От автора Telegram-канала Аналитика и Growth mind-set.
Как получить из данных полезную информацию, которая приведет к максимально сильному воздействию?
Следующие 3 метода помогут вам достичь этого.
1. Выявляйте выбросы и аномалии
Ищите данные, которые отклоняются от нормы.
Это могут быть внезапные изменения в большую или меньшую сторону по сравнению с прошлым периодом или с целевым значением.
Пример:
Определение городов, продуктов, продавцов, которые либо показывают результаты больше ожидаемых, либо отстают на значительную величину.
2. Определяйте причины и взаимосвязи
Это означает поиск реальных причин отклонений в ваших данных.
Пример:
Вы обнаружили резкое падение продаж за вчерашний день. Вы ищете реальные причины такого падения и выясняете, что оно связано с пользователями, использующими браузер chrome. У данных пользователей по сравнению с предыдущим периодом наблюдалось падение на последнем шаге воронки - на шаге оформления заказа. Копнув глубже, вы находите причину - она была в неработающей кнопке "Оформить заказ".
Типы визуализаций, которые можно использовать для достижения этой цели
Комбинированная диаграмма с накоплением (Stacked bar chart)
Более всего комбинированная диаграмма полезна при сравнении категорий.
"Маленькие" или решатчатые диаграммы (Small multiples, or trellising)
Разбивают визуальный элемент на несколько версий самого себя. Это позволяет легко сравнивать данные.
Кумулятивные линейные графики (cumulative line graph)
Такая диаграмма используется для визуализации вклада каждой составляющей в общий результат.
Боксплот или "ящик с усами" (box and whisker plot)
Диаграмма "ящик с усами" показывает распределение данных по квартилям, выделяя их выбросы. В полях могут быть линии, протянутые вертикально под названием "усы". Эти линии указывают на отклонение за пределами верхнего и нижнего квартилей, и любая точка за пределами этих линий (усов) считается выбросом.
Диаграмма рассеяния (scatter plot)
Диаграммы рассеяния используются для демонстрации наличия или отсутствия корреляции между двумя переменными.
Тепловые таблицы (heat table)
Графическое представление данных, где индивидуальные значения в таблице отображаются при помощи цвета.
И другие...
3. Преобразуйте, сегментируйте и группируйте данные
Когда вы изменяете представление своих данных, вы даете возможность себе находить новые идеи.
Например, переведите числовые значения в текст или наоборот.
Или используйте методы кластеризации.
Кластерный анализ — это статистический метод обработки данных. Он работает путем организации элементов в группы или кластеры на основе того, насколько тесно они связаны.
Используйте инструменты для анализа данных:
- Tableau
- Power BI
- Библиотеки Python (Pandas, Numpy)
- R
Подписывайтесь на мой Telegram-канал Аналитика и Growth mind-set, там я рассказываю о своей работе продуктовым аналитиком и делюсь полезными материалами по аналитике.
Переходите на мой блог .