Premièrement, la capacité d'analyser l'idéalisation et la structure des données.

Une analyse de données nous aide à faire

1 analyse de données peut résoudre le type de problème et de niveau (faire face au problème, ce que nous pensons)

(1) Description des entreprises: Décrivez le nombre d'États, basé sur des données quantitatives, critères d'évaluation

] a. Questions typiques: Que faisons-nous ensuite? De quoi avez-vous besoin pour faire récemment?

B. Idée de base: grande priorité, inconvénients merveilleux, capacités potentielles, revenu potentiel

2 problèmes de diagnostic: problèmes typiques: un changement de marché du développement? Avons-nous besoin d'intervenir?

a. Idée de base: grande tendance, périodique, proportionnelle, interne et externe

b. Questions typiques: Quelle est la raison récente?

Prédire 3 tendances: pour les événements / marchés libérés ou avertis, sur la base du statut

A. Idée basique:Problèmes de vérification, éléments démontrés et demandé dans

b. Problèmes typiques: La colonne XX est-elle précieuse? Quelle est la performance après la modification de la fonction XX?

4 Directives stratégiques: Sur la base de la capacité d'analyser la direction stratégique, basée sur la stratégie d'aide aux entreprises

a. Idée de base: Description quantitative, définissez un contrôle

b. Description commerciale: Décrire l'état de Quo, sur la base de données quantitatives, critères d'évaluation

Processus d'analyse de données

(1) Supprimer l'objectif ➡️ ( 2) Fondation d'hypothèse

(3) Nettoyage (4) Nettoyage

(5) Analyse de la perspicacité ➡️ (6) Conclusion de la sortie

[12) (7) Lancement Réhabilitation (8) Population

Obtenir des données avec un problème.

3SUY Pensée de l'analyse des données

(1) Facteur d'influence variable - Démonter des éléments possibles causeraProblèmes dans différentes variables

(2) caractéristiques populaires étiquetées

- pour extraire la classification des informations entre groupes d'utilisateurs, description

(3) pour normaliser
(33)] - Utilisation du même montant, la norme peut être évaluée quantitativement

(4) Cadre de structure de réflexion - Le problème est divisé, divisé en

(5) Méthode des modes de précipité

- à modéré Modéré, automatisé

Intégrer le problème de résolution de données

1 résolvez les problèmes liés à la méthode MECE

Méthode d'analyse MECE - définissez différentes tailles Diamond Split et comparer des données historiques pour trouver des points inhabituels (il y a une conclusion.

Division principes: première tête, queue , changez d'abord, stables, principalement

a. Principale priorité: les préoccupations affectent le niveau de classification b. Modification de priorité: suivez les changements récents et cLa précédente taille diabolique, la plus susceptible de provoquer des modifications

c. Priorité aux entreprises: Faites attention à la classification des liens de base de la fermeture des activités

Supprimer non seulement les données du site Web et il convient également à une analyse de marché.

Penser: quelle est la voiture de la Chine?

a. Foire aux questions: Comprendre les données du numéro de données

b. Pour analyser une pensée simple: le ménage total de la Chine? Combien coûte la voiture Parker des environs? (Ces deux données sont plus faciles à obtenir) 2 Exemples démontables

(1) Exemple de suppression: Sur la base du démantèlement de l'entreprise modèle
Business profit = (numéro d'utilisateur * Taux de paiement de l'utilisateur * FRÉQUENCE DE PAIEMENT * Prix de la liste des clients) - (Utilisateur * Coûts d'acquisition d'utilisateurs unique + frais d'entreprise)

(2) Exemple de suppression: décomposez sur la base de le comportement du processus d'entonnoir (il y a beaucoup de directionsEntonnoir)

Modèle d'entreprise typique: Différents canaux - Recherche ou Parcourir les utilisateurs - Valeur de la sensibilisation des utilisateurs - Point de distance de la Trid - Point de conversion - Popularité Retour
3 modèles classiques de l'entonnoir

(1) Actes de suppression de l'entonnoir classique Modèle: Modèle Aarrr [

Renseignez le point principal de l'entreprise et quantifiez l'évaluation de tous les modèles avec des indicateurs de grande valeur.
a. Acquisition (exposition / jour / volume de réglage / IP (UV).

B. Activez (rapport d'inscription / rapport de connexion / fonctionnalité principale) .. c. Supprimer (Soumettre / 7 jours / mensuels) ..

D. REVENU (Convertir Paiement / Facture / Arpu / Arppu).

]

Modèle d'entonnoir classique 心: Modèle d'esprit utilisateur

Quelques méthodes de démantèlement Liste: État du paiement de l'utilisateur, Activités de statut des utilisateurs, Statut de carrière, Channel NG"

️️ Split sans fin, mais rappelez-vous le but de l'analyse et de l'hypothèse de votre entreprise, déterminez votre mode de division.

Mardi

1 Erreur générale 1: Calculez la valeur moyenne, ignorez sa propre performance

. : La valeur moyenne perdra la concentration sur plusieurs fois

Comment filtrer la valeur de bruit)?

a. Données discrètes en tant que catégorie: écart type / distribution

b. Trend, V.V. Données continues: roulement moyen / pauvre

2 Erreurs fréquentes 2: Attention uniquement aux données qui ne se soucent pas des sources de données

Pourquoi: Lorsque vous échantillonnez / définir le Questionnaire, car en ignorant involontairement, l'échantillon n'a aucune représentation.

[

Mode d'erreur populaire:

(1) (1) Les données d'échantillonnage avec stimulus / vacances positive, entraînant des facteurs externes de la pollution.

La bonne voie:Sélectionnez des conditions externes, essayez de supprimer l'effet de l'effet de la journée

Indicateurs d'évaluation NPS négatifs, essayez de mettre entier entier

(3) Sélectionnez le modèle de base de données sans représentant

précis: classe d'échantillonnage, échantillonnage isométrique

3 erreurs régulières 3: Écoutez l'utilisateur , oubliez le silence Pourquoi: les utilisateurs se plaindront en tant qu'utilisateurs, de nombreux utilisateurs votent pour les pieds Principes de priorité des utilisateurs: . Opinions de groupe d'utilisateurs Tout au long de la gare b. Données comportementales réelles c. Utilisateurs agricoles faibles D. Voice utilisant des utilisateurs pour perdre du silence 4 Erreur à chough 4: Statistiques des algorithmes de soins, n'explique pas Pourquoi: De plus en plus de personnes ont commencé à analyser les corrélations, mais elles ne sont pas intéressées à avoir aucun gTraitement. Principes d'utilisation d'une analyse de corrélation: a. Corrélation et ne peut pas expliquer la cause entre les variables. b. Il n'y a pas de signification particulière d'analyse connexe des échantillons trop petits. (Analyse des données, principes: la classification unique est plus de 30 échantillons) c. La taille sélectionnée aura un interprète, telle que des relations connexes, priorisant si des éléments intermédiaires ou non. 5 Erreurs générales 5: Regarder Swan Black, je ne peux pas voir la cendre de rhinocéros Pourquoi: Il existe une variété d'explications et de raisons les plus faciles est efficace Priorité: simple, moins probabilité de grand, grand contre une faible probabilité: lorsque la probabilité d'événement est faible à un niveau Dinh de niveau lorsque nous pensons qu'il est essentiellement égal à Principe de Razor d'Okham: S'il n'y a pas besoin, n'augmentez pas l'entité Démarrer l'analyse des données, j'ai besoin de savoir (1) Méthode de base: FonctionsRechercher / SPSS ➡️ VBA / PQ, Power BI et al [12) (2) Traitement des données pour rompre des millions: SQL ➡️ Base et Process Logiciel Autres travaux . (3) Programmation linguistique de programmation: Langue Python / Langue R-Langue Théorie linéaire / de suivi / probabilité d'apprentissage profond, par exemple, Keras Aucun outil, ne peut pas vous aider à devenir un analyseur de données!