容的数据范围以及要分析哪些问题。

  1. 明确数据范围
  2. 规划分析框架

规范数据内容

有了数据分析框架后,需要对数据分析框架里的数据进行详细定义规范,确保每一项数据的统计口径是准确无误的。

1. 指标维度定义

详细定义数据分析框架中的每一个指标含义,形成指标字典。这个指标字典的作用,一方面作为需求文档,是与数据开发评审的依据;另一方面,是一份释义说明,作为分析报告中指标说明的出口。

2. 指标维度矩阵设计

需要把指标维度用一个矩阵的方式呈现出来,如果该指标在该维度上有关联,则打勾。

指标维度矩阵的作用是明确指标与维度的关系,也可以帮助我们复验所有指标与维度的关联是否可以满足我们的分析需求。避免后期造成如下badcase:我想从地域的角度观测交易金额指标,却发现取出的数据中,交易金额不支持地域维度的下钻。

规划分析方法

接下来基于分析框架,明确每一个分析问题,需要采用什么样的分析方法进行分析;详情写出分析的标题、度量内容、可视化方法、分析方法,并按数据分析报告(以PPT为例)展示的顺序组织。

输出分析报告

这样,我们基于以上的准备,就可以按部就班的去输出我们的分析报告了。

我在这里的建议是,一定要把任何一个数据分析当成自己的作品一样,高标准高要求的进行产出。这样,不仅可以锻炼我们的撰写报告能力,也可以更好的让业务方对你形成专业可信赖的印象。

VIA:
[从业5年,我总结了一套数据分析的实用方法论]
(http://www.woshipm.com/data-analysis/2501303.html)

The Why·Liam·Blog by WhyLiam is licensed under a Creative Commons BY-NC-ND 4.0 International License.

WhyLiam创作并维护的Why·Liam·Blog采用创作共用保留署名-非商业-禁止演绎4.0国际许可证

本文首发于Why·Liam·Blog (https://blog.naaln.com),版权所有,侵权必究。

本文永久链接:https://blog.naaln.com/2019/07/data-analysis/