数据分析中有哪些常见的数据模型?
在现在互联网高速发展的时代里,各大企业都纷纷往数据化运营靠近,除了数据分析师岗位以外,产品、运营或者市场等等岗位都开始对数据分析能力有所要求。而对刚接触数据分析的朋友来说,往往都会觉得困惑,每天就是写SQL,也不知道该从哪里开始分析,分析些什么。说实在,数据分析就是为了用数据去对公司当下一些决策、行为等进行分析,预测走向并提出建设性意见。
而对小白来说,最需要做的是搞清楚数据分析的核心目标,再套用数据分析模型,根据模型中的内容,细分到不同的数据指标进行细化分析,最后得到想要的结果。下面我就分享一下最常见的几种数据分析模型,收藏收藏~一、逻辑树分析模型把问题的所有子问题分层,从最高层开始初步向下扩展。也就是把一个已知问题当成“树干”,思考该问题和哪些子问题有关联,将有关的问题当成“树枝”,以此类推,找到所有相关的问题形成一个“逻辑树”。
逻辑树使用方法简单,而且条理清晰,容易掌握,并且可以保证解决问题的过程足够完整,把问题细化再细化,从而详细地分析得出结论。逻辑树分析三要素:1、要素化:将相同问题总结归纳要素2、框架化:把各个要素组成框架,做到不重不漏3、关联化:框架里的每个要素保持其必要的相互关系二、留存分析模型留存分析是指一种分析用户参与情况、粘性的分析模型,考察初始行为的用户会有多少人会有后续行为,是一种衡量产品对用户价值高低的重要方法。
通过留存分析可以判断产品保留用户的能力和对不同群体的留存是否能够带来不同效果。留存方式:1、N-day留存:指第几天留存,就是计算第N天后发生了回访行为的用户。2、Unbounded留存:指几天内留存,也就是计算多少天内完成了回访的用户总数。3、Bracket留存:指定观察期,自己划分不同观察期来计算回访用户(如:第一个观察期:第二天;第二个观察期:第三天至第五天......)三、漏斗分析模型漏斗分析模型是一个线性流程,从开始到结束,用户在每个环节都可能产生流失。
该分析模型能够科学反映用户行为状态及起点到终点每个阶段的情况,按照漏斗从上往下层层分析,找出每个阶段可以改进优化的点。漏斗分析的特点:1、监控用户在每个层级的转化情况,找到最有效转化路径,找到可优化的缺点,提高用户体验2、漏斗分析可帮助企业更细致地捕捉用户行为,提高转化的精度和效率。3、漏斗分析可以对层级之间不同用户属性进行比较,找到各环节的转化率,再针对性地对异常环节进行调整。