方法 预测描述的分析

描述性分析的目的

用体系化的框架、合理的指标去评估业务状态，清楚地判断业务现状及定位业务波动的数据原因。

一般来说，日报、周报，或者对于某块业务的描述性分析报告都会沉淀在数据产品上自动更新，因为业务方需要经常关注相关的数据。

描述性分析需要更宏观、深刻地理解整个业务.

明确分析目的 获取数据 撰写报告

系统地评估企业某业务的状态。

获取分析所必要的数据。

通常在数据产品（Tableau、PowerBl等）

上呈现最终的结果。有漏斗分析、对比分析、分组分析等。

明确分析思路 处理与分析数据

搭建分析框架，拆解业务，根据实际情况，使对获取的数据按拆解的分析思路进行处理。

用逻辑树、5W2H分析法、PEST分析模型等分析方法，确定业务和子模块的核心观测指标，

用合适的分析方法表现业务发展的好坏。

明确分析目的

明确分析思路

获取数据

处理与分析数据

撰写报告

对于预测性分析的框架，我们通常会基于公式来拆解，常见的形式有两种。

（1）基于数学关系

如GMV=付费用户量 × 平均付费金额。

（2）基于业务逻辑

如运营活动期间的GMV=资源投入前的GMV × 提升系数。

常用的分析方法有移动平均法、相关性分析法、各种插值法等。

分析思路：

1、搭建预估的分析框架，对GMV进行拆解

GMV=付费用户量 × 平均付费金额

2、将往年“双十一”的付费用户量，乘以预估系数（比较今年和往年的资源投入比），得出今年的付费用户量。平均付费金额可以参考往年的数据。

GMV预估值 =付费用户量 × 平均付费金额 =（往年付费用户量×预估系数）× 往年平均付费金额

3、为了得到更精确的预估值，把付费用户量继续往下拆解，如增加渠道维度。即：将往年每个渠道的转化率，乘以今年每个渠道的实际值，得出今年的付费用户量

付费用户量 = 用户量 × 转化率

分析思路：

1、采用逻辑树方法来拆解，将整个业务流程拆解为两个大的模块：流量产生和流量转化。

流量产生：关注渠道来源

流量转化：按产品流程分析，即进入商品A页面的流量有多少、到每个步骤的转化率是多少

2、将分析报告的结构分为三部分：

① 核心部分：当月流量、过程转化率和转成交率。

② 流量产生：关注不同渠道的流量和转成交率。

③ 流量转化：分为5个流程，即进入商品A页面—>加入购物车—>确认订单—>选择付费方式—>付费成功

在每个流程都要关注量的绝对值和到下个流程的转化率。

① 对比分析：

对于核心部分，对比关键指标的月环比数据、目标达成度（与时间进度对比）；

对于流量产生部分，对比不同时间段的流量变化，判断整体的波动趋势，关注不同渠道的流量和转化率月环比数据，对比分析渠道的表现；

对于流量转化部分，对比漏斗的每个流程与上月的绝对值和转化率变化。

② 漏斗分析：

对于流量转化的5个流程，采用漏斗分析方法来处理。

即进入商品A页面—>加入购物车—>确认订单—>选择付费方式—>付费成功

描述性分析

数据分析师经常需要做日报、周报、月报，评估业务的状态和进展，这些都是描述性分析范畴内的工作内容

预测性分析的目的

预测是指基于已知信息（历史数据、后续资源投入等），假设事物发展的趋势会延伸到以后，以此来对未来进行预估，可能发生的特殊影响事件不在考虑范畴之内，但最后会留出一定的调整空间。

预估未来收益

辅助当下的决策、前置的调度资源分配。

预估阶段性目标

为接下来的工作提供方向及评估工作进度。

自下而上

先预估业务每个模块的目标，再向上汇总，得到业务整体可以达到的目标。

自上而下

先由老板确定最终要达到的目标，再向下拆解预估过程中要完成的阶段性目标和所需要的资源。