如何進行有效的數(shù)據(jù)分析.ppt

如何進行有效的數(shù)據(jù)分析 網(wǎng)站參謀部 金雪 Aug.2008,人= 吃飯 + 睡覺 + 上班 + 玩 豬= 吃飯 + 睡覺, 代入:人= 豬 + 上班 + 玩, 即:人 - 玩= 豬 + 上班. 結(jié)論:不懂玩的人=會上班的豬,男人= 吃飯 + 睡覺 + 掙錢 豬 = 吃飯 + 睡覺 男人= 豬 + 掙錢 豬= 男人 - 掙錢 結(jié)論：男人不掙錢等于豬。,女人= 吃飯 + 睡覺 + 花錢。 豬 = 吃飯 + 睡覺。代入上式得： 女人= 豬 + 花錢。移項得： 女人 - 花錢=豬 。 結(jié)論：女人不花錢的都是豬。,男人 + 女人=2吃飯 + 2睡覺 + 掙錢 + 花錢=2(吃飯 + 睡覺)=2豬 結(jié)論：男人 + 女人就是兩頭豬,思考：問題出在哪里？,提 綱,什么是數(shù)據(jù)分析 數(shù)據(jù)分析可以幫你作什么 如何作有效的數(shù)據(jù)分析 一些數(shù)據(jù)分析的常用方法 如何有效地Present 分析結(jié)果 案例分享,什么是數(shù)據(jù)分析,請牢記： 所有的分析要從“結(jié)果” 出發(fā)，沒有結(jié)論的數(shù)字羅列并不是分析； “結(jié)果”：發(fā)現(xiàn)問題和解決問題。,什么是數(shù)據(jù)分析,我的一些感受： 數(shù)據(jù)分析不是一門復(fù)雜的科學(xué)； 而是一些簡單的“common sense”； 復(fù)雜的運算通常只是令分析結(jié)果更差而不是更好； 絕大多數(shù)是簡單的想法和簡單的溝通 數(shù)據(jù)分析有時候是一門藝術(shù) 同樣的數(shù)據(jù)會有不同的解讀 優(yōu)秀和平庸的差異，有時候差在一種靈感,提 綱,什么是數(shù)據(jù)分析 數(shù)據(jù)分析可以幫你作什么 如何作有效的數(shù)據(jù)分析 一些數(shù)據(jù)分析的常用方法 如何有效地Present 分析結(jié)果 案例分享,數(shù)據(jù)分析可以幫你作什么？,企業(yè)運用和實施 營運規(guī)劃 績效分析 投資與決策分析與檢驗,數(shù)據(jù)分析在營運規(guī)劃中的作用,尋找未來企業(yè)的“成長引擎” 確定企業(yè)發(fā)展的助力和阻力 為長期規(guī)劃和短期規(guī)劃制定“growing map - 發(fā)展線路圖”,Growing Map,2008年的阿里巴巴,2012年的阿里巴巴,從數(shù)據(jù)中了解和發(fā)現(xiàn)客戶：他們的類型，需求，行蹤，習(xí)慣，趨勢等等，為開發(fā)有價值的產(chǎn)品和服務(wù)提供源泉 讓數(shù)據(jù)來衡量產(chǎn)品和運營的效果，找到改進和完善的方案 數(shù)據(jù)分析為戰(zhàn)略決策提供支持和建議,好的決策以數(shù)據(jù)為本，而不是靠拍腦袋和閉門造車,數(shù)據(jù)分析在營運規(guī)劃中的作用,績效分析與績效管理,什么才是有效的績效管理 量化的KPI 報表管理和設(shè)計 單一的KPI管理 vs 全面的KPI 管理 (BSC) 靜態(tài)的 vs 動態(tài)的 只考慮成果的 vs 綜合考慮成果和成本的 無計劃/預(yù)測/控制的管理和有計劃/預(yù)測/控制的管理 無預(yù)警機制的管理和有預(yù)警機制的管理,遞進的過程,投資和決策分析,舉例： Marketing 上的運用： 新產(chǎn)品，新生產(chǎn)線的盈利預(yù)測 廣告的成本效益的分析，盈虧平衡點的分析 Operation: 提高勞動生產(chǎn)率的敏感度分析 其他 買還是租,提 綱,什么是數(shù)據(jù)分析 數(shù)據(jù)分析可以幫你作什么 如何作有效的數(shù)據(jù)分析 一些數(shù)據(jù)分析的常用方法 如何有效地Present 分析結(jié)果 案例分享,問有效的問題,對業(yè)務(wù)的 理解是前提！,Page 5,如何進行有效的數(shù)據(jù)分析,建立一些假設(shè),尋找正確的數(shù)據(jù),分解手中數(shù)據(jù)的關(guān)系,KISS,驗證假設(shè)和結(jié)果的關(guān)系,Step1: 問有效的問題,問題是否真的有效的3 個檢驗 檢驗1- 復(fù)雜性檢驗 問題是否直接并相關(guān) 檢驗2- 有用性檢驗 這個問題的答案是否對分析有幫助 檢驗3- 可行性性檢驗 我收集的數(shù)據(jù)是否真的能幫助我解答問題,問有效的問題-復(fù)雜性檢驗,如何量化PV增加的各種因素的影響，如廣告, 經(jīng)濟，新的主頁？,失敗案例,太過復(fù)雜，N多種問題被合并成一個 無法知道每種因素和瀏覽量增加的相關(guān)性，所以無法量化,失敗原因,成功案例,哪些因素導(dǎo)致最近一周PV急劇上升？,問有效的問題-有用性檢驗,中國供應(yīng)商自身產(chǎn)品的質(zhì)量和價格是否是影響其成交的重要因素？ 是否可以通過提高中國供應(yīng)商的產(chǎn)品質(zhì)量提高他的成交，繼而提高續(xù)簽率？,失敗案例,產(chǎn)品質(zhì)量當然是成交的重要因素，了解了這個答案并無法幫助我們提高續(xù)簽率，因為客戶產(chǎn)品是我們不可控的。,失敗原因,成功案例,有效反饋數(shù)量多少是否是影響中國供應(yīng)商續(xù)簽率的重要因素？,問有效的問題-可行性檢驗的,美國次貸危機在短期和長期內(nèi)對阿里巴巴營收有何影響？,失敗案例,有太多的因素你不可控制： 美國次貸危機將持續(xù)的時間； 美國次貸危機對中國外貿(mào)企業(yè)的具體影響； 美國政府和中國政府的應(yīng)對策略; .,失敗原因,成功案例,美國次貸危機爆發(fā)前后，來自美國的活躍買家和買家詢盤數(shù)量是否有影響？,Step2: 建立一些假設(shè),假設(shè)為什么重要 復(fù)雜的問題通常有很多潛在的答案 沒有強有力的假設(shè)，你會浪費很多時間并沒有證明任何東西 正確的假設(shè)決定你收集怎樣的數(shù)據(jù)并如何看待他們,建立一些假設(shè)案例,問題：影響中供反饋數(shù)量的因素有哪些？,可能的假設(shè),需要的數(shù)據(jù),自身活躍度 阿里巴巴分配資源 同類產(chǎn)品的競爭程度 廣告投入,-登錄次數(shù)；ATM使用時長 -發(fā)布產(chǎn)品數(shù)量；Repost offer數(shù)量 -主動發(fā)送報價數(shù)量 -產(chǎn)品曝光次數(shù) -中供Minisite PV和Session -產(chǎn)品總數(shù)在該行業(yè)的排名 -產(chǎn)品曝光次數(shù)在該行業(yè)的排名 -購買廣告（關(guān)搜和黃展）的次數(shù) -購買廣告（關(guān)搜和黃展）的金額,一致性 免費會員曝光數(shù)據(jù)只有從08年7月開始有，無法分析08年4月產(chǎn)品默認搜索實現(xiàn)后對中供、ITP和免費會員曝光資源分配的影響 Analysis was a flop - MMs did not use the same standards 精確度 數(shù)據(jù)不能準確量化：例如銷售人員的銷售技巧 數(shù)據(jù)的取得很困難：例如客戶的數(shù)據(jù)如成交 時效性 聯(lián)合國關(guān)于各國經(jīng)濟和中小企業(yè)數(shù)據(jù)基本是2年前的,清楚各項數(shù)據(jù)的最合適來源 明白各項數(shù)據(jù)的局限性和可能潛在的錯誤,Step3: 取得有效的數(shù)據(jù),常見的問題,Step4: 分解原因,為何要分解原因？ 一個問題往往有潛在的多個答案，如果不將多種因素分解，單獨分析，無法了解哪個才是真正的直接相關(guān)因素。 分解的原則：直接不交集 直接因素：因素和結(jié)果之間沒有其他可能的間接關(guān)系 例如：最近的周末都下雨 最近的雨天我們的PV 就下降 所以雨天是PV 下降的原因 案例失敗的原因：雨天和PV 之間有周末這個因素，而周末是PV 下降的原因。,分解原因的建議,分解原因的一些建議 問一問：每個原因是否已經(jīng)互不相交？ 問一問：每個原因是否是直接的，是否是其他原因的衍生產(chǎn)物？ 如何分析被分解的原因 (KISS原則) 孤立一個因素，將有無此因素的兩個結(jié)果進行比較 例如：將某段到期中供中，按其是否在該段期間內(nèi)有無購買廣告分群，再按這兩群人體的續(xù)簽率進行對比，可大致了解廣告對中供續(xù)簽率的影響。,Step5: KISS 原則 -Keep It Simple and Stupid,分析被分解的原因的兩個KISS工具： “開關(guān)” 工具 影響前 vs 影響后 有影響 vs 無影響 “XY” 工具 X 影響因素 Y 產(chǎn)生結(jié)果,“開關(guān)”工具 案例,問題: 哪些是影響續(xù)簽率的重要因素？ 假設(shè): 訂閱Trade Alert能增加買家機會，從而可能會影響效果和續(xù)簽率 簡單的分析方法： “有/無”訂閱群體的續(xù)簽率是否存在差異,續(xù)簽合同續(xù)簽率,新簽合同續(xù)簽率,N 無訂閱 Y 有訂閱,問題: 哪些是影響中供獲得曝光機會的主要原因? 假設(shè): 產(chǎn)品覆蓋面廣應(yīng)該是影響曝光的重要因素 簡單的分析方法： 帶來曝光的買家搜過關(guān)鍵詞數(shù)（代表產(chǎn)品覆蓋面）與產(chǎn)品曝光次數(shù)的“XY”分析,“XY”工具 案例,Step 6: 驗證假設(shè)和結(jié)果的關(guān)系,反復(fù)問自己幾個問題： 分析結(jié)果在邏輯上是否合理？ 是否有明顯的邏輯錯誤？ 征詢前線同事的直接感受是否與分析結(jié)果相符？ 一些違反直覺的結(jié)果往往代表一定有什么東西你沒有考慮到。 什么東西是你的老板肯定會問的？ 假設(shè)他的問題 并準備好你的答案 這就是為什么有些人就是與眾不同。,提 綱,什么是數(shù)據(jù)分析 數(shù)據(jù)分析可以幫你作什么 如何作有效的數(shù)據(jù)分析 一些數(shù)據(jù)分析的常用方法 如何有效地Present 分析結(jié)果 案例分享,數(shù)據(jù)分析一些技術(shù)方法,比較分析 對比參照數(shù)據(jù)，追蹤差異原因； 預(yù)測；去年同期；上期都可以是參照數(shù)據(jù)。 趨勢分析 最常用的報表手段 因素分析 中供反饋數(shù)與哪些因素相關(guān)？ 自身活躍度？排名？廣告？產(chǎn)品數(shù)量？ 某些工具：相關(guān)系數(shù)等。 比率分析 常用的財務(wù)上的比率分析有：資產(chǎn)負債率； 人力資源管理上經(jīng)常用的是：人員周轉(zhuǎn)率，人員離職率等 在網(wǎng)站分析上： 粘度（PV/Session） Feedback Rate (Feebacks/接收人數(shù)),數(shù)據(jù)分析一些技術(shù)方法,組成分析法 將某一數(shù)據(jù)拆分，研究其組成，如： 國家組成分析 行業(yè)組成分析 內(nèi)部數(shù)據(jù)和外部數(shù)據(jù)的比較分析 中供與競爭對手付費產(chǎn)品性價比分析 層層篩選法 適用于選擇目標市場和目標群體 對多種影響因素按其重要程度進行一定組合，先按第一組合選擇出較大范圍目標對象，再按第二組合對第一組合篩選出來的對象進一步縮小范圍，以此類推，得出最終目標對象,較為復(fù)雜的分析方法,數(shù)據(jù)挖掘方法（Data Mining） 定義： 從大量的、不完全的、有噪聲的、模糊的、隨機的實際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。 優(yōu)勢： 可處理海量數(shù)據(jù) 可分析N種影響因素對結(jié)果的影響程度 可根據(jù)歷史來預(yù)測未來,分析方法舉例1,在這張圖中可以看到： 比較分析 趨勢分析 3) 組成分析,分析方法舉例2,-層層篩選法,Potential Buyer Market Selection,Top 23 Potential Buyer Markets,4. Daily B2B UV,Source: UN Comtrade,Source: World Bank,Source: Economist,Source: Alexa,Step 1,Top 15 Potential Buyer Markets,Step 2,分析方法舉例3,-數(shù)據(jù)挖掘神經(jīng)網(wǎng)絡(luò)分析法,1. 模型Clementine流截圖,ITP Leads新簽概率模型,2. 神經(jīng)網(wǎng)絡(luò)關(guān)鍵字段,ITP Leads新簽概率模型,分析方法舉例3,-數(shù)據(jù)挖掘神經(jīng)網(wǎng)絡(luò)模型,影響因素,重要程度,提 綱,什么是數(shù)據(jù)分析 數(shù)據(jù)分析可以幫你作什么 如何作有效的數(shù)據(jù)分析 一些數(shù)據(jù)分析的常用方法 如何有效地Present 分析結(jié)果 案例分享,有效的分析必須匹配完美的演示,了解你的聽眾 談?wù)勊麄兏信d趣的東西 假象他們的問題，并準備你的答案 一張圖表勝過千言萬語 為每一