数据分析如何做
发布网友
共2个回答
热心网友
根据需求来分析，先要明确目标
这里细分一下数据分析的框架：明确分析目标、数据收集、数据清理、数据分析、数据报告、执行与反馈
1.首先是数据分析的目的性极强
区别于数据挖掘的找关联、分类、聚类，数据分析更倾向于解决现实中的问题。
我想解决什么问题？通过这次的分析能让我产生什么决策？比如是否在某个高校举办一场活动，是否把我们的补贴*再增加10元等等，数据分析的目的性极强。
2.数据收集
数据分析区别于数据挖掘的第一点就是数据来源。数据分析的数据可能来源于各种渠道，数据库、信息采集表、走访等等各种形式的数据，只要是和分析目标相关，都可以收集。而数据挖掘则偏向于数据库数据的读取。
3.数据清理
由于数据分析的数据来源相比于数据挖掘的直接从数据库调取，数据分析的数据更加杂乱无章，你可能是从别人的分析报告里找数据，从百度上搜索数据，这些数据的格式、字段都不统一，在这里你需要根据你的目的进行归类、整合。
4.数据分析
数据分析是全流程最重要的过程了！这里最重要的事情是：时刻想着你的目标是什么？比如了解某个时间段的交易状况，你要根据这个目标做同比、环比等等...这一块的方法极多，内容极大。由于题主只是想了解数据分析是什么，这里就不做过多的阐述。
5.数据报告
数据报告就是阐述你的结果嘛！你可以搞一堆大家看不懂的公式什么的证明你的专业性，但是这里需要你用最通俗易懂的语言告诉你的领导：做这件事有80%的概率收获100W。OK！就是这么简单！
6.执行与反馈
就是开始干活嘛！同时干完活后需要用数据监测是否达到既定目标？如果达到了，关键因素是什么？如果没达到，问题出在哪里？
热心网友
首先要有数据。通过到处企业网站过去一个周期的数据进行处理。
1.查找异常流量，分析异常原因并及时调整
一般来说，流量以周为单位进行测量，并且有许多周期性分布。 延长视角，一次查看数周的数据，以帮助发现问题。 将一段时间内的数据与历史数据进行比较也可以帮助发现问题。 除了上图中对异常流量的简单监视以外，还可以进一步细分流量。 例如通过进一步分析，观察特定渠道或企业的流量状况以完成问题的跟踪和定位。始于某月中旬的流量下降主要发生在PC端，因此，问题的范围可以进一步缩小。
2.观察流程结构，分析其合理性并进行调整
流量结构通常可以分为渠道结构，业务结构和区域结构。 通过查询一段时间内每种结构的比例，了解流量组成。 在渠道中，PC所占比例较大，而应用所占比例不高。 App对用户具有更大的粘度。 因此，应分析导致应用程序流量不足的原因，并分析增加应用程序流量流量的方法。 以下折线图可以跟踪每个通道的流量，并分析不合理的比例是短期出现还是长期的辅助问题分析。
3.跟踪流量，衡量活动或调整效果
流量跟踪通常用于监视流量，观察事件发生之前，之中和之后的变化，并评估事件的效果。 一般而言，流量在活动期间将显着增加，但在活动之后将减少，这是成功的活动。 如果事件期间的流量没有增加太多，或者事件之后流量显着下降，或者即使流量大大低于事件之前的正常流量，也不能说是成功的事件。
