自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

咨詢公司的數(shù)據(jù)分析模型有多高大上?帶你漲漲姿勢(shì)!

大數(shù)據(jù) 數(shù)據(jù)分析
所謂分析模型和方法,都是有特定的使用背景、使用目的、使用效果的。而且并不是所有的分析方法,都是沖著“精準(zhǔn)”去的。能快速、省事的解決問題,才是最終目的。

做數(shù)據(jù)分析的同學(xué)們都見過下邊這種矩陣,很多人對(duì)此頂禮膜拜,甚至還有一些網(wǎng)文作者直接就把矩陣思維、矩陣模型、矩陣法招呼上了,說它是數(shù)據(jù)分析的“底層思想”“核心邏輯”。

好吧……他們肯定是沒在咨詢企業(yè)上過班了。其中真相如何,今天我們系統(tǒng)講解一下。

圖片圖片

1、 從平均值法說起

平均數(shù)是用得最多,也被調(diào)侃的最多的概念。有詩為證:

村頭老張一千萬

隔壁九個(gè)窮光蛋

統(tǒng)計(jì)局里算一算

各個(gè)都是張百萬

但問題是,為啥平均數(shù)被吐槽這么多,實(shí)際上卻又使用得最多?明明統(tǒng)計(jì)學(xué)里有平均數(shù)、中位數(shù)、眾數(shù)三個(gè)概念,三個(gè)概念都很好理解,但為啥非是平均數(shù)呢?

答:因?yàn)槠骄鶖?shù)用起來方便、省事。用平均數(shù),能很簡(jiǎn)單地把總量按人頭分解,比如:

  • 銷售金額=購買客戶數(shù)*人均購買量
  • 生產(chǎn)數(shù)量=生產(chǎn)線數(shù)*平均產(chǎn)能
  • 備貨數(shù)=門店數(shù)*平均銷量

這樣在做管理的時(shí)候是很省事的:想提高銷量,要么增加客戶人數(shù),要么提高人均購買。這兩個(gè)數(shù)字可以簡(jiǎn)單地直接相乘。用中位數(shù)、眾數(shù)顯然達(dá)不到這個(gè)效果。

并且,在下命令的時(shí)候也很清晰:每個(gè)人都要做到平均水平以上!你做不到,你就拖了大家的后腿,大家都能做到你憑什么做不到。你看,簡(jiǎn)單清晰,而且符合人們的直觀感覺,很有說服力。

所以平均數(shù)是自帶標(biāo)準(zhǔn)的。高于平均值就是好,低于平均值就是不好。這一點(diǎn)對(duì)咨詢顧問們來說非常重要。

因?yàn)榇蟛糠肿稍冾檰?,在特定行業(yè)里的經(jīng)驗(yàn)遠(yuǎn)沒有客戶多。因此診斷問題的時(shí)候,咨詢顧問們非常需要一個(gè)不依賴于行業(yè)的、中立的、有說服力的標(biāo)準(zhǔn)來判斷好壞。判斷完好壞,才能進(jìn)一步分析為啥好、為啥壞。因此平均值法是用得最多的判斷方法。

當(dāng)然,平均值法也有它的先天不足,這就引申出其他方法。

 2 、平均值法的迭代升級(jí)

用平均數(shù)的問題,其實(shí)來源于個(gè)體差異過大,所謂:“我和姚明平均身高,和馬云平均財(cái)富”,因此在平均值法的基礎(chǔ)上,又引入了二八法:按20/80理論,直接把最好的前20%分離出來,單獨(dú)觀察,避免干擾其他群體,這樣也能做出判斷。

圖片圖片

二八法一般在前臺(tái)/營銷端用得多。因?yàn)楹笈_(tái)/供應(yīng)端的生產(chǎn)、物流都是機(jī)器化流程,容易把控質(zhì)量,但前臺(tái)/營銷端常常出現(xiàn)少數(shù)能力好的銷售做出大量業(yè)績(jī)、少數(shù)金主爸爸貢獻(xiàn)大部分利潤(rùn)的情況。在管理上,進(jìn)而衍生出淘金法。即招100個(gè)銷售,要從里邊培育出20個(gè)Ace級(jí)銷售。類似挖一大堆沙,從里邊淘出金子的過程。

如果評(píng)價(jià)維度有兩個(gè)呢?這就引申出了矩陣法。

 3 、從平均值法到矩陣法

矩陣法本質(zhì)上是一種用兩個(gè)維度來找判斷標(biāo)準(zhǔn)的方法。它的操作非常簡(jiǎn)單:

第一步,找到兩個(gè)評(píng)價(jià)維度,每個(gè)維度取平均值做判斷標(biāo)準(zhǔn)。

第二步,兩個(gè)指標(biāo)交叉,把待評(píng)價(jià)對(duì)象。

第三步,根據(jù)兩維度含義,給出分類解讀。

只要兩個(gè)指標(biāo)相關(guān)性不是非常高,兩個(gè)指標(biāo)交叉的時(shí)候,數(shù)據(jù)就會(huì)分散在四個(gè)矩陣?yán)?,這樣能清楚找到業(yè)務(wù)含義(如下圖)。

圖片圖片

更有趣的是,如果兩個(gè)評(píng)價(jià)維度組合得當(dāng),是能夠解讀出很多有意思的業(yè)務(wù)含義的。比如游戲行業(yè)的用戶活躍/用戶付費(fèi)兩個(gè)指標(biāo)??梢云饌€(gè):

☆ 高活躍+高付費(fèi)=金牛用戶(又出錢又出力的老牛)

☆ 低活躍+高付費(fèi)=土豪用戶(懶得自己打,爺花錢買?。?/p>

☆ 高活躍+低付費(fèi)=白嫖用戶(啦啦啦,就是干玩不給錢)

☆ 低活躍+低付費(fèi)=邊緣用戶(都不咋玩,要跑咯)

這樣的解讀能一下讓報(bào)告的氣氛活躍起來,結(jié)合所謂“矩陣模型”,顯得既高大上,又活潑,這是甲方爸爸們最喜歡看的東西。因此矩陣模型便大行其道了,每個(gè)咨詢公司在新員工培訓(xùn)的時(shí)候,都會(huì)教如何構(gòu)建矩陣模型,讓爸爸們滿意。這是一個(gè)祖?zhèn)魇炙嚒?/p>

所以你看到的咨詢公司的所謂分析模型, 出現(xiàn)最多的就是矩陣,各種矩陣。如果矩陣搞不掂,基本上就是什么7S,9P之類的巨復(fù)雜,巨多分類維度的模型了。反應(yīng)快的同學(xué),看到這立馬就有疑問了。“誒?為啥會(huì)這樣,理論上3個(gè)維度的評(píng)價(jià),也能這樣疊加下去呀,不就是拉交叉表嗎。”

以3維度評(píng)價(jià)為例,即使每個(gè)維度都用二分類,那么能分出來的也有2*2*2=8類。這種情況下會(huì)出現(xiàn)幾個(gè)問題:

  • 每一類含義解讀變得復(fù)雜,不見得都能解釋清楚。
  • 每一類群體數(shù)量變少,經(jīng)常出現(xiàn)一個(gè)群體占比50%,另一個(gè)占比5%的問題
  • 因?yàn)槿后w規(guī)模不均,經(jīng)常引發(fā)客戶:“我們?cè)偌?xì)分一下”的要求,結(jié)果拆得越支離破碎,解讀越麻煩,而且有的客戶,就是50%用戶消費(fèi)、活躍都是0,也沒法繼續(xù)深入

總之,原本用平均值法、用矩陣法,為的是簡(jiǎn)單、省事。現(xiàn)在反而人為的制造復(fù)雜性了。所以當(dāng)評(píng)價(jià)維度超過3個(gè)以上的時(shí)候,咨詢顧問們會(huì)傾向于放棄手動(dòng)分類,直接用包含一大堆分類維度的綜合評(píng)估模型?;蛘吒纱嗌螷均值聚類,對(duì)著聚出來的結(jié)果再拍腦袋解讀。

 4 、小結(jié)

所謂分析模型和方法,都是有特定的使用背景、使用目的、使用效果的。而且并不是所有的分析方法,都是沖著“精準(zhǔn)”去的。能快速、省事的解決問題,才是最終目的。

這又是一件“君子以為文,小人以為神”的事。認(rèn)真理解起背后的邏輯,就能進(jìn)步。打著“權(quán)威、牛逼、科學(xué)”的幌子死記硬背,就把自己繞進(jìn)去了。

責(zé)任編輯:武曉燕 來源: 接地氣的陳老師
相關(guān)推薦

2018-04-17 11:43:59

競(jìng)爭(zhēng)分析波士頓

2017-06-13 10:15:50

人工智能深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)

2016-05-10 13:55:36

2022-03-16 10:05:16

加拿大航空數(shù)據(jù)分析數(shù)據(jù)庫

2019-07-31 14:16:35

大數(shù)據(jù)人工智能算法

2024-08-06 11:32:07

2017-09-28 16:31:02

大數(shù)據(jù)數(shù)據(jù)分析漏斗模型

2017-07-24 09:18:55

大數(shù)據(jù)數(shù)據(jù)分析行為事件分析

2013-09-02 09:34:23

2021-01-27 09:18:50

大數(shù)據(jù)數(shù)據(jù)收集大數(shù)據(jù)分析

2024-02-26 12:34:52

模型數(shù)據(jù)決策模型

2022-05-09 18:46:28

EOQ模型數(shù)據(jù)分析

2013-10-16 10:40:15

Facebook收購數(shù)據(jù)分析

2017-02-09 15:46:09

數(shù)據(jù)分析互聯(lián)網(wǎng)

2024-10-10 11:59:11

2024-10-30 12:21:18

2022-02-21 17:35:50

漏斗模型流程數(shù)據(jù)

2017-02-09 17:51:18

數(shù)據(jù)分析數(shù)據(jù)系統(tǒng)互聯(lián)網(wǎng)

2020-12-09 16:57:15

數(shù)據(jù)分析大數(shù)據(jù)

2009-05-06 08:31:28

IBM收購Exeros
點(diǎn)贊
收藏

51CTO技術(shù)棧公眾號(hào)