【数据分析】指标体系构建及数据可视化
第一部分：指标体系搭建
引言：店门口欢迎-优先靠窗位置-从众心理
指标：人数（UV，unique visitor 访客数、付费用户数）、次数（PV，page view 付费次数）
指标搭建：了解业务场景（流程图）→抓关键步骤→量化指标→重点关注核心指标
聚划算运营指标：流程（淘宝入口-商品详情-订单详情-付款）→各环节加上PV、UV→转化率→核心指标（成单量、交易额、交易用户数）
用户画像：RFM量化用户质量、看新/老用户构成、分析用户行为（使用时长、复购率、客单价 ARPU），可以加定语描述更精准
RFM：Recency，最近一次消费时间间隔；frequency，消费频率；Monetary，消费金额，可以限定时间段，同一原则即可。
重要价值用户：维护，捧；发展：提频；保持：办卡；挽留：发优惠券
先建立打分标准→评分→判断高低（相对于平均值）
关于货的指标：库存：SPU（华为Mate30）、SKU（其中橙色款，单品）、库存金额、库存周转率、销售PV/UV→销量：曝光率、转化率→售后评价：退货率、好评率、差评率
指标体系：流量（PV/UV)→效率（环节转化率、整体转化率）→其他核心指标（金额：成交、退款、待支付、数量、人数）
指标体系应用：运营就是优化指标；大指标一个，细分很多；指标即方向
啤酒与尿布的故事→连带率：搭售
Python：apriori函数算，输出频繁项集→推荐连带方案
第二部分：数据可视化
柱状图：分组-男女
折线图：时间序列
雷达图：多维度描述
Tableau：官网下载https://www.tableau.com/，有试用期
复制一个表，字段分成两类：维度、数值
python：scatter画散点图，bar条形图，箱线图（最大值、上四分位数、中位数、下四分位数、最小值）-离群-异常值
Plt.pie?-提示参数都是什么意思-python用应小技巧
热力图：颜色深浅-出现次数
蜘蛛图=雷达图：多角度描述指标
疫情地图：网络抓去疫情数据-转excel格式-python-存成html文件（动态）
数据仪表盘dashboard
履约率、构成占比、各区域销售额
数据分析体系：
术：工具-Python、Pandas
法：方法论-MySQL、Tableau
道：思维
禅：领悟-算法