想要豐富展示效果,不如來看看這一篇~

一個朋友向我求助,他現在每天的工作就是做整理資料,做報表,天天重複性的工作,讓他漸漸的懷疑自我。

基本的EXCEL他已經基本掌握,對其中的表格、圖表、透檢視等等也十分熟練,對於工作中涉及到的EXCEL也基本沒有什麼難度。

但他也知道如果僅僅只是滿足於此肯定對於他之後的職業發展十分不利。因而想多學些技能,掌握更多的工具 …

--

--

基礎的柱形圖大家都知道怎麼做,那麼如何用柱形圖構造各種視覺化圖表呢?

今天先來講第一種思路:讓柱形圖透明化。從這一個透明化的思路可以引申出很多美化的視覺化圖表,學那麼多製作方法,不如學會一個思路,即可舉一反三。

以下列舉了7種透過透明化的思路製作圖表的案例:

兩個方法

首先,我們先熟練掌握讓柱形圖變透明的兩種方法,一種是透過設定次座標軸完成,另一種是 …

--

--

學會體系化搭建資料指標體系,使分析更具針對性。

開始前,請大家先用30s思考一個問題:

— — 是否存在某個單一財務指標,能夠全面衡量一家公司的盈利狀況?

我猜98%的人給出的答案都是不存在。確實,答案是不存在,但為什麼不存在是不是很難去描述。在這裡,給出我的答案:“不存在單一的指標可以全面衡量公司的盈利狀況,因為企業經營管理是複雜的,需要使用多維度的財務 …

--

--

很多同學被嫌棄:做的資料分析,沒深度。到底啥是分析深度?怎麼才能做出深度?話不多說,直接上場景。

問題場景:某物流企業,負責管司機的排程中心,會給每個未上線司機標註原因,標註格式如下圖:備註:實際原因還有很多,這裡僅做舉例現領導要求:分析司機未上線情況。問:該怎麼分析?

30

0、0級深度做法

3月6日,共1000司機,上線900,上線率90%● 3月7日,共1010司機,上線875,上線率87%● 3月8日,共1050司機,上線850,上線率83%上線率連續2天下降,建議搞高不上線的理由TOP3為:1、司機請假 35%2、累25%3、雙十二剛過 20%

╮(╯▽╰)╭

不點評了,大家自行吐槽。

1、1級深度做法

上線代表的是運力,不同線路運力需求不同,因此可以結合需求,解讀上線資料:● A線路本月訂單暴漲,但司機上線率在下降,需保障運力。● B線路本月訂單減少,司機上線率在下降,可調撥該批司機運力。● C線路為季節性需求,預計下個月就沒有了,關注該批司機運力分配。

點評:終於知道把上線情況和業務需求聯絡起來了。這樣能解讀出:司機上線/不上線,到底有啥意義。重點線路需要保障,零散線路釋放出運力要能調配開,這是基本常識。

同理,還可以對司機生命週期做分類,結合司機表現,解讀上線資料。

● 新手期司機:上線變差,是否意味著最近開發新司機質量下降

● 穩定期司機:上線變差,是否意味著平臺運作出問題,老司機流失

--

--

授人以魚不如授人以漁,教具體的顏色搭配不如教一些顏色搭配的小技巧。

這些小技巧可以幫你快速提高表格的區分度,視覺感受也更好。

1、同一色系:巧用漸變色區分

使用過於跳脫的顏色,會讓整個表格看上去很不協調,但若改用同一色系的顏色就會好很多。

深色和淺色分別突出了重點資訊和次要資訊,從而劃分區域。

這個表格我個人非常喜歡,整體以藍色系為主色調,搭配上紅黃綠作為點綴,整個看起來乾淨又不沉悶。上半部分,同一色系顏色的使用非常協調,對不同圖表做了很自然的區分。

需要注意的是,在Excel中,色彩的使用絕不是純粹為了美觀,而是服務於內容,要以增強可讀性為導向,尤其在輸入人員資訊時,最好對每一行都進行顏色區分,防止資訊看岔看錯。

--

--

建立一個數據模型的分析思維很重要。

本文將整理一些常見的資料模型,希望大家能建立一個數據模型分析思維意識,優先根據有效的資料模型進行精細化分析、資料探勘等,確保分析結果的有效性和正確性。

資料模型分析思維,即各種資料分析經驗的抽象集合,你擁有了更多的資料模型,也就擁有了更多的認知“資料”世界的工具。在斯科特·佩奇的《模型思維》一書中,提到了20多個思維模型,我們在資料分析過程中可能會經常用到的主要有:AARRR(海盜模型)、RARRA、漏斗模型、金字塔模型、RFM模型、使用者生命週期模型、滑梯模型、消費者行為模型等等。

我們將整理分享幾個常見的資料模型,僅供參考!

1、AARRR模型

AARRR增長模型出自於增長駭客,又稱海盜模型,即獲客、啟用、留存、變現、傳播推薦。

獲取使用者(Acquisition)、提高活躍度(Activation)、提高留存率(Retention)、獲取收入(Revenue)、使用者推薦(Refer),這個五個單詞的縮寫,分別對應使用者生命週期中的5個重要環節。

▶獲取使用者(Acquisition):透過一定的方式讓產品在一些渠道上面得到展現,並使看到展現的使用者轉化成產品使用者。

▶提高活躍度(Activation):提高產品的使用粘性,提升使用者使用產品的深度。

▶提高留存率(Retention):如何讓使用者不斷地使用我們的產品,減少使用者的流失,提升使用者粘性。讓使用者無法離開產品。

▶獲取收入(Revenue):透過一些手段和渠道從使用者那裡獲取收益。

▶使用者推薦(Refer):透過提升產品的競爭力,使使用者給他的朋友推薦我們的產品。

--

--

數據分析那些事

數據分析那些事

這是一個專注於數據分析職場的內容部落格,聚焦一批數據分析愛好者,在這裡,我會分享數據分析相關知識點推送、(工具/書籍)等推薦、職場心得、熱點資訊剖析以及資源大盤點,希望同樣熱愛數據的我們一同進步! 臉書會有更多互動喔:https://www.facebook.com/shujvfenxi/