数据的分析 数据分析的三大标准？

怎么分析数据？1.结构分析法：看整体的构成和分布，逐层拆解。2.分组分析法：按照特定的维度进行细分和拆解。3.对比分析，同比，环比，同行业，同品类等。4.时间序列趋势法：查看时间趋势。5.相关性分析方

怎么分析数据？

1.结构分析法：看整体的构成和分布，逐层拆解。

2.分组分析法：按照特定的维度进行细分和拆解。

3.对比分析，同比，环比，同行业，同品类等。

4.时间序列趋势法：查看时间趋势。

5.相关性分析方法：相关性和因果性。

分析模型

对于一些简单的模型，通过常用的分析方法确实可以得出一些一般性的结论。但是在实际工作中，并不是单一的问题，往往是一些符合性的问题，所以要考虑的方面也会增加：

要解决的问题涉及到数据的那些维度；

从数据分析师的角度来看，这个问题有没有一个通用的解决方案，还是需要重新研究。

从原始数据集到分析数据是否需要处理。

所有的模型都是为了更好地解决问题。

RFM分类模型

R(recency)，上次消费时间，表示用户上次消费的时间比现在多。时间越近，客户的价值越大。

F(frequency)消费频率，指用户在一个统计周期内的购买次数。频率越高，值越大。

m(货币)消费金额：指统计周期内消费的总额。金额越大，价值越高。

通过设置数据的标准化权重对分类模型进行评分，比如某餐厅的客单价，一般用户在20元以下。

20-30个好用户，40个以上优秀用户，所有指标都可以用这个方法标准化。

中位数法常用于定义分支。

最晚消费时间，一般是每周或每月，结合经营情况。

这种模式的本质是筛选头部用户，专注运营。

AARRR成长模型，了解模型就行，实际落地时需要结合自己的业务。

A:获得A:当天活跃R:明天继续活跃R:增加收入R:提高自我传播

模型的主要功能是可以快速清晰地从那些点做出增长，找到突破点。

5W2H通用型号

生活中的聊天都是围绕这几点展开的，这个模型可以帮助我们快速确定一个问题。

用户生命周期模型

互联网往往可以跟踪用户的每一个阶段，每一个阶段都应该有不同的运营策略和发展方向，这对于分析师来说意味着及时的识别。

对模型有所了解，从而知道什么时候用，怎么用。

数据分析的三大标准？

商品数据分析的三个常用指标是：

1.客流及客单价分析：

主要指本月日均流量和客单价，与去年同期相比。这组数据在分析店铺客流量和客单价时要特别注意店铺在促销活动期间和之前的对比分析，促销活动是否对店铺客流量和客单价的提升起到了一定的作用。

2.销售率：

指商品上市后特定时间段内，销售数量占采购数量的百分比。是衡量商品销售情况的重要指标。一般来说，卖出率越高，这类商品的销量越好，但与进货数量有很大关系。通过这些数据，我们可以及时调整商品的销售。

3.库存销售比：

指库存金额与销售价格的比率。简单来说，就是某个时间点的库存可以维持销售多长时间。是衡量库存是否合理的重要指标，合理的标准在3-5左右。在销售数据正常的情况下，过高或过低的存销比都是库存情况异常的体现。通过对这组数据的分析，可以看出店铺库存是否异常，尤其是是否存在库存积压。