九数云从4个方面带你深入了解大数据分析处理

标签：大数据分析处理 | 发布时间： 2023-03-14 9:48:29

数据分析目的有四个：挖掘问题，定位原因，对症下药验证假设，提供必要的数据支持，那怎么做大数据分析处理？

大数据分析处理大致分为两类。一种是后验分析：无非是某个指标涨了/跌了，“某个指标”可以代入日活、留存率、流失率等。

原因分析两条路走：内部因素和外部因素，内部因素可能是版本迭代导致的功能缺失不可用、体验变差、统计错误或者推荐策略修改等等；

外部因素区分突发短暂的因素和长期潜移默化的因素，前者如突发新闻、节假日、发行改变、特别习俗等，后者可能是设备、网络、国家政策、头部网站的变化等等。

关注关键时间点，用排除法从广到窄层层收网找出差异点，提出大概率事件的假设。

另一种是先验分析，如拟降低无点击用户占比，分析无点击用户的行为特征和兴趣标签，这类分析根据不同业务有不同的侧重点。

大数据分析处理过程强调1个思维2个指标。

1.漏斗分析思维

漏斗思维在大数据分析处理中很常见，运用漏斗分析的思维，便于环环监控，查漏补缺，对症下药。

2.北斗星指标

即“在任何时候抬起头看，他都在你前进的道路上”。北斗星指标是让团队聚力，少走弯路的一个指导性指标（也是KPI完成度的依据），正因如此，在大数据分析处理时制定一个正确的北斗星指标非常关键，因为他回答了现阶段最重要的问题。

3.虚拟指标

虚拟1：注重PV、UV等“量级”类的指标，忽略转化率。

某图片网站的日均访问人数访问次数过百万，但同时跳出率也高达75%，实际留下消费的用户寥寥无几。

某新闻app某频道日均访问十几万，无刷新无点击用户占比85%，实际有消费的用户仅有几万。

这种注意力转移时常会变成写汇报的“故意”技巧，“转化不好量级来凑”。在进行大数据分析处理时，制定正确的数据指标，避开虚荣指标，数据指标之间的耦合现象也值得注意，例如转化率和购买所需时间，病毒传播系数和病毒传播周期。

虚拟2：相对值和绝对值，只选其一。

新上架的某工具类app，DAU增长500%，实质原始基数只有20人，增长500%即增长至120人

相对值和绝对值，避重就轻就是耍流氓。

虚拟3：关注某指标下的全量用户，忽略真实有意义的用户行为。

某买卖二手书app一开始关注每月卖家人数、上传商品数量、卖家人均上传商品数量，数据很漂亮；若以月为单位关注一个月内有活跃的商家、一周内有搜索曝光次数大于3次的商品数量，就会发现趋势并不乐观。

“有效行为”可能含义丰富，需要寻找有意义的用户行为模式和机遇，虚拟数据的噪音会掩盖原本你应该要面对和解决的问题。