一个合格的数据分析师,一定掌握了大量的思维模型。
这些思维模型有时能帮助他们少走点弯路,有时能够快速建立对特定场景、业务的认知,这也是为什么我一直强调思维模型的重要性。
成熟的思维模型系统性地沉淀了每种业务的明细与视角,掌握这些模型的来龙去脉,更有助于你将工作中的零碎经验系统性地串接起来。
顶级的思维模型能提高你成功的可能性,并帮你避免失败,比业务更懂业务,比管理更有格局也不是件难事。
1、贝叶斯模型贝叶斯模型在数据分析中一般用来解决先验概率、分类实时预测和推荐系统等问题,能够让我们基于过往的经验和目前的现象做出决策。
解决问题:
1. 当我们一无所知时,如何进行推断?
2. 当我们有了更多信息,该如何利用它们?
3. 如何得到后验概率?
4. 为什么贝叶斯决策理论是“最优的”?
限制:
贝叶斯模型的假设性较强,但实际操作起来并不容易
2、PEST模型PEST模型通过把握外部环境的变化,来改变业务和产品。如果不能正确地分析,就无法制定适当的业务战略。
基本步骤:
1、情报收集--分类为PEST四要素(政治、经济、社会、技术)
2、事实分类与解释
3、将事实划分为机会与威胁,短期与长期
4、纳入经营战略。
限制:
由于宏观环境变化规模越大,变化越频繁,因而该模型只适合中长期的经营战略规划,而不适合短期计划。
3、漏斗模型算是数据分析中的高频模型,从起点到终点,科学地评估某项业务的各流程转化情况,以量化的形式,帮助业务找到业务的异常环节,从而进行针对性的优化。
基本步骤:
1、查看漏斗转化率,将结果按照渠道、用户分组进行查看,找出转化率明显偏低的环节
2、分析数据变化的趋势,按照不同时间的变化趋势下,找出转化波动率最大/最小的时间点
3、不同维度对比,筛选不同的渠道、用户分组,将转化率和变化趋势进行对比。