用户数据分析的科学方法？
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-02-22
优化所有这些步骤的以数据为中心的方法看起来很像科学方法
它从假设开始，收集信息并分析可视化，以便在重新启动之前得出明智的结论，对于担心如何询问数据问题并获得有效答案的数据驱动产品团队，解释我们如何做到这一点，还将介绍一个我正在领导的用户增长项目的示例，以更全面地介绍我们的流程如何运作，任何良好的基于数据的调查的部分是将您的初始信息浓缩为一个假设，这应该可以帮助您的团队缩小需要分析的数据范围，并为您的调查提供更明确的方法。
我们一直在寻找数据驱动的方式来增加我们的收入
对于我现在正在领导的特定项目，我们的假设是，提高用户级别的参与度将推动企业帐户的保留和扩展，因此两者之间不存在简单的线性关系，但是增加使用我们产品的人数似乎仍然是增加收入的好方法生长。
提出数据问题以收集信息
确定假设之后，是时候开始研究可用数据了。您不是在这里寻找直接的答案，而是在寻找与正在调查的问题有关的尽可能多的相关信息，在这一步中，您必须意识到数据可以回答的问题的类型非常重要，简单地询问您的数据，如果更多的用户等于更多的收入，这太广泛了，您可能会发现一种方法，可以看到两个数字都朝着同一方向移动，但这只是相关性，而不是因果关系。尽管确定历史数据的因果关系通常不切实际，但有可能找到多个一致的相关性，从而得出强有力的调查假设。这是一个好习惯，要尽可能多地学习多个主题（既可以独立学习，也可以一起学习），以便您可以找出这些一致的相关性，对于我正在从事的用户增长项目，在本研究阶段，我们询问了大约100个问题，其中大多数是简单查询，返回了我们预期的结果，没关系查看数据与我们的假设的吻合程度至关重要，通过提出100个问题，您可以找到有力的信号来采取行动。
在此阶段，您应该寻找机会阐明您的假设并进行更深入的研究，如果一个问题揭示出正在推动广泛运动的现象，那么深入挖掘并寻找更多相关问题可能很重要，通常有价值的研究可能来自您从未期望进行调查的问题，与您的假设相矛盾的信息对您的研究至关重要，因为它有助于使您了解整体知识的先前黑暗的领域，在这里进行更多的分析会更好，因为每条信息都有助于我们试图发现的整体情况，一个人期望的结果可能与另一个人的期望相矛盾，因此要主动建立广泛的知识基础。
可视化并研究结果
在向数据提出所有必要的问题后，就可以构建图表并组装仪表板以查看大图了，如果您的调查始于无序的问题扩展，那么该扩展仅对原始作者有意义，企业和整理数据对于传达以其他人可以理解的方式发现的信号至关重要，理想情况下，您要在开始回答100个问题后更新假设，这种可视化是一个机会，展示您的思维方式如何变化以及如何解释您的假设为何发生变化，在我们的用户增长项目中，当我们证明用户参与度较低的帐户的流失风险增加时，我们的假设得到了证实，用户参与度较高的客户很可能仍然是客户，特别是用户参与度的帐户在这一年中保留了100％的帐户，当我们查看这些帐户的用户活动时，在多个位置登录并检查信息的用户可能会增加其使用率平台。
当我们将所有这些信息放在一起时，我们可以更新我们的假设，以表明拥有更多用户的帐户可以创建更多数据，并找到使用更多信息的更多方法，这些人可以在他们的分析中发现更多价值。当数据生态系统提供更高的价值时，更多的人想要访问，从而创造了……更多的用户。
锐化并重复
一旦发现趋势或异常值，就该开始对这些现象提出新的问题了。的方法是在提问和可视化分析结果之间交替，在假设过程中加紧假设以反映所学知识，请记住此过程的目标是在您的分析中发现真相。该分析可能需要进行多次迭代才能达到可以对数据采取行动的地步。随着您对业务的了解越来越多，可能需要进行更多轮这种分析过程才能找到您不知道的信息，那很正常 不断提出问题，继续分析您的发现并不断更新您的假设，这不仅是为了寻找报告中的数字，而且是对您的业务运作方式的科学询问，公司研究数据的次数越多，您就越会开始吸引更多的人和更多的团队参与分析，在研究报告中要详尽无遗，这很重要，因为您认为直观的见解可能是另一个团队或项目其他成员的新信息。
它从假设开始，收集信息并分析可视化，以便在重新启动之前得出明智的结论，对于担心如何询问数据问题并获得有效答案的数据驱动产品团队，解释我们如何做到这一点，还将介绍一个我正在领导的用户增长项目的示例，以更全面地介绍我们的流程如何运作，任何良好的基于数据的调查的部分是将您的初始信息浓缩为一个假设，这应该可以帮助您的团队缩小需要分析的数据范围，并为您的调查提供更明确的方法。
我们一直在寻找数据驱动的方式来增加我们的收入
对于我现在正在领导的特定项目，我们的假设是，提高用户级别的参与度将推动企业帐户的保留和扩展，因此两者之间不存在简单的线性关系，但是增加使用我们产品的人数似乎仍然是增加收入的好方法生长。
提出数据问题以收集信息
确定假设之后，是时候开始研究可用数据了。您不是在这里寻找直接的答案，而是在寻找与正在调查的问题有关的尽可能多的相关信息，在这一步中，您必须意识到数据可以回答的问题的类型非常重要，简单地询问您的数据，如果更多的用户等于更多的收入，这太广泛了，您可能会发现一种方法，可以看到两个数字都朝着同一方向移动，但这只是相关性，而不是因果关系。尽管确定历史数据的因果关系通常不切实际，但有可能找到多个一致的相关性，从而得出强有力的调查假设。这是一个好习惯，要尽可能多地学习多个主题（既可以独立学习，也可以一起学习），以便您可以找出这些一致的相关性，对于我正在从事的用户增长项目，在本研究阶段，我们询问了大约100个问题，其中大多数是简单查询，返回了我们预期的结果，没关系查看数据与我们的假设的吻合程度至关重要，通过提出100个问题，您可以找到有力的信号来采取行动。
在此阶段，您应该寻找机会阐明您的假设并进行更深入的研究，如果一个问题揭示出正在推动广泛运动的现象，那么深入挖掘并寻找更多相关问题可能很重要，通常有价值的研究可能来自您从未期望进行调查的问题，与您的假设相矛盾的信息对您的研究至关重要，因为它有助于使您了解整体知识的先前黑暗的领域，在这里进行更多的分析会更好，因为每条信息都有助于我们试图发现的整体情况，一个人期望的结果可能与另一个人的期望相矛盾，因此要主动建立广泛的知识基础。
可视化并研究结果
在向数据提出所有必要的问题后，就可以构建图表并组装仪表板以查看大图了，如果您的调查始于无序的问题扩展，那么该扩展仅对原始作者有意义，企业和整理数据对于传达以其他人可以理解的方式发现的信号至关重要，理想情况下，您要在开始回答100个问题后更新假设，这种可视化是一个机会，展示您的思维方式如何变化以及如何解释您的假设为何发生变化，在我们的用户增长项目中，当我们证明用户参与度较低的帐户的流失风险增加时，我们的假设得到了证实，用户参与度较高的客户很可能仍然是客户，特别是用户参与度的帐户在这一年中保留了100％的帐户，当我们查看这些帐户的用户活动时，在多个位置登录并检查信息的用户可能会增加其使用率平台。
当我们将所有这些信息放在一起时，我们可以更新我们的假设，以表明拥有更多用户的帐户可以创建更多数据，并找到使用更多信息的更多方法，这些人可以在他们的分析中发现更多价值。当数据生态系统提供更高的价值时，更多的人想要访问，从而创造了……更多的用户。
锐化并重复
一旦发现趋势或异常值，就该开始对这些现象提出新的问题了。的方法是在提问和可视化分析结果之间交替，在假设过程中加紧假设以反映所学知识，请记住此过程的目标是在您的分析中发现真相。该分析可能需要进行多次迭代才能达到可以对数据采取行动的地步。随着您对业务的了解越来越多，可能需要进行更多轮这种分析过程才能找到您不知道的信息，那很正常 不断提出问题，继续分析您的发现并不断更新您的假设，这不仅是为了寻找报告中的数字，而且是对您的业务运作方式的科学询问，公司研究数据的次数越多，您就越会开始吸引更多的人和更多的团队参与分析，在研究报告中要详尽无遗，这很重要，因为您认为直观的见解可能是另一个团队或项目其他成员的新信息。
您可以询问数据的问题无数，因此请集中精力将数据添加到整个故事中，深入数据的目的应该是增加信息，这将使您对业务前景有更全面的了解，并做出更有价值的决策。
商业联合会数据分析专业委员会
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
