• 产品经理网站数据分析之测量问题现状(三)


    咳咳~加上补的,今天写多点。嘿嘿~

    这一章就开始要涉及到产品经理数据收集的数学统计方法咯~

    正文:

    前文我们讲到了关键质量特征【链接:产品经理如何量化关键需求指标】

    我们了解到关键质量特征是驱动客户满意度提升的重要指标,如何提升关键质量特征,那么提升就需要一个指标。

    找到关键质量特征后,我们运用头脑风暴、细分树等分析工具,找出影响关键质量特征的过程指标和流程输入指标。按照这个指标进行测量。

    例如,我们上文【链接:产品经理网站数据分析之测量问题现状(二)】最后一张图说的是客户订购产品投递流程。

    大概流程如下:

    订单付款完毕1——根据产品种类和投递区域,将订单发送到相应的配送人员2——根据订单进行产品封装,完毕后交物流公司3——进行产品投递4——客户收到产品进行满意度评价5

    涉及到的输出单位有:

    1:客户

    2:订单处理人员

    3:产品配送人员

    4:物流公司

    我们将订单处理、产品配送和产品投递环节均作为测量目标,然后找出影响产品邮寄的关键环节,作为重点优化内容进行解决。只有将重点环节处理好,才能够有效降低整体的邮寄时间。

    在测量指标确定后,需要明确指标的数据收集标准并形成团队公式,从而确保数据测量的准确性和一致性。例如,对于产品邮寄时间,是从客户提交订单后开始计算,还是从产品交给物流公司开始计算,这是需要进行明确的,否则会由于收集到的数据标准不统一造成数据不可用。

    需要注意的是,我们在确定测量指标时,要注意测量指标中会出现连续数据与离散数据的区别。

    所谓连续数据是指能够被无限可分的数据,比如时间、长度、温度,他们的基本单位是线性而连续的。

    离散数据是指单独、个别或不重叠类别的数据,如合格/不合格,满意度评级、性别等。在通常情况下, 连续数据可以提供更多有关过程的信息,并且需要的取样数量少于离散数据。在统计工具方面,连续数据能够提供更多的分析工具支持。因此,在选择测量指标的时候,应尽量选择连续数据进行测量。

    当我们对测量指标也有了清晰的规划后,我们下一步要确定测量对象。

    在通常情况下,并不需要收集所有对象数据,一是测量全部对象会因为工作量过大造成数据测量代价太大;二是许多时候测量全部对象并不切合实际,这样的工作几乎无法完成。比较常用的方法是选择一定的样本量,通过样本数据推测总体数据,这样既能满足对总体的分析,又能提高工作效率,减少不必要的工作浪费。

    进行抽样的关键就是要确保样本具有代表性,且样本量要满足正确估算总体特征的需要。常用的抽样办法包括随机抽样和分层抽样。

    随机抽样:按照随机原则直接从整体中抽取样本;

    分层抽样:就是先将总体按照一定的标识进行分层,然后在各层中按简单随机抽样抽取样本,抽取时,每一层的样本量通常与本层总体样本量的大小成正比。

    在数据分析中,最常用的两个数据分析工具是:

    1 平均值,平均值用μ表示。

    平均值反应样本的集中情况,比如有4个小孩,年龄分别是 4 6 8 10,平均值为7,可以说,小孩年龄在7岁这个点集中。

    2 标准差,标准差用σ表示

    1/N 处若求得准确数值,建议用1/(N-1)

    相对于前者,后者更能准确反应总体的离散度,而是用前者计算出的离散度有所缩小。

    根据计算,σ=2.58

    当然,波动的大小需要进行对比。

    ___________________________________________________________________

    写字不易,且读且珍惜,转载请注明出处:SimonK   @http://www.cnblogs.com/simonk/

    更博时间:

    周一到周五每天一更,时间22:00-23:40之间

    周六/周日/法定节假日 不定期

    欢迎订阅!

    下节预报:再说两种数据分析工具

    ___________________________________________________________________

  • 相关阅读:
    caffe分类网络训练及测试步骤
    python去掉文件名字里面的空格
    Python替换一个文件里面的内容_Python修改深度学习数据标注的txt格式
    Python根据label删除图片
    python删除格式错误的txt文件
    Python修改文件的后缀名
    Python把txt文件格式转换成VOC数据集的xml文件
    winscp上传文件到ubuntu上文件名乱码问题解决
    深度学习的数据增强(亮度,对比度,旋转)
    一个未完成的2.6.32-220内核踩内存crash分析记录
  • 原文地址:https://www.cnblogs.com/simonk/p/3746780.html
Copyright © 2020-2023  润新知