九大数据分析方法:结构分析法

简介: 今天继续跟小伙伴们分享九大数据分析方法系列——结构分析法。结构分析法是一种很简单的方法,也是数据分析是否入门的重要标志。一般没入门的人,对分析方法的掌握就到此为止了。并且没入门的人,会给结构分析法起很多高大上的名字,类似:拆解法/拆分法 一类。

一、何为“结构”?


一般把构成整体的各个部分叫:结构。比如一家综合企业:小熊公司,有3条业务线(天猫店、实体店、小程序商城)同时在开展。则总业绩就是有天猫店业绩、实体店业绩、小程序业绩三部分构成的。这就是总业绩的结构。


注意:总业绩的结构可能不止一种分类方式。比如,小熊公司有普通、黄金、钻石三档次会员,则总业绩=普通会员业绩+黄金会员业绩+钻石会员业绩;小熊公司有300款商品,总业绩就是这300款商品业绩之和。总之,只要是整体的组成部分,就是一个结构。


二、知道“结构”有什么用?


知道结构,能更容易解读出整体数据变化背后的原因。比如小熊公司业绩出现下滑了,如果只看总数,就只能干着急没办法……但是分业务线,看到业绩变化以后,是不是有思路了(如下图)


image.png


如果只看整体,不知道问题出在哪里。_(¦3)∠)_如果看了结构,能发现:原来是实体店下降,电商平台又没发展起来导致的。

通过结构分析法,能快速定位问题发生点,从而激发解决问题思路。

三、如何进行结构分析?


完整的结构分析法,包含四步:


第一步:定出要分析的关键指标(一般是业绩、用户量、DAU、利润等等)


第二步:了解关键指标的构成方式(比如业绩,由哪些用户、哪些商品、哪些渠道组成)


第三步:跟踪关键指标的走势,了解指标结构变化情况


第四步:在关键指标出现明显上升/下降的时候,找到变化最大的结构分类,分析问题


比如上边的小熊公司业绩变化,用结构分析法做,是这样的:


第一步:定出关键指标,总业绩。


第二步:了解总业绩的构成,包含实体店、电商平台、小程序商城三部分。


第三步:跟踪总业绩变化,发现今年3月到7月,一直呈现下降态势。


第四步:观察结构变化,发现实体店是下降的主要原因。这样就完成了一个分析。


注意:结构的变化,可能有两种态势。还拿小熊公司举例子,可能同样的业绩下降,有两种变化形态:


image.png


如果各部分比例有变化,则可以轻松看到哪一部分是下降的主要原因,比如上图2所示,一眼就看到,是实体店越来越少,导致了业绩下降。但是,如果各部分比例没有变化,比如上图1.则说明:目前的结构分类,不是产生问题的关键点。很有可能,业绩下滑是因为:大环境不好、钻石级会员流失、主打商品卖不动等等其他原因。此时需要更换看结构的分类方法,比如更换成:会员等级分类、商品分类等,再进行观察。


当然,有可能实体店还有内部结构,比如分为华东、华南、华北等大区;大区下边,又分为各个城市。因此在发现实体店是下降的主要原因后,可以用类似的方法,追踪到:到底是哪个大区、哪个城市的门店降的最厉害(如下图)


image.png


这种基于结构,逐层拆解的做法,也被很多人称为:拆解法/拆分法。甚至有人直接宣布:数据分析就是拆解……好吧,这是很错误的。


四、结构分析法的不足


结构分析法是一种:知其然,不知其所以然的方法。只适用于发现问题,不能解答问题。比如小熊公司案例里,再多追问一步:是因为疫情影响,导致实体店不行(意味着挺过疫情就能恢复),还是因为电商影响,所以实体店不行呢?单靠结构分析法就解答不了了。


从本质上看,结构分析法只是用一个或几个分类维度,对一个指标做拆解和分类对比。因此是种很初级的方法。比如矩阵分析法,就能利用两个指标做分析,又比结构分析法更进了一步。

相关文章
|
2月前
|
机器学习/深度学习 数据采集 算法
机器学习在医疗诊断中的前沿应用,包括神经网络、决策树和支持向量机等方法,及其在医学影像、疾病预测和基因数据分析中的具体应用
医疗诊断是医学的核心,其准确性和效率至关重要。本文探讨了机器学习在医疗诊断中的前沿应用,包括神经网络、决策树和支持向量机等方法,及其在医学影像、疾病预测和基因数据分析中的具体应用。文章还讨论了Python在构建机器学习模型中的作用,面临的挑战及应对策略,并展望了未来的发展趋势。
147 1
|
3月前
|
数据挖掘 UED
ChatGPT数据分析——探索性分析
ChatGPT数据分析——探索性分析
59 1
|
3月前
|
数据可视化 数据挖掘 数据处理
ChatGPT数据分析应用——热力图分析
ChatGPT数据分析应用——热力图分析
131 1
|
3月前
|
数据挖掘
ChatGPT在常用的数据分析方法中的应用(分组分析)
ChatGPT在常用的数据分析方法中的应用(分组分析)
74 1
|
3月前
|
数据挖掘 数据处理
ChatGPT在常用的数据分析方法中的应用(交叉分析)
ChatGPT在常用的数据分析方法中的应用(交叉分析)
59 1
|
3月前
|
机器学习/深度学习 数据采集 数据可视化
如何理解数据分析及数据的预处理,分析建模,可视化
如何理解数据分析及数据的预处理,分析建模,可视化
70 0
|
3月前
|
数据挖掘
ChatGPT在常用的数据分析方法中的应用(对比分析)
ChatGPT在常用的数据分析方法中的应用(对比分析)
64 0
|
2月前
|
机器学习/深度学习 算法 数据挖掘
数据分析的 10 个最佳 Python 库
数据分析的 10 个最佳 Python 库
98 4
数据分析的 10 个最佳 Python 库
|
5月前
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
在数字化时代,数据分析至关重要,而Python凭借其强大的数据处理能力和丰富的库支持,已成为该领域的首选工具。Python作为基石,提供简洁语法和全面功能,适用于从数据预处理到高级分析的各种任务。Pandas库则像是神兵利器,其DataFrame结构让表格型数据的处理变得简单高效,支持数据的增删改查及复杂变换。配合Matplotlib这一数据可视化的魔法棒,能以直观图表展现数据分析结果。掌握这三大神器,你也能成为数据分析领域的高手!
95 2
|
5月前
|
机器学习/深度学习 数据采集 数据可视化
基于爬虫和机器学习的招聘数据分析与可视化系统,python django框架,前端bootstrap,机器学习有八种带有可视化大屏和后台
本文介绍了一个基于Python Django框架和Bootstrap前端技术,集成了机器学习算法和数据可视化的招聘数据分析与可视化系统,该系统通过爬虫技术获取职位信息,并使用多种机器学习模型进行薪资预测、职位匹配和趋势分析,提供了一个直观的可视化大屏和后台管理系统,以优化招聘策略并提升决策质量。
252 4

热门文章

最新文章