从北京疫情处理中学习如何做数据分析

简介: 从北京疫情处理中学习如何做数据分析

这是我的第13篇原创

一叶知秋

以下所有信息均来自于2020年07月09日北京日报《与病毒赛跑!北京疾控中心揭秘锁定“新发地”全过程


处处留心,天下无不可学之事。在“与病毒赛跑”中,我们可以看到一个生动的数据分析案例。让我们看穿本质,一叶而知秋。


复盘开始,情景重现



1疫情警报

6月11日凌晨0时30分收到信息:“西城区疾控中心报告1例核酸检测阳性病例。”

2确认异常

早上6时,四种试剂复核样本复核结果均为阳性。

3撒网排查

活动轨迹排查:一组人调查病例发病前14天的活动轨迹,采样排查;

4个案调查

案例信息收集:一组人到宣武医院,补充流行病学调查。

多渠道信息收集:流调人员根据唐先生的手机支付记录,定位到具体的摊位,为现场流调工作节省了很大一部分时间。唐先生还冷静、清晰地回忆出了发病前两周接触的每个人,提供了一份38人的详细名单。

5重点嫌疑

对于每个“可疑的点”,市疾控都迅速安排相关区疾控的同事前往采集环境样本,流调溯源,对密切接触者展开调查。新发地农产品批发市场被列为“首要怀疑对象”

6病源确认

病源确认:6月11日晚12点左右,丰台区疾控中心对新发地牛羊肉交易大厅环境样本采样检测出阳性。

7扩大战果

顺藤摸瓜:对市场周边11个小区实施封闭管理,排查5月30日以来到过新发地农产品批发市场或与市场销售人员有密切接触的人员,开展核酸检测。

8完美收官

截至7月5日,北京已连续8天每日新增病例保持在个位数水平,7月6日,7月7日,北京连续“零新增”。


关键点提炼

梳理一下北京疾控中心的操作:收到警报之后做的第一件事情,不是分析结果,而是确认结果,并且是四种试剂同时复核。划重点!要考的!很多人听到业务说数据有异常,心里就咯噔一下,着急忙慌开始找问题。


第一步必须要先确认信息来源,是否有误读、有人更改,往往大部分情况都是误报。

第二步是进行信息收集。这里兵分两路,一方面对14天行动轨迹进行采样排查,另一方面对西城大爷进行流行病调研。在进行信息收集的时候,充分使用各种方法:

  • 问卷(结构化信息收集)
  • 问询(非结构化信息收集)
  • 通话记录(接口信息采集)
  • 支付记录(接口信息采集)
  • 聊天记录(接口信息采集)
  • 反向叙述(内容复核、细节回忆


第三步:逐步缩小范围。对于西城大爷反馈的每个重要停留点都进行梳理,并进行重要程度的排序。与“华南海鲜市场”类似的“新发地”被列入“首要怀疑对象”。在进行重点排查后,确定新发地为病源地。


第四步:指导疾控行动。封闭病源周边,供应链上下游区域;周边人员、从业人员、密切接触人群检测。加大宣传力度。


举一反十

现在老板/业务/运营说:最近新用户少了很多,赶紧给看看。那么我们应该怎么做?

1、(核实异常)最近是多久?是那张报表/谁告诉你的?我去核实一下。是活动拉新报表,新用户的确下降很明显,最近7天连续下降

2、(信息收集)横向拓展:时间特征、活动信息等。纵向深入:转化渠道、流量来源等。

只向下挖了一层,就能排除运营和自然流量的新用户。看表格不太明显,换成图形就能看出来了。工作日期间运营流量比较稳定,但是广告投放引流的数量一直在下降。

基于现有的数据,就只能判断是广告投放这边出问题了。但是无法定位到原因,就像是锁定西城大爷近14天的行为轨迹一样,还需要继续深挖。

是时候找市场部的同学聊聊了。经过数据深挖和沟通,我们又增加了一些信息:

我们发现*条的引流最大,且流量稳中有升。但是网盟和关键词都持续下降,百*关键词只剩个零头了。真相还没出来,到这里还得继续问。

3、(逐步缩小范围)现在得换对象了。因为到期合约未续约,seo减投,都涉及到费用了,所以得问问市场部中高层的领导。

我们把获得的信息和得出的判断再次记录下来,广告减投的原因是3季度费用缩减,上个月其实就已经略降了,只不过不太明显。市场部老大也在头疼这个事情呢,费用砍掉了1/3,KPI却不变。

基本上源头已经锁定了,问题出在前三排,根子就在主席台。我们不能找老板的麻烦,只能想办法解决。

既然有量化的指标,那就有继续分析下去的思路:分析ROI。

4、(指导业务行动我们把月均单个新客费用拉出来,非常明显,市场部的费用明显比运营费用高一大截。对每个渠道进行深入分析后,结果就成这样:

按难易程度大致梳理出三条路:

1、资源向优质广告资源倾斜;开辟合作,外部资源互换,市场部自己就能搞定;

2、增加SEO力度,成本低,但是见效慢,且需要多部门协同,作为长期推动手段;

3、内部部门协同+资源互换,使用运营手段,承担相关费用。这个非常难,需要市场部和运营部老大协商解决,甚至需要VP介入。

根据7月的数据,我们根据策略,对每个细项拍一个系数,进行简单测算,就能看到上表的结果。这个结果当然非常不精确,但是用来做推演足够了。

再下一步,就是指定行动计划,seo怎么做,需要哪个部门做什么事情;新增的渠道怎么谈,外部资源怎么找,合作方案怎么出;跟运营怎么合作,内部自营互换怎么商量,这些就是市场部老大头疼的事情了。


再下一步,持续监控,发现问题,及时复盘。如果情况不对,再回头看看策略是否有问题,执行是否到位,是否有其他因素没有考虑到等等。


最后,还是拿报道里的一段话作为结尾吧:“王全意经常和团队中的年轻人说,千万不要觉得你就是一个采样的、是一个报表的,你们都是专业人员,应该把疫情的来龙去脉、国内外形势、本地发生的风险、如何应对,都要了解到位,你才是一个专业人员,不然就只是一个操作工。


与诸位共勉!

相关文章
|
11月前
|
数据采集 机器学习/深度学习 数据可视化
深入学习NumPy库在数据分析中的应用场景
深入学习NumPy库在数据分析中的应用场景
|
11月前
|
机器学习/深度学习 存储 SQL
15个超级棒的外文免费数据集,学习数据分析不愁没有数据用了!
15个超级棒的外文免费数据集,学习数据分析不愁没有数据用了!
338 0
|
关系型数据库 分布式数据库 对象存储
沉浸式学习PostgreSQL|PolarDB 5: 零售连锁、工厂等数字化率较低场景的数据分析
零售连锁, 制作业的工厂等场景中, 普遍数字化率较低, 通常存在这些问题: 数据离线, 例如每天盘点时上传, 未实现实时汇总到数据库中. 数据格式多, 例如excel, csv, txt, 甚至纸质手抄. 让我们一起来思考一下, 如何使用较少的投入实现数据汇总分析?
334 0
|
6月前
|
数据挖掘 数据库
ChatGPT在数据分析学习阶段的应用
ChatGPT在数据分析学习阶段的应用
85 6
|
8月前
|
数据采集 数据挖掘 数据处理
解锁Python数据分析新技能!Pandas实战学习,让你的数据处理能力瞬间飙升!
【8月更文挑战第22天】Python中的Pandas库简化了数据分析工作。本文通过分析一个金融公司的投资数据文件“investment_data.csv”,介绍了Pandas的基础及高级功能。首先读取并检查数据,包括显示前几行、列名、形状和数据类型。随后进行数据清洗,移除缺失值与重复项。接着转换日期格式,并计算投资收益。最后通过分组计算平均投资回报率,展示了Pandas在数据处理与分析中的强大能力。
80 0
|
9月前
|
机器学习/深度学习 算法 数据挖掘
Python强化学习应用于数据分析决策策略:** - 强化学习让智能体通过环境互动学习决策。
【7月更文挑战第5天】**Python强化学习应用于数据分析决策策略:** - 强化学习让智能体通过环境互动学习决策。 - Python因丰富库(如TensorFlow, PyTorch, Keras, Pandas, NumPy)和生态而受青睐。 - 使用OpenAI Gym构建环境,如`gym.make('CartPole-v0')`。 - 选择模型,例如神经网络,定义策略如Q-Learning。 - 训练模型,调整智能体行为,如Q-Learning更新Q表。 - 最后评估模型性能,实现数据驱动决策。
87 3
|
11月前
|
数据采集 人工智能 数据挖掘
「一行分析」利用12000条招聘数据分析Python学习方向和就业方向
「一行分析」利用12000条招聘数据分析Python学习方向和就业方向
|
11月前
|
机器学习/深度学习 数据可视化 算法
从零到精通:学习这些R语言必学包成为数据分析高手!
从零到精通:学习这些R语言必学包成为数据分析高手!
282 0
|
存储 SQL JSON
【Python学习】一文总结:数据分析库pandas基础
pandas是一款优秀的用于数据分析/挖掘的第三方库,在数据分析场景中非常常用,本文基于《Python 数据分析库 Pandas 快速入门》视频,对pandas的基础用法进行了总结。
245 0
|
8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!
140 2

热门文章

最新文章