数据思维错题知识点整理（复习）

小的知识点整理

1. 目前常见的数据采集方案有什么。
   1. 埋点、可视化埋点、无埋点
   2. （无埋点并不是字面意思不埋点，其实也是一种埋点，只是让开发人员完全无感知，直接嵌入sdk，然后每个元素都能查看他们的情况，后续开发中也不需要开发者再做什么开发。总结就是嵌入之后，开销即用，不用开发。）
2. 数据采集常常使用埋点的方式，请问它的弊端是什么？
   1. 工程量大、周期长、容易发生错埋、漏埋
3. 关于T检验描述：
   1. T检验是对样本均值差别显著性进行的检验
   2. 配对T检验其本质就是单样本的T检验
   3. 再进行两独立样本T检验之前，需要先检查方差是否齐性
   4. T检验的前提是其检验对象的总体大体服从正态分布，而不是一定服从正态分布。
4. 数据结构用于描述数据对象及数据元素间的关系，而数据类型描述了数据对象、数据元素间的关系及数据的基本处理办法。
5. DAU（Daily Active User）日活跃用户数，简称日活。
6. MAU（Monthly Active User）月活跃用户数，简称月活。
7. MNU（Monthly New User）月新增用户数，简称月新增。
8. ARPU（Average Revenue Per User）指的是每个用户的平均收入
9. ROI（Return on investment） 投资回报率
10. 一个新的产品在推广中最关注的推广数据指标是 注册量。（推广初期——获取用户、）
11. 一个活动页面被浏览了是 6000 次，其中去重后的 ip 数是 600 个，那么该页面的 pv 是多少？( PV = Page Views 是页面浏览量，算的是次数；UV = Unique Views，算的是人数，就是去重之后的数)
12. 视频网站去广告功能需要付费才能使用，假如有 10000 人免费试用了一次去广告功能，试用后点击支付的人有 500 人，最终支付成功的有 30 人，请问试用的转化率是多少？( 每个环节一个漏斗，最终付费成功是转化成功 )
13. 某航运公司年初用120万元购进一艘运输船。投入运输后，每一年的总收入为72万元，需要支出的各种费用为40万元。若该船运输满15年要报废，报废时旧船卖出可收回20万元，则这15年的平均盈利额约为多少万元。（计算32-120/15+20/15）
14. 同比，是指在相邻时段中的某一相同时间点进行比较；
15. 环比，则相对更简单，就是相邻时间段的对比，不像同比那样，是在相邻时间段内部的某个相同时间点的对比；
16. 同比发展速度，一般是指本期发展水平与上年同期发展水平对比，而达到的相对发展速度。
17. 环比发展速度，一般是指报告期水平与前一时期水平之比，表明现象逐期的发展速度。
18. 一件商品相继两次分别按折扣率10%和20%进行折扣，已知折扣后的售价为540元，那么折扣前的售价为？（原价*0.9*0.8 = 540，原价为750）
19. 假设一个APP今天获得了10000个新用户，如果明天有2000个用户继续使用APP，并且每个用户打开2次APP，那么这个APP的次日留存是：（日留存只与用户数有关，与打开次数无关。每个人打开两次APP，并不影响用户量。2000/10000=0.2）
20. 漏斗分析法一般用于分析用户增长、用户转化。
21. 杜邦分析法一般用于分析财务上的盈利分析。
22. 常见的数据分析方法有什么？杜邦分析法、漏斗分析法、矩阵/四象限分析法。
23. 金字塔原理，应是属于一种解决问题的思维逻辑方法，有结构的，有层次的。
24. UV、DAU、销售金额、转化率都是可以用来衡量具体的运营结果。

渠道运营的关注重点：ROI（投资回报率）、新增用户数。

1. 渠道运营只关注拉新数量，不关注转化数，所以应该是注册转化率，不是推荐转化率。
2. 用户留存对与APP至关重要，以下关于APP留存指标的说法正确的是：
   1. 理论上，每一款APP都有 “ 留存数据 ” 。
   2. “ 次日留存 ”是一个非常重要的留存指标 。
3. 对于陌陌等交友类产品，以下哪些数据是核心数据？
   1. 每DAU的打开频率
   2. 每DAU的消息发送量
   3. 用户的个人信息完善程度
   4. 平均每个用户的好友数量

• 对于这种陌生人交友产品，最重要的是用户的活跃度与黏性指标。活跃度有DAU打开数与发送量，黏性的话主要是关系用户会继续使用的可能性，因此它的好友数量决定了产品对他的价值，资料的完善程度决定了用户对产品投入的精力与关注，而价值越大，投入越多，自然也越不容易舍弃，因此也需要重视。

1. SWOT分析法又称态势分析法，是把组织内外环境所形成的机会（Opportunities），风险（Threats），优势（Strengths），劣势（Weaknesses）四个方面的情况，结合起来进行分析，以寻找制定适合组织实际情况的经营战略和策略的方法。字母T代表的是Threates（风险）
2. PV是一定时间内某个页面的浏览次数，被打开50次，应为50。UV是一定时间内某个页面的访问人数，应为5。
3. 在众多的客户管理模型的分析模式中，RFM模型是被广泛提到的，RFM模型是衡量客户价值和客户创造利益能力的重要工具和手段，RFM通常是指哪三个指标？

RFM是Rencency（最近一次消费），Frequency（消费频率）、Monetary（消费金额），三个指标首字母组合。

小贴士：

R值：最近一次消费，指的是客户在店铺消费最近一次和上一次的时间间隔，理论上R值越小的客户是价值越高的客户。

F值：消费频率，是指是客户在固定时间内的购买次数（一般是1年）。有时候会根据商品特性做调整，店铺在运营RFM模型时，会把F值的时间范围去掉，替换成累计购买次数。

M值：消费金额，是所有数据库报告的支柱，显示出排名靠前的顾客所花费的金额，从而做出针对性活动。

1. 推广付费指标中，CPC是指__?

CPC（Cost Per Click），按点击次数付费广告；CPD（Cost Per Download），按APP的下载数付费；CPS（Cost Per Sales），按完成购买的用户数；CPA（Cost Per Action），按投放的实际效果付费。

1. 广告投放付费模式： CPC按点击次数付费 CPD按APP的下载数付费 CPS按完成购买的用户数 CPA按投放的实际效果付费
2. 从传统零售的“货”为主到电商的“人-货-场”立体维度，管理者需要自上而下的系统性的规划监控不同指标，其中下列哪个指标不属于运营指标中效率指标?

售罄率为库存指标，（实际销售货品成本/总进货成本或者or实际销售货品价/总进货零售价）。

效率指标包括：客单价、件单价（按多件计）、连带率（销售总件数与订单（销售小票）的比值）、动销率（动销品种数 /仓库总品种数，提醒我们对某些商品重视）。

1. 客单价（per customer transaction）=销售额÷成交顾客数

商品动销率=（商品累计销售SKU数量 ÷商品库存SKU数量）*100%

连带率=销售总数量÷销售小票数量，指销售的件数和交易的次数相除后的数值，反映的是顾客平均单次消费的产品件数。

售罄率 = 累计销售 ÷ 总进货

1. 数据报告最主要作用是为决策者提供决策思考。展示分析水平、分析结果、分析质量主要是评估数据分析报告是否合格。

1. 编写数据报告的一般流程顺序应该是：明确数据报告的需求及目的、拆解指标发现问题、拆解问题、拓展维度探究指标差异、撰写报告及美化。

编写数据报告是整个业务分析过程的成果，基本流程是首先明确数据报告的需求及目的，其次拆解指标发现问题，在确定问题后，就需要找到能够数值化衡量这些问题的指标，以及它们的计算方式，再以计算公式结果为指标，拓展维度（比如地区、时间）来探究不同维度下的指标差异，最终得出结论撰写报告并优化。

1. 分类算法是数据分析常用的方法，K近邻、决策树、支持向量机都是分类算法，
2. DBSCAN算法是基于密度的聚类算法，不属于分类算法。
3. 通过波士顿矩阵对公司业务进行分析，企业良性发展的业务发展方向应该是幼童→明星→金牛。业务发展的方向是幼童→明星→金牛，即把幼童培养成为明星，在明星的业务增长率下降时，要使它变为金牛。企业现金流向应为金牛→明星→幼童， 即金牛业务应为明星业务、幼童业务的发展提供资金。
4. 一个好的指标体系的作用可以监控业务情况，通过拆解指标寻找并解决问题，评估业务改进情况。
5. 有一种经营分析理论是市场占有率、业务增长情况和相对竞争地位，把业务分为四种类型或者阶段：“幼童”、“金牛”、“明星”、“瘦狗”。

“金牛”业务即市场占有率高，但增长率低，相对竞争地位高的业务；

“明星”业务即市场增长率和竞争地位都较高的业务；

“幼童”业务即市场增长率高但是市场占有率低的业务；

“瘦狗”业务即市场增长率和市场占有率都低的业务。

1. 分布式存储：通过网络使用企业中的每台机器上的磁盘空间，数据分散的存储在企业的各个角落
2. 数据库的概念：按照数据结构来组织、存储和管理数据的仓库
3. 云存储：通过网络技术、分布式文件系统、服务器虚拟化、集群应用等技术讲网络中的海量的异构存储设备构成可弹性扩张、低成本、低能耗的共享存储资源池，共同对外提供数据存储和业务访问功能的一个系统。
4. 数据清洗是指对数据集中的不完整、不合理或不准确的数据进行修补、去重、纠错、修补或删除。数据变换指的是将原始数据变换成符合目标算法要求的数据。数据集成是指对来自不同的数据源的数据进行集成处理。数据清理、数据变换、数据集成均属于数据预处理。
5. 全数据思维是：通过丰富、全面、多源、互补、互证的大数据，来构建研究对象的全面信息，探索对象之间客观联系的思维模型。
6. 准确性思维是：缩小数据研究范围，不接受数据的混杂型、保证数据的准确性。
7. 相关性思维是：量化和研究两个或多个数据值之间存在的数理关系。
8. 容错性思维是：容许大数据中存在噪音、杂质、脏数据、混杂数据和错误数据
9. 数据监控指标正常波动范围的确定可以参考环比数据、同比数据、当天数据极值、每个环节的转换等数据维度来确认。市场容量只能研究目标产品整体规模，不能较准确的评估指标是否正常。