Warning: Undefined array key "wenan" in /www/wwwroot/suitangyanyi.com/jianzhan/app/show.php on line 46

Warning: Trying to access array offset on value of type null in /www/wwwroot/suitangyanyi.com/jianzhan/app/show.php on line 46
商务数据分析中常用的指标与术语 数据分析报告常用术语有哪些-隋唐演义故事网-

{site_name}

{site_name}

🌜 搜索

商务数据分析中常用的指标与术语 数据分析报告常用术语有哪些

▥ 𝄐 0
<br> <p>大家好&#xff0c;我是辰哥~</p><p>有个朋友是金融行业产品经理&#xff0c;最近在对已有的站内用户做分层与标签分类&#xff0c;需要对用户进行聚类分析。一般从事数据分析行业的朋友对这类词并不陌生&#xff0c;但是像市场运营人员就会把这类些名词概念搞混&#xff0c;导致结果不准确。数据分析相关概念多且杂&#xff0c;容易搞混。为了便于大家区分&#xff0c;今天小编就来盘点一下数据分析常用的术语解释。建议大家收藏起来方便查看。</p><p>按照以下三类进行汇总。</p><p>1、互联网常用名词解释</p><p>2、统计学名词解释</p><p>3、数据分析名词解释</p><p>一、互联网常用名词解释</p><p><strong><strong>1、PV&#xff08;【【微信】】&#xff09;页面浏览量</strong></strong></p><p>指某段时间内访问网站或某一页面的用户的总数量&#xff0c;通常用来衡量一篇文章或一次活动带来的流量效果&#xff0c;也是评价网站日常流量数据的重要指标。PV可重复累计&#xff0c;以用户访问网站作为统计依据&#xff0c;用户每刷新一次即重新计算一次。</p><p><strong><strong>2、UV&#xff08;【【微信】】&#xff09;独立访客</strong></strong></p><p>指来到网站或页面的用户总数&#xff0c;这个用户是独立的&#xff0c;同一用户不同时段访问网站只算作一个独立访客&#xff0c;不会重复累计&#xff0c;通常以PC端的Cookie数量作为统计依据。</p><p><strong><strong>3、Visit 访问</strong></strong></p><p>指用户通过外部链接来到网站&#xff0c;从用户来到网站到用户在浏览器中关闭页面&#xff0c;这一过程算作一次访问。</p><p>Visit可重复累计&#xff0c;比如我打开一个网站又关闭&#xff0c;再重新打开&#xff0c;这就算作两次访问。</p><p><strong><strong>4、Home Page 主页</strong></strong></p><p>指一个网站起主目录功能的页面&#xff0c;也是网站起点。通常是网站首页。</p><p><strong><strong>5、Landing Page 着陆页</strong></strong></p><p>指用户从外部链接来到网站&#xff0c;直接跳转到的第一个页面。比如朋友给我发了一个介绍爆款T恤的淘宝链接&#xff0c;我点开会直接跳转到介绍T恤的那个页面&#xff0c;而不是淘宝网众多其他页面之一&#xff0c;这个介绍T恤的页面可以算作是着陆页。</p><p><strong><strong>6、Bounce Rate 跳出率</strong></strong></p><p>指用户通过链接来到网站&#xff0c;在当前页面没有任何交互就离开网站的行为&#xff0c;这就算作此页面增加了一个“跳出”&#xff0c;跳出率一般针对网站的某个页面而言。</p><p>跳出率&#61;在这个页面跳出的用户数/PV</p><p><strong><strong>7、退出率</strong></strong></p><p>一般针对某个页面而言。指用户访问某网站的某个页面之后&#xff0c;从浏览器中将与此网站相关的所有页面全部关闭&#xff0c;就算此页面增加了一个“退出“。</p><p>退出率&#61;在这个页面退出的用户数/PV</p><p><strong><strong>8、Click 点击</strong></strong></p><p>一般针对付费广告而言&#xff0c;指用户点击某个链接、页面、banner的次数&#xff0c;可重复累计。比如我在PC端看到一则新闻链接点进去看了一会就关了&#xff0c;过了一会又点进去看了一遍&#xff0c;这就算我为这篇新闻贡献两次点击。</p><p><strong><strong>9、avr.time 平均停留时长</strong></strong></p><p>指某个页面被用户访问&#xff0c;在页面停留时长的平均值&#xff0c;通常用来衡量一个页面内容的质量。</p><p>avr.time&#61;用户总停留时长 /?访客数量</p><p><strong><strong>10、CTR 点击率</strong></strong></p><p>指某个广告、Banner、URL被点击的次数和被浏览的总次数的比值。一般用来考核广告投放的引流效果。</p><p>CTR&#61;点击数&#xff08;click&#xff09;/被用户看到的次数</p><p><strong><strong>11、Con【【微信】】?转化率</strong></strong></p><p>指用户完成设定的转化环节的次数和总会话人数的百分比&#xff0c;通常用来评价一个转化环节的好坏&#xff0c;如果转化率较低则急需优化该转化环节。转化率&#61;转化会话数/总会话数</p><p><strong><strong>12、漏斗</strong></strong></p><p>通常指产生目标转化前的明确流程&#xff0c;比如在淘宝购物&#xff0c;从点击商品链接到查看详情页&#xff0c;再到查看顾客评价、领取商家优惠券&#xff0c;再到填写地址、付款&#xff0c;每个环节都有可能流失用户&#xff0c;这就要求商家必须做好每一个转化环节&#xff0c;漏斗是评价转化环节优劣的指标。</p><p><strong><strong>13、投资回报率&#xff08;ROI&#xff1a;Return On In【【微信】】 &#xff09;</strong></strong></p><p>反映投入和产出的关系&#xff0c;衡量我这个投资值不值得&#xff0c;能给到我多少价值的东西&#xff08;非单单的利润&#xff09;&#xff0c;这个是站在投资的角度或长远生意上看的。</p><p>其计算公式为&#xff1a;投资回报率&#xff08;ROI&#xff09;&#61;年利润或年均利润/投资总额×100%&#xff0c;通常用于评估企业对于某项活动的价值&#xff0c;ROI高表示该项目价值高。</p><p><strong><strong>14、重复购买率</strong></strong></p><p>指消费者在网站中的重复购买次数。</p><p><strong><strong>15、Referrer 引荐流量</strong></strong></p><p>通常指将用户引导至目标页面的URL&#xff08;超链接&#xff09;。在百度统计中&#xff0c;引荐流量叫做“外部链接”。</p><p><strong><strong>16、流失分析&#xff08;Churn Analysis/Attrition Analysis&#xff09;</strong></strong></p><p>描述哪些顾客可能停止使用公司的产品/业务&#xff0c;以及识别哪些顾客的流失会带来最大损失。流失分析的结果用于为可能要流失的顾客准备新的优惠。</p><p><strong><strong>17、顾客细分&画像&#xff08;Customer Segmentation & Profiling&#xff09;</strong></strong></p><p>根据现有的顾客数据&#xff0c;将特征、行为相似的顾客归类分组。描述和比较各组。</p><p><strong><strong>18、顾客的生命周期价值 (Lifetime Value, LTV)</strong></strong></p><p>顾客在他/她的一生中为一个公司产生的预期折算利润。</p><p><strong><strong>19、购物篮分析&#xff08;Market Basket Analysis&#xff09;</strong></strong></p><p>识别在交易中经常同时出现的商品组合或服务组合&#xff0c;例如经常被一起购买的产品。此类分析的结果被用于推荐附加商品&#xff0c;为陈列商品的决策提供依据等。</p><p><strong><strong>20、实时决策&#xff08;Real Time Decisioning, RTD&#xff09;</strong></strong></p><p>帮助企业做出实时&#xff08;近乎无延迟&#xff09;的最优销售/营销决策。比如&#xff0c;实时决策系统&#xff08;打分系统&#xff09;可以通过多种商业规则或模型&#xff0c;在顾客与公司互动的瞬间&#xff0c;对顾客进行评分和排名。</p><p><strong><strong>21、留存/顾客留存&#xff08;Retention / Customer Retention)</strong></strong></p><p>指建立后能够长期维持的客户关系的百分比。</p><p><strong><strong>22、社交网络分析&#xff08;Social Network Analysis, SNA&#xff09;</strong></strong></p><p>描绘并测量人与人、组与组、机构与机构、电脑与电脑、URL与URL、以及其他种类相连的信息/知识实体之间的关系与流动。这些人或组是网络中的节点&#xff0c;而它们之间的连线表示关系或流动。SNA为分析人际关系提供了一种方法&#xff0c;既是数学的又是视觉的。</p><p><strong><strong>23、生存分析&#xff08;Sur【【微信】】&#xff09;</strong></strong></p><p>估测一名顾客继续使用某业务的时间&#xff0c;或在后续时段流失的可能性。此类信息能让企业判断所要预测时段的顾客留存&#xff0c;并引入合适的忠诚度政策。</p><p>二、统计学名词解释</p><p><strong><strong>1、绝对数和相对数</strong></strong></p><p>绝对数&#xff1a;是反应客观现象总体在一定时间、一定地点下的总规模、总水平的综合性指标&#xff0c;也是数据分析中常用的指标。比如年GDP&#xff0c;总人口等等。</p><p>相对数&#xff1a;是指两个有联系的指标计算而得出的数值&#xff0c;它是反应客观现象之间的数量联系紧密程度的综合指标。相对数一般以倍数、百分数等表示。相对数的计算公式&#xff1a;</p><p>相对数&#61;比较值&#xff08;比数&#xff09;/基础值&#xff08;基数&#xff09;</p><p><strong><strong>2、百分比和百分点</strong></strong></p><p>百分比&#xff1a;是相对数中的一种&#xff0c;他表示一个数是另一个数的百分之几&#xff0c;也成为百分率或百分数。百分比的分母是100&#xff0c;也就是用1%作为度量单位&#xff0c;因此便于比较。</p><p>百分点&#xff1a;是指不同时期以百分数的形式表示的相对指标的变动幅度&#xff0c;1%等于1个百分点。</p><p><strong><strong>3、频数和频率</strong></strong></p><p>频数&#xff1a;一个数据在整体中出现的次数。</p><p>频率&#xff1a;某一事件发生的次数与总的事件数之比。频率通常用比例或百分数表示。</p><p><strong><strong>4、比例与比率</strong></strong></p><p>比例&#xff1a;是指在总体中各数据占总体的比重&#xff0c;通常反映总体的构成和比例&#xff0c;即部分与整体之间的关系。</p><p>比率&#xff1a;是样本(或总体)中各不同类别数据之间的比值&#xff0c;由于比率不是部分与整体之间的对比关系&#xff0c;因而比值可能大于1。</p><p><strong><strong>5、倍数和番数</strong></strong></p><p>倍数&#xff1a;用一个数据除以另一个数据获得&#xff0c;倍数一般用来表示上升、增长幅度&#xff0c;一般不表示减少幅度。</p><p>番数&#xff1a;指原来数量的2的n次方。</p><p><strong><strong>6、同比和环比</strong></strong></p><p>同比&#xff1a;指的是与历史同时期的数据相比较而获得的比值&#xff0c;反应事物发展的相对性。</p><p>环比&#xff1a;指与上一个统计时期的值进行对比获得的值&#xff0c;主要反映事物的逐期发展的情况。</p><p><strong><strong>7、变量</strong></strong></p><p>变量来源于数学&#xff0c;是计算机语言中能储存计算结果或能表示值抽象概念。变量可以通过变量名访问。</p><p><strong><strong>8、连续变量</strong></strong></p><p>在统计学中&#xff0c;变量按变量值是否连续可分为连续变量与离散变量两种。在一定区间内可以任意取值的变量叫连续变量&#xff0c;其数值是连续不断的&#xff0c;相邻两个数值可作无限分割&#xff0c;即可取无限个数值。如:年龄、体重等变量。</p><p><strong><strong>9、离散变量</strong></strong></p><p>离散变量的各变量值之间都是以整数断开的&#xff0c;如人数、工厂数、机器台数等&#xff0c;都只能按整数计算。离散变量的数值只能用计数的方法取得。</p><p><strong><strong>10、定性变量</strong></strong></p><p>又名分类变量&#xff1a;观测的个体只能归属于几种互不相容类别中的一种时&#xff0c;一般是用非数字来表达其类别&#xff0c;这样的观测数据称为定性变量。可以理解成可以分类别的变量&#xff0c;如学历、性别、婚否等。</p><p><strong><strong>11、均值</strong></strong></p><p>即平均值&#xff0c;平均数是表示一组数据集中趋势的量数&#xff0c;是指在一组数据中所有数据之和再除以这组数据的个数。</p><p><strong><strong>12、中位数</strong></strong></p><p>对于有限的数集&#xff0c;可以通过把所有观察值高低排序后找出正中间的一个作为中位数。如果观察值有偶数个&#xff0c;通常取最中间的两个数值的平均数作为中位数。</p><p><strong><strong>13、缺失值</strong></strong></p><p>它指的是现有数据集中某个或某些属性的值是不完全的。</p><p><strong><strong>14、缺失率</strong></strong></p><p>某属性的缺失率&#61;数据集中某属性的缺失值个数/数据集总行数。</p><p><strong><strong>15、异常值</strong></strong></p><p>指一组测定值中与平均值的偏差超过两倍标准差的测定值&#xff0c;与平均值的偏差超过三倍标准差的测定值&#xff0c;称为高度异常的异常值。</p><p><strong><strong>16、方差</strong></strong></p><p>是在概率论和统计方差衡量随机变量或一组数据时离散程度的度量。概率论中方差用来度量随机变量和其数学期望&#xff08;即均值&#xff09;之间的偏离程度。统计中的方差&#xff08;样本方差&#xff09;是每个样本值与全体样本值的平均数之差的平方值的平均数。在许多实际问题中&#xff0c;研究方差即偏离程度有着重要意义。方差是衡量源数据和期望值相差的度量值。</p><p><strong><strong>17、标准差</strong></strong></p><p>中文环境中又常称均方差&#xff0c;是离均差平方的算术平均数的平方根&#xff0c;用σ表示。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。平均数相同的两组数据&#xff0c;标准差未必相同。</p><p><strong><strong>18、皮尔森相关系数</strong></strong></p><p>皮尔森相关系数是用来反映两个变量线性相关程度的统计量。相关系数用r表示&#xff0c;其中n为样本量&#xff0c;分别为两个变量的观测值和均值。r描述的是两个变量间线性相关强弱的程度。r的绝对值越大表明相关性越强。</p><p><strong><strong>19、相关系数</strong></strong></p><p>相关系数是最早由统计学家卡尔・皮尔逊设计的统计指标&#xff0c;是研究变量之间线性相关程度的量&#xff0c;一般用字母r表示。由于研究对象的不同&#xff0c;相关系数有多种定义方式&#xff0c;较为常用的是皮尔森相关系数。</p><p><strong><strong>20、特征值</strong></strong></p><p>特征值是线性代数中的一个重要概念。在数学、物理学、化学、计算机等领域有着广泛的应用。设A是向量空间的一个线性变换&#xff0c;如果空间中某一非零向量通过A变换后所得到的向量和X仅差一个常数因子&#xff0c;即AX&#61;kX&#xff0c;则称k为A的特征值&#xff0c;X称为A的属于特征值k的特征向量或特征矢量。</p><p>三、数据分析名词解释</p><p>A</p><p><strong><strong>聚合(Aggregation)&#xff1a;</strong></strong>搜索、合并、显示数据的过程。</p><p><strong><strong>算法(Algorithms)&#xff1a;</strong></strong>可以完成某种数据分析的数学公式。</p><p><strong><strong>分析法(Analytics)&#xff1a;</strong></strong>用于发现数据的内在涵义。</p><p><strong><strong>异常检测(Anomaly detection)&#xff1a;</strong></strong>在数据集中搜索与预期模式或行为不匹配的数据项。除了“Anomalies”,用来表示异常的词有以下几种&#xff1a;outliers,exceptions,surprises,contaminants.他们通常可提供关键的可执行信息。</p><p><strong><strong>匿名化(Anonymization)&#xff1a;</strong></strong>使数据匿名&#xff0c;即移除所有与个人隐私相关的数据。</p><p><strong><strong>分析型客户关系管理&#xff08;Analytical CRM/aCRM&#xff09;&#xff1a;</strong></strong>用于支持决策&#xff0c;改善公司跟顾客的互动或提高互动的价值。针对有关顾客的知识&#xff0c;和如何与顾客有效接触的知识&#xff0c;进行收集、分析、应用。</p><p>B</p><p><strong><strong>行为分析法(Beha【【微信】】)&#xff1a;</strong></strong>这种分析法是根据用户的行为如“怎么做”&#xff0c;“为什么这么做”&#xff0c;以及“做了什么”来得出结论&#xff0c;而不是仅仅针对人物和时间的一门分析学科&#xff0c;它着眼于数据中的人性化模式。</p><p><strong><strong>批量处理&#xff08;Batch processing&#xff09;&#xff1a;</strong></strong>尽管从大型计算机时代开始&#xff0c;批量处理就已经出现了。由于处理大型数据集&#xff0c;批量处理对大数据具有额外的意义。批量数据处理是处理一段时间内收集的大量数据的有效方式。</p><p><strong><strong>商业智能&#xff08;Business Intelligence&#xff09;:</strong></strong>?分析数据、展示信息以帮助企业的执行者、管理层、其他人员进行更有根据的商业决策的应用、设施、工具、过程。</p><p>C</p><p><strong><strong>分类分析(Classification analysis)&#xff1a;</strong></strong>从数据中获得重要的相关性信息的系统化过程;这类数据也被称为元数据(meta data),是描述数据的数据。</p><p><strong><strong>云计算(Cloud computing)&#xff1a;</strong></strong>构建在网络上的分布式计算系统&#xff0c;数据是存储于机房外的&#xff08;即云端&#xff09;。</p><p><strong><strong>集群计算&#xff08;【【微信】】&#xff09;&#xff1a;</strong></strong>这是一个使用多个服务器集合资源的“集群”的计算术语。要想更技术性的话&#xff0c;就会涉及到节点&#xff0c;集群管理层&#xff0c;负载平衡和并行处理等概念。</p><p><strong><strong>聚类分析(Clustering analysis)&#xff1a;</strong></strong>它是将相似的对象聚合在一起&#xff0c;每类相似的对象组合成一个聚类(也叫作簇)的过程。这种分析方法的目的在于分析数据间的差异和相似性。</p><p><strong><strong>冷数据存储(Cold data storage)&#xff1a;</strong></strong>在低功耗服务器上存储那些几乎不被使用的旧数据。但这些数据检索起来将会很耗时。</p><p><strong><strong>对比分析(Comparati【【微信】】)&#xff1a;</strong></strong>在非常大的数据集中进行模式匹配时&#xff0c;进行一步步的对比和计算过程得到分析结果。</p><p><strong><strong>相关性分析(Correlation analysis)&#xff1a;</strong></strong>是一种数据分析方法&#xff0c;用于分析变量之间是否存在正相关&#xff0c;或者负相关。</p><p>D</p><p><strong><strong>仪表板(Dashboard)&#xff1a;</strong></strong>使用算法分析数据&#xff0c;并将结果用图表方式显示于仪表板中。</p><p><strong><strong>数据聚合工具(Data aggregation tools)&#xff1a;</strong></strong>将分散于众多数据源的数据转化成一个全新数据源的过程。</p><p><strong><strong>数据分析师(Data analyst)&#xff1a;</strong></strong>从事数据分析、建模、清理、处理的专业人员。</p><p><strong><strong>数据库(Database)&#xff1a;</strong></strong>一个以某种特定的技术来存储数据集合的仓库。</p><p><strong><strong>数据湖&#xff08;Data lake&#xff09;&#xff1a;</strong></strong>数据湖是原始格式的企业级数据的大型存储库。与此同时我们可以涉及数据仓库&#xff0c;它在概念上是相似的&#xff0c;也是企业级数据的存储库&#xff0c;但在清理、与其他来源集成之后是以结构化格式。数据仓库通常用于常规数据&#xff08;但不是专有的&#xff09;。数据湖使得访问企业级数据更加容易&#xff0c;你需要明确你要寻找什么&#xff0c;以及如何处理它并明智地试用它。</p><p><strong><strong>暗数据&#xff08;Dark Data&#xff09;&#xff1a;</strong></strong>基本上指的是&#xff0c;由企业收集和处理的&#xff0c;但并不用于任何意义性目的的数据&#xff0c;因此它是“暗”的&#xff0c;可能永远不会被分析。它可以是社交网络反馈&#xff0c;呼叫中心日志&#xff0c;会议笔记等等。有很多人估计&#xff0c;所有企业数据中的 60-90&#xff05; 可能是“暗数据”&#xff0c;但谁又真正知道呢&#xff1f;</p><p><strong><strong>数据挖掘&#xff08;Data mining)&#xff1a;</strong></strong>数据挖掘是通过使用复杂的模式识别技术&#xff0c;从而找到有意义的模式&#xff0c;并得出大量数据的见解。</p><p><strong><strong>数据中心(Data centre)&#xff1a;</strong></strong>一个实体地点&#xff0c;放置了用来存储数据的服务器。</p><p><strong><strong>数据清洗(Data cleansing)&#xff1a;</strong></strong>对数据进行重新审查和校验的过程&#xff0c;目的在于删除重复信息、纠正存在的错误&#xff0c;并提供数据一致性。</p><p><strong><strong>数据质量&#xff08;Data 【【微信】】&#xff09;&#xff1a;</strong></strong>有关确保数据可靠性和实用价值的过程和技术。高质量的数据应该忠实体现其背后的事务进程&#xff0c;并能满足在运营、决策、规划中的预<br>..不收费天猫互助微信群,不收费天猫互助微信群,天猫互助群号怎么加入,加入了一个互帮互助的618 年中大促什么叫互助组,成员们都愿意分享,快来加入,我们一起互相帮助吧! 在我们的淘宝年中大促不收费天猫互助微信群里,完成任务很快,加入我们的群,你将有机会从他们互助完成2023年天猫618 购物狂欢节!