新知一下
海量新知
6 5 1 3 9 2 6

最全!这6个数据思维工具,无敌好用

PM研究社 | 专注分享项目管理、PMP干货 2022/09/21 12:00


一直以来,数据分析都非常火,没少见各大平台都在疯狂推送数据分析的课程,多少是有贩卖焦虑的那味了。

但事实上,数据思维的确应该是每一个人应该具备的底层思维。

对于项目经理来说,需要对项目进行统筹规划,做出相应的对策,而做出准确的对策的前提条件就是对项目的各项数据有着充分的了解和把握。

看到这你也一定会问,数据思维要怎么建立?今天先给大家推荐6个数据思维工具。

9月的粉丝抽奖福利,老原也给大家安排上了,无门槛参加,可以点下面的链接参加。

奖品 小米液晶显示器21寸、小米无线蓝牙照片打印机、小米小爱音箱play ……中不中全看你自己

01、 信度与效度思维

信度与效度的概念最早来源于调查分析,但现在我觉得可以 引申到数据分析工作的各方面

信度:是指一个数据或指标自身的可靠程度,包括准确性和稳定性。

取数逻辑是否正确?有没有计算错误?这属于准确性;

每次计算的算法是否稳定?口径是否一致?以相同的方法计算不同的对象时,准确性是否有波动?这是稳定性。

做到了以上两个方面,就是一个好的数据或指标了?其实还不够,还有一个更重要的因素,就是效度!

效度:是指一个数据或指标的生成,需贴合它所要衡量的事物,即指标的变化能够代表该事物的变化。

只有在信度和效度上都达标,才是一个有价值的数据指标,举个例子:

要衡量我身体的肥胖情况,我选择了穿衣的号码作为指标。

但是一方面,相同的衣服尺码对应的实际衣服大小是不同的,会有美版韩版等因素,使得准确性很差;同时,一会儿穿这个牌子的衣服,一会儿穿那个牌子的衣服,使得该衡量方式形成的结果很不稳定;所以,衣服尺码这个指标的信度不够。

另一方面,衡量身体肥胖情况用衣服的尺码大小?你一定觉得荒唐,尺码大小并不能反映肥胖情况,是吧?因此效度也不足。

在我们的现实工作中,许多人会想当然地拿了指标就用,这是非常值得警惕的。

你要切骨头却拿了把手术刀,是不是很可悲?信度和效度的本质,其实就是数据质量的问题,这是一切分析的基石,再怎么重视都不过分!

02、 平衡思维

新知达人, 最全!这6个数据思维工具,无敌好用

说到天平大家都不陌生,平衡的思维相信各位也都能很快理解。

简单来说,在数据分析的过程中,我们需要经常去寻找事情间的平衡关系,且平衡关系往往是关乎企业运转的大问题,如市场的供需关系,薪资与效率关系,工作时长与错误率的关系等等。

平衡思维的关键点,在于寻找能展示出平衡状态的指标!也就是如图中红框,我们要去寻找这个准确的量化指标,来观察天平的倾斜程度。

怎么找这个指标呢?

以我的经验,一般先找双向型的问题,即高也不是低也不是的问题,然后量化为指标,最后计算成某个比率,长期跟踪后,观察它的信度和效度。

03、 分类思维

客户分群、产品归类、市场分级、绩效评价.......许多事情都需要有分类的思维。

主管拍脑袋也可以分类,通过机器学习算法也可以分类,那么许多人就模糊了,到底分类思维怎么应用呢?

关键点在于,分类后的事物,需要在核心指标上能拉开距离!

也就是说分类后的结果,必须是显著的。

如图,横轴和纵轴往往是你运营当中关注的核心指标(当然不限于二维),而分类后的对象,你能看到他们的分布不是随机的,而是有显著的集群的倾向。

例子:假设该图反映了某个消费者分群的结果,横轴代表购买频率,纵轴代表客单价,那么绿色的这群人,就是明显的“人傻钱多”的“剁手金牌客户”。

04、 矩阵化思维

新知达人, 最全!这6个数据思维工具,无敌好用

矩阵思维是分类思维的发展,它不再局限于用量化指标来进行分类。

许多时候,我们没有数据做为支持,只能通过经验做主管的推断时,是可以把某些重要因素组合成矩阵,大致定义出好坏的方向,然后进行分析。

05、 漏斗思维

新知达人, 最全!这6个数据思维工具,无敌好用

这种思维方式已经普及:注册转化、购买流程、销售管道、浏览路径等,太多的分析场景中,能找到这种思维的影子。

但我要说,看上去越是普世越是容易理解的模型,它的应用越得谨慎和小心。在漏斗思维当中,我们尤其要注意漏斗的长度。

漏斗从哪里开始到哪里结束?

以我的经验,漏斗的环节不该超过5个,且漏斗中各环节的百分比数值,量级不要超过100倍(漏斗第一环节100%开始,到最后一个环节的转化率数值不要低于1%)。

理由是什么呢?

超过5个环节,往往会出现多个重点环节,那么在一个漏斗模型中分析多个重要问题容易产生混乱。

比如,漏斗前面环节从60%变到50%,让你感觉是天大的事情,而漏斗最后环节0.1%的变动不能引起你的注意,可往往是漏斗最后这0.1%的变动非常致命。

06、 相关思维

新知达人, 最全!这6个数据思维工具,无敌好用

我们观察指标,不仅要看单个指标的变化,还需要观察指标间的相互关系!有正相关关系(图中红色实线)和负相关关系(蓝色虚线)。

最好能时常计算指标间的相关系数,定期观察变化。

建议大家养成一个习惯,经常计算指标间的相关系数,仔细思考相关系数背后的逻辑,有的是显而易见的常识,比如订单数和购买人数,有的或许就能给你带来惊喜!


更多“思维”相关内容

更多“思维”相关内容

新知精选

更多新知精选