【干货】你不得不知的数据分析法

xgnic

                                                                 
                                    
数据分析，最先要明确的是目的，没有目的，就没有方向。目的是做数据分析的一条主线，根据目的才能去想要什么数据，要经过哪些处理，再进行什么样的分析，得出什么样的报告。
那么，我们就来进行数据分析的第一步，我们先来假设一个命题，也就是我们的目的。做电商的人都知道，流量对于店铺来说，是一个很重要的东西，而要有流量，就要有展现，展现分很多，各种活动，直通车钻展，当然还有大家最喜欢的免费流量，免费的展现。那最核心的还是，想要有展现，就得有排名。那我们不妨来研究一下，排名到底有什么样的规则。
一篇文章，必然讲不完那么大的一个命题，所以我给大家演示的也是其中的一部分。众所皆知，在免费流量里面，综合入口是最大的，而影响综合入口一个很大的因素就是上下架时间点对于排名的影响（当然除了3个豆腐块之外），那这次就来看看上下架的时间点，对于排名来说，它的影响到底是什么样的。
目前有了目的，我们就要来选择数据，我们需要什么数据来分析，那第一个能想到的，必然就是在某一个时间点，在某一个关键词下面，综合排名前几页的宝贝的具体下架时间。
查找你想了解的宝贝关键词，拉出相关数据（我用的驭宝魔盒拉的数据，也可以用其他软件采集）：

这里已经有了我们所需要的上下架时间，这时候你要做好记录，什么关键词，词的宝贝数是多少，什么时间点拉下来的。

我会这样做一个记录。这个记录方便以后查看，包括可能后续的需要更加大数据或者其他方面的研究。
好了，我们完成了第二个步骤，我们有了数据，接下去，就是考验大家用工具的一些基本功底了，我们要对整个数据进行一些处理。光光这么看数据，可能能看出一些东西来，但是必然不严谨，偶然性比较大，而且我们需要分析的维度是时间，时间在这里，还不是一个序列，只是一个变量，但是这又不是一个数值型的变量，不能直接拿来做一个直观的比较。而且有时候不处理直接看几万条数据，看见头都会大。所以数据处理和清理这一步很重要。
所以这里，我就对于这个时间变量进行一个模拟变量的数字化：

首先一步，我会把这个时间点，单独提取出来，当然，日期也是，日期必然也会有好多个日期：

但是我会先把其他日期屏蔽掉，因为其他日期的量很少，属于离群值，大家也都知道，离群值不同于异常值（当然也要经过分析看看是不是异常值，由于软件跟系统原因，出现异常值也是正常），但是这些离群值，数量不大，除了3个是豆腐块之外，也就一只手不到的数目。这些数目，我们可以单独作为研究，其实这也是一个很好的维度，我们可以看看，为什么这些宝贝离下架时间点明明还有很长的时间，但是却能在前面几页，当然这不是我们目前主要的课题，所以不深入讨论，大家感兴趣可以自行研究。
好了，异常值也没有了，接下去，我们要做的就是模拟变量的一个数字化，以便于我们分析，这里就是让时间变量，变成我们可以分析的数值，大概的意思就是离我查询的那个时间点为标准，离的近的数字小，离的远的数字大。

其中的14点，就是我查询的时间，所以就以这个为一个标准点。经过这些处理之后，我们就大概的得到了我们想要的一个数据，就是我们有了排名，有了上下架时间。
接下去，就是展现我们数据分析师功底的时候了，我的做法是，先把这个导入到常用的数据分析软件SAS中，一般我个人使用的话，一般使用的是SAS Enterprise Guide这个模块，比较无脑党一点。

大概简单的这么做了一个过程流：

这是大概做的一个数据流，我还是跟大家讲讲我那时候做的一个思路吧，那个才是最重要的，也是我希望大家能学到的。