如何从数据中提取出有价值的信息？

摘要：数据本身没有价值。有价值的是我们从数据中提取的信息。在这个过程中，最重要的是数据分析的思维。首先，我们需要知道什么是数据分析。事实上，从数据到信息的过程就是数据分析。数据本身没有价值。有价值的是我们从数据中提取的信息。然而，数据分析的目的是什么？目的是解决我们现实中的问题或满足我们现实中的需求。所以，在从数据到信息的过程中，一定有一些固定的想法，或者称之为思维方式。下面零一给大家一一介绍。(本文中使用的指标和维度是相同的含义)第一大思维【对比】【对比】俗称对比，一个人看一个数据是没有感觉的，需要和另一个数据对比才能感觉到。例如下面的图a和图b。图a没有感觉到图b和昨天的成交量相比，会发现今天和昨天差了很多。这是最基本的想法，也是最重要的想法。它广泛应用于现实中，如选择和测量资金、监控存储数据等。这些过程是在进行[比较]。分析人员获取数据后，如果数据是独立的，无法进行比较，则无法判断，这意味着无法从数据中读取有用的信息。第二大思维[拆分]分析这个词从字面上理解，即拆分和分析。因此，可以看出拆分在数据分析中的重要性。“拆分”这个词在论坛上随处可见，很多作者都会用这样的语气:拆分后，我们就清楚了...然而，我相信很多朋友都不知道拆分是如何使用的。我们回到第一个思维[比较]，当一个维度可以比较时，我们选择比较。比较后发现问题需要找出原因的时候？或者根本没有比较。这时，【拆分】就亮相了。让我们来看看下面的场景。经营小美，通过对店铺数据的比较，发现今天的销售额只有昨天的50%。在这个时候，如何比较销售的维度是毫无意义的。此时需要分解销售维度，拆分指标。销售额=交易用户数*客户单价，交易用户数等于访客数*转化率。详见图c和图d图c是指标公式的拆解图b，是流量组成部分的简单分解(也可以细分为完整)。与拆分前相比，会清晰得多，便于分析和寻找细节。可见，拆分是分析人员必备的思维之一。第三大思维【降维】有没有面对大量维度数据却束手无策的经历？当数据维度过多时，我们不能分析每个维度。有一些相关指标可以从中筛选出代表性维度。事实上，下表中没有必要分析这么多维度。我们知道交易用户数/访客数=转换率。当这个维度存在时，可以通过其他两个维度进行计算和转换，我们可以[降低维度].只要三选二，交易用户数、访客数和转化率就可以了。此外，交易用户数*客户单价=销售额，这三个也可以三选二。此外，我们通常只关心对我们有用的数据。当某些维度的数据与我们的分析无关时，我们可以筛选并实现[降低维度]的目的。第四大思维【增维】增维和降维是对应的，有降就有增。当我们目前的维度无法很好地解释我们的问题时，我们需要计算数据并增加另一个指标。请看下图。在充分了解数据的意义后，为了方便我们的分析，有目的地转换数据。第五大思维【假说】当我们不确定未来或迷茫的时候。假说是统计学的专业术语，俗称假设，我们可以应用[假说]。当我们不知道结果或有几种选择时，我们会召唤[假设]。我们先假设有结果，然后用逆向思维。从结果到原因，产生这种结果的原因是什么？找根有点味道。所以，我们可以知道现在满足了多少因素，还需要多少因素。如果是多选的话，我们可以通过这种方法找到最好的路径(决策)。当然，[假设]的力量不仅仅是这样。但是一匹天马(行空)，除了结果可以假设，过程也可以假设。当我们回到数据分析的目的时，我们会知道，只有当问题和需求明确时，我们才能选择分析方法。顺便告诉你三种数据类型。这是一个偷窃的概念。事实上，它是时间序列的细分。它不是真正意义上的数据类型，但这是在处理商店数据时经常遇到的事情。坐标轴上的数据分为[过去]、[现在]和[未来]最大的数据类型[过去]和[过去]。功能：用于总结、比较和完善历史商店运营数据、退款数据、订单数据第二大数据类型[现在][现在]的概念相对模糊，当天、当月、今年可以是当前的数据，取决于我们的时间单位。假如我们以天为单位，那么，今天的数据，就是现在的数据。只有把现在的数据和过去的数据进行比较，才能知道自己现在在哪里，仅仅拥有现在的数据是没有用的。功能：用于了解现状，发现问题，如：当天第三大数据类型的商店数据[未来][未来]数据是指通过预测获得的未发生数据。例如，我们做了计划、预算等，这些都是在时间点上还没有到达的，但已经有了数据。这些数据作为参考数据，预测不到100%，总是有点不同。功能：用于预测，如：店铺规划、销售计划三种数据是单向流动的，未来最终会变成现在，直到变成过去。我不知道别人，但我喜欢把数据放在坐标轴上，按时间段划分，每个数据的作用都很清楚。