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
|
数据采集 存储 数据挖掘
【优秀python数据分析案例】基于Python书旗网小说网站数据采集与分析的设计与实现
本文介绍了一个基于Python的书旗网小说网站数据采集与分析系统,通过自动化爬虫收集小说数据,利用Pandas进行数据处理,并通过Matplotlib和Seaborn等库进行数据可视化,旨在揭示用户喜好和市场趋势,为图书出版行业提供决策支持。
149 6
【优秀python数据分析案例】基于Python书旗网小说网站数据采集与分析的设计与实现
|
27天前
|
机器学习/深度学习 人工智能 数据挖掘
数据分析师是在多个行业中专门从事数据搜集、整理和分析的专业人员
数据分析师是在多个行业中专门从事数据搜集、整理和分析的专业人员
26 3
|
28天前
|
SQL 数据采集 数据可视化
数据分析的方法
数据分析的方法
43 3
|
2月前
|
前端开发 Java JSON
Struts 2携手AngularJS与React:探索企业级后端与现代前端框架的完美融合之道
【8月更文挑战第31天】随着Web应用复杂性的提升,前端技术日新月异。AngularJS和React作为主流前端框架,凭借强大的数据绑定和组件化能力,显著提升了开发动态及交互式Web应用的效率。同时,Struts 2 以其出色的性能和丰富的功能,成为众多Java开发者构建企业级应用的首选后端框架。本文探讨了如何将 Struts 2 与 AngularJS 和 React 整合,以充分发挥前后端各自优势,构建更强大、灵活的 Web 应用。
41 0
|
2月前
|
SQL 数据采集 算法
【电商数据分析利器】SQL实战项目大揭秘:手把手教你构建用户行为分析系统,从数据建模到精准营销的全方位指南!
【8月更文挑战第31天】随着电商行业的快速发展,用户行为分析的重要性日益凸显。本实战项目将指导你使用 SQL 构建电商平台用户行为分析系统,涵盖数据建模、采集、处理与分析等环节。文章详细介绍了数据库设计、测试数据插入及多种行为分析方法,如购买频次统计、商品销售排名、用户活跃时间段分析和留存率计算,帮助电商企业深入了解用户行为并优化业务策略。通过这些步骤,你将掌握利用 SQL 进行大数据分析的关键技术。
54 0
|
2月前
|
数据采集 机器学习/深度学习 数据挖掘
【数学建模-某肿瘤疾病诊疗的经济学分析】数据分析
本文提供了针对一个肿瘤疾病诊疗经济学分析的数学建模案例,其中包括了数据清洗、特征工程、模型分析等步骤,并提供了相关的代码和最终报告的下载链接。
35 0
|
3月前
|
JSON 数据挖掘 API
在会议系统工程中,Python可以用于多种任务,如网络请求(用于视频会议的连接和会议数据的传输)、数据分析(用于分析会议参与者的行为或会议效果)等。
在会议系统工程中,Python可以用于多种任务,如网络请求(用于视频会议的连接和会议数据的传输)、数据分析(用于分析会议参与者的行为或会议效果)等。
|
3月前
|
JavaScript Java 测试技术
基于springboot+vue.js+uniapp小程序的数据分析岗位招聘信息与分析附带文章源码部署视频讲解等
基于springboot+vue.js+uniapp小程序的数据分析岗位招聘信息与分析附带文章源码部署视频讲解等
16 0
|
2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!
48 2
|
2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。
107 4

热门文章

最新文章

下一篇
无影云桌面