数据分析->分析方法

现状分析  -> 对比    : 对比分析,平均分析,综合评价分析
原因分析  ->  细分    : 分组,结构,交叉,杜邦,漏斗图,矩阵关联,聚类
预测分析   -> 预测    :  回归,时间,决策树,神经网络

1.对比分析:
静态比较是在同一时间条件下对不同总体指标的比较,如不同部门,不同地区,不同国家的比较,也叫横向比较,简称横比。
动态比较是在同一总体条件下对不同时期指标数值的比较,也叫纵向比较,简称纵比。

实践:1).与目标对比。
实际完成与目标对比属于横比。
如果一年还没过完,可以拆分成阶段,再对比,或者计算完成率
2).不同时期对比
不同时期对比,属于纵比。
与去年同期对比,简称同比(主要考虑季节周期性变化,淡旺季)
与上个月对比,简称环比
3).与同级,单位,部门属于横比
4).行业内对比属于横比,与行业标杆,竞争对手或者行业的平均水平
5).活动效果对比
对某项营销活动开战前后进行对比,属于纵比。可以看出活动是否有效果
还可对企业投放广告的前后业务状况进行对比,了解投放广告是否有效,知名度是否提高,销 量是否大幅增长。
另外对比对象的计量单位,指标类型等要一致,对象之间相似之处越多,越具有可比性。

  2.分组分析法
          确定组数,组距:(最大值-最小值)/组数
          等距分组,不等距分组

  3.结构分析法
            总体内各部分占总体的比例
            结构相对指标(比例)=(总体某部分的数值/总体总量)*100%
            市场占有率=(某种商品销售量 / 该种商品市场销售总量)*100%
  4.平均分析法
            平均指标有算数平均数,调和平均数,几何平均数,众数和中位数等。
             算数平均数=总体各单位数值的总和 / 总体单位个数
   5.交叉分析法
            二维交叉表
image.png
6.综合评价分析
      step1:确定综合评价指标体系,即包含哪些指标,是综合评价的基础和依据。
      step2:收集数据,并对不同计量单位的指标数据进行标准化处理。
      step3:确定指标体系中各指标的权重,以保证评价的科学性。
      step4:对经处理后的指标再进行汇总,计算出综合评价指数或综合评价分值。
      step5:根据评价指数或分值对参评单位进行排序,并由此得出结论。

       0-1标准化也叫离差标准化,就是对原始数据做线性变换,使结果落到【0,1】区间,
       第N个经标准化处理的值=(第N个原始值 - 最小值)/ (最大值 - 最小值)
       此方法有一个缺点,每次加入新的数据会影响最大值,最小值,需要重新计算。


      权重方法
      画出目标优化矩阵,同一个对象既在横坐标里,也在竖坐标里。比如人品,动手能力,创新意识。如果动手能力比创新意识更重要,就在横坐标是动手能力,竖坐标是创新意识那里填1
                                                  就在横坐标是创新意识,竖坐标是动手能力那里填0,

最后算出每一行的分数再排序。如果有0的话,就全部结果+1.
某指标权重=(某指标新的重要性合计得分/所有指标新的重要性合计得分)*100%

7.杜邦分析法
8.漏斗图分析法
浏览商品(40%)->放入购物车(75%)->生成订单(67%)->支付订单(85%)->完成交易

9.矩阵关联分析法 也叫象限图分析法
以属性A为横轴,属性B为纵轴组成一个坐标系,按某一标准(平均值,经验值等)划分,将要分析的某个事物投射在四个象限内,进行交叉分析,直观的将两个属性的关联性展示出来。


image.png

先解决主要矛盾,再解决次要矛盾,有利于工作效率。
如果好几项落在了一个纬度,那么先执行哪一个就需要再加入一个属性进行判断。例如加入改进难度,可以用气泡表示改进的难易程度,气泡越大,难度越大。

10.发展矩阵
要了解2008-2010年的发展,距可以将三年的数据画在同一张矩阵表中,画上箭头。


image.png
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,752评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,100评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,244评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,099评论 1 286
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,210评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,307评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,346评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,133评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,546评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,849评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,019评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,702评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,331评论 3 319
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,030评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,260评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,871评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,898评论 2 351