联系我们

数据分析专业词百科大全· 第 2 / 6 页

第三部分：描述性分析与探索性数据分析（6 个）

这部分旨在总结和可视化数据的主要特征，了解“发生了什么”。

  1. 均值 （Mean）
    • 解释： 所有数值的总和除以数值的个数，即平均值。
    • 案例： 5 个用户的年龄分别是 20， 22， 25， 28， 30，他们的平均年龄是 （20+22+25+28+30）/5 = 25 岁。
  2. 中位数 （Median）
    • 解释： 将所有数值从⼩到⼤排序后，位于中间位置的数值。对异常值不敏感。
    • 案例： 对于上述年龄数据，中位数是 25。如果数据是 20， 22， 25， 28， 100，均值会变为 39，但中位数仍然是 25，更好地反映了“典型”用户的年龄。
  3. 众数 （Mode）
    • 解释： 数据集中出现次数最多的数值。
    • 案例： 在一次问卷调查中，选择“满意”的人数最多，那么“满意”就是众数。
  4. 标准差 （Standard Deviation）
    • 解释：衡量数据点偏离其均值的程度。标准差越大，数据波动越大。
    • 案例： A 班学生成绩的标准差是 5 分，B 班是 15 分，说明 B 班的成绩分布更分散，学生水平更参差不齐。
  5. 分布 （Distribution）
    • 解释： 显示数据集中每个可能值出现的频率或概率。
    • 案例：正态分布（钟形曲线）常用于描述身高、体重等自然现象。偏态分布（Skewed Distribution）则常见于收入数据，大多数人收入较低，少数人收入极高，形成右偏态。
  6. 相关性 vs 因果性 （Correlation vs Causation)
    • 解释： 一个至关重要的概念。相关性指两个变量同步变化，但不一定是一个导致另一个。因果性指一个变量的变化是另一个变量变化的原因。
    • 案例： “夏天冰淇淋销量”和“溺水人数”高度相关，但它们之间没有因果关系。真正的原因是“高温天气”（共同的因），它同时导致了冰淇淋销量增加和更多人去游泳。数据分析只能证明相关性，证明因果性需要严谨的实验设计。

第四部分：推断性分析与假设检验（5 个）

这部分旨在通过样本数据推断总体特征，并验证某个假设是否成立。

  1. 总体 vs 样本 （Population vs Sample)
    • 解释：总体是研究对象的全部集合。样本是从总体中抽取的一部分。我们通过分析样本来推断总体的特征。
    • 案例： 想要了解全国所有大学生的平均生活费（总体），我们随机抽取了 1000 名大学生进行调查（样本）。
  2. 假设检验 （Hypothesis Testing）
    • 解释： 一个统计方法，用于判断样本与总体的差异是由抽样误差引起还是本质差异所致。通常包括原假设（H0）和备择假设（H1）。
    • 案例：
      • 原假设（H0）: 新的 APP 界面设计对用户点击率没有影响。
      • 备择假设（H1）: 新的 APP 界面设计对用户点击率有影响。
      • 我们通过收集数据来判断是否有足够证据推翻原假设。
  3. P 值 （P-value）
    • 解释： 在原假设为真的前提下，出现当前观测结果或更极端结果的概率。P 值越小，说明结果越不可能是由偶然因素造成的。
    • 案例： 如果 P 值为 0.03，意味着如果新设计真的没用（H0 为真），我们只有 3%的概率会观测到这么大的点击率提升。通常，当 P 值小于一个预设的显著性水平（如 0.05），我们就会拒绝原假设。
  4. A/B 测试 （A/B Testing）
    • 解释： 一种在线实验方法，通过将用户随机分成 A 组（对照组）和 B 组（实验组），比较两个版本（如不同颜色的按钮）的效果差异。它是假设检验在商业中最常见的应用。
    • 案例： 为了测试红色购买按钮是否比蓝色更好，我们让 50%的用户看到蓝色按钮（A 组），50%的用户看到红色按钮（B 组），然后比较两组的转化率。
  5. 置信区间 （Confidence Interval）
    • 解释： 根据样本数据计算出的一个范围，我们有一定信心（如 95%）认为总体的真实参数（如平均值）落在这个区间内。
    • 案例： 分析得出，用户平均每日使用时长的 95%置信区间是[25 分钟， 35 分钟]。这意味着我们有 95%的把握，所有用户的真实平均使用时长在 25 到 35 分钟之间。

第五部分：预测建模与机器学习（5 个）

这部分利用算法从历史数据中学习规律，并对未来进行预测。

  1. 回归 （Regression）
    • 解释： 预测一个连续的数值型结果。
    • 案例： 根据房屋的面积、位置、房龄等特征，预测其销售价格。
  2. 分类 （Classification）
    • 解释： 预测一个离散的类别型结果。
    • 案例： 根据邮件的发件人、标题、内容等特征，判断该邮件是**“垃圾邮件”还是“非垃圾邮件”**。
  3. 聚类 （Clustering）
    • 解释： 一种无监督学习方法，将数据点根据相似性自动分组成不同的簇（Cluster）。
    • 案例： 根据用户的购买频率、消费金额、购买品类等，将用户自动分为“高价值用户”、“潜力用户”、“流失风险用户”等群体，以便进行精细化运营。
  4. 过拟合/欠拟合 （Overfitting/Underfitting）
    • 解释：
      • 过拟合： 模型在训练数据上表现极好，但在新的、未见过的数据上表现很差。它“记住”了训练数据的噪声，而不是学到了普适规律。
      • 欠拟合： 模型过于简单，连训练数据上的规律都没有学好。
    • 案例： 老师给学生一套练习题（训练数据）备考，一个过拟合的学生把所有题和答案都背了下来，但考试时换了新题（测试数据）就不会做了。一个欠拟合的学生则连练习题都没怎么学会。
  5. 模型评估指标 （Model Evaluation Metrics）
    • 解释： 用于衡量预测模型性能的指标。
    • 案例：
      • 分类模型： 准确率（Accuracy）、精确率（Precision）、召回率（Recall）、F1 分数。例如，在垃圾邮件检测中，召回率衡量“所有真的垃圾邮件中，有多少被我们成功找出来了”。
      • 回归模型： 均方根误差（RMSE）、R 平方（R-squared）。

第六部分：商业与产品分析指标（8 个）

这部分是将数据分析应用于商业决策的核心指标。

  1. 关键绩效指标 （KPI - Key Performance Indicator）
    • 解释： 用于衡量业务在特定目标上进展情况的量化指标。
    • 案例： 网站的 KPI 可能是“月活跃用户数”，销售团队的 KPI 可能是“月度销售额”。
  2. 转化率 （Conversion Rate）
    • 解释： 完成某个期望行为的用户比例。
    • 案例： 1000 人访问了商品页面，其中有 50 人点击了购买按钮，则购买转化率为 50/1000 = 5%。
  3. 用户生命周期价值 （LTV - Lifetime Value）
    • 解释： 一个用户在其整个生命周期内（从注册到流失）为公司贡献的总价值。
    • 案例： 如果一个用户平均每月付费 50 元，平均会持续使用 24 个月，那么他的 LTV 大约是 50 * 24 = 1200 元。
  4. 客户获取成本 （CAC - Customer Acquisition Cost）
    • 解释： 获取一个新客户所需的平均成本。
    • 案例： 公司在一个月内花费了 10,000 元用于市场推广，并获得了 200 个新客户，则 CAC = 10000 / 200 = 50 元。一个健康的商业模式通常要求 LTV > CAC。
  5. 用户留存率 （Retention Rate）
    • 解释： 在特定时间段后，仍然在使⽤产品的用户比例。
    • 案例： 1 月份有 1000 个新注册用户，到 2 月份仍有 400 个用户在活跃，那么次月留存率就是 40%。
  6. 用户流失率 （Churn Rate）
    • 解释： 在特定时间段内，停止使用产品或服务的用户比例。流失率 = 1 - 留存率。
    • 案例： 如果上个月有 1000 个付费用户，这个月有 50 个用户取消了订阅，那么月流失率为 50/1000 = 5%。
  7. DAU/MAU (Daily/Monthly Active Users)
    • 解释： 日/月活跃用户数，是衡量产品健康度和用户粘性的核心指标。
    • 案例： 某社交 App 今天的 DAU 是 100 万，过去 30 天的 MAU 是 1500 万。
  8. 漏斗分析 （Funnel Analysis）
    • 解释： 一种可视化用户在完成关键任务（如购买、注册）过程中各个步骤转化情况的方法。
    • 案例： 一个电商购买漏斗可能包括：访问首页 -> 浏览商品 -> 加入购物车 -> 提交订单 -> 完成支付。通过分析每一步的流失率，可以找到优化点。