数据分析中需要关注的值
目标值
关注两方面:
从空间上看:整体目标、局部目标 从时间上看:年度目标、月度目标(或者其他时间颗粒度)
理论上能最好能做到多少? 制约指标的不可控因素有哪些,这些通常就是业务发展的瓶颈;
目标值对应的业务的生命周期如何?市场竞争如何? 目标值在时间上的变化趋势如何?单位时间的提升量或变化量是多少?要达到目标值理论上需要的时长? 目标值在空间上各维度下的分布如何?以及各成分随时间的变化趋势如何? 哪些可操作的因素可以促进达到目标值?
基准值
给到一个数值,要判断好坏、多少,那就需要对比,对比就需要参照点——在数据场景下就是“基准值”或者参考值。
对比的核心在于发现差异或异常,基准值是表示正常状态下的业务指标的取值范围(一般可以理解为均值
),e.g.不同渠道来源的流量、首页流量分布,页面点击率、不同环节的转化率,不同用户群的客单价、下单周期等。一般指标超出业务正常均值±正常波动量
的数值区间就判定为异常。
基准值可以从目标值里面选,以衡量达标情况或进展。
如果是横向对比,则可以考虑竞品或者市场整体(平均)水平,e.g.金融行业的坏账率一般是多少,做得好的同行又是多少;
也可以纵向对比历史数据(同比或环比),e.g.上个月(去年同月)的交易额等;
对比目标值和当前业务基准值的差异,就是业务上要提升的量。
变化量
”变化量“的应用场景
指标波动,或者说常见的”数据拐点“,对于指标波动需要关注的几个方面: 是否是周期性变化,持续性还是突发性,有没有递增或递减趋势(worse or better) 波动的定位,时间以及空间(e.g.人货场) 可能的原因,e.g.外部原因(舆论事件、政策调整、竞争对手等),或者内部原因(功能改动、策略调整、活动因素等); 业务操作,不同的产品运营操作的效应量如何,比如对于某类人群投放预期可以产生的效果是多少? 业务预测,把业务核心指标拆解为由不同因素组合计算成的公式,那么每个因素当前的指标值是多少,给定业务场景、产品运营计划以及资金成本等前提,预期可以提升的空间多少?
推荐阅读
欢迎长按扫码关注「数据管道」
评论