术语表

本书出现的商业数据分析关键概念,按主题归类,可随时检索。词条会随书稿修订持续补充。

全部基础概念用户与业务分析统计与分析方法可视化

基础概念

商业数据分析Business Data Analysis

用数据方法回答"生意为什么这样、下一步怎么做"的分析实践,连接业务问题、数据证据与决策行动。

指标 / 度量Metric / Measure

可被量化的业务结果或过程量,如销售额、转化率;是分析的"名词",常配合维度拆解。

维度Dimension

用于切分、分组指标的视角,如时间、地区、渠道、用户类型;分析常是"按某维度看某指标"。

数据驱动决策Data-driven Decision

以数据证据而非直觉为主来制定业务决策的工作方式。

数据产品Data Product

把数据分析能力封装成可重复使用、面向特定人群的产品形态(报表、仪表板、自助分析工具、算法服务等),让用户能持续自助获取洞察。

详见:相关章节

自助式分析Self-service Analytics

业务人员无需依赖数据团队,自己通过工具查询、拖拽、可视化探索数据的分析模式。

详见:相关章节

下钻Drill-down

从汇总视图逐层进入更细粒度数据(如全国→省份→城市)以定位问题根源。

同比 / 环比YoY / MoM

同比=与上年同期比,看长期趋势、剔除季节;环比=与上一周期比,看短期变化。

数据透视表Pivot Table

把明细数据按行/列维度快速汇总、聚合的交互式表格,Excel / Tableau 等通用。

详见:相关章节

仪表板 / 看板Dashboard

把多个关键指标与图表集中在一个页面、持续监控业务状态的视图。

详见:相关章节

用户与业务分析

漏斗分析Funnel Analysis

沿用户转化路径(访问→注册→下单→支付)逐环节计算转化率,定位流失最大的环节。

详见:相关章节

队列分析 / 同期群分析Cohort Analysis

把同一时期进入的用户归为一组(队列),跨时间跟踪其行为(如留存),剥离时间因素看真实表现。

详见:相关章节

RFM 模型RFM

用最近一次消费(Recency)、消费频率(Frequency)、消费金额(Monetary)三个维度给用户打分分层,识别高价值与流失客户。

详见:相关章节

用户分群User Segmentation

按行为/属性把用户划分成有差异的群体,以便差异化运营。

详见:相关章节

用户生命周期价值LTV / CLV

一个用户在整个生命周期内预计带来的总利润,用于衡量获客与留存投入的回报。

详见:相关章节

留存率Retention Rate

在某一时间点后仍然活跃/使用的用户比例,衡量产品粘性。

详见:相关章节

转化率Conversion Rate

完成目标动作(如购买)的访客占全部访客的比例。

详见:相关章节

复购率Repurchase Rate

一段时间内再次购买的用户占比,反映忠诚度。

详见:相关章节

客单价AOV

平均每次交易的金额,= 总销售额 / 订单数。

详见:相关章节

北极星指标North Star Metric

最能代表产品为用户创造核心价值的那一个指标,用来对齐团队方向。

统计与分析方法

描述性统计Descriptive Statistics

用均值、中位数、标准差等概括数据分布与特征,回答"数据长什么样"。

相关分析Correlation Analysis

衡量两个变量线性关联的强度与方向(相关系数),相关不等于因果。

详见:相关章节

回归分析Regression Analysis

用一个或多个自变量解释/预测因变量的关系,如用广告投入预测销售额。

详见:相关章节

分类预测Classification

给样本预测离散类别标签(如"流失/不流失")的监督学习任务。

详见:相关章节

时间序列分析Time Series Analysis

对按时间顺序排列的数据建模,识别趋势、季节与周期以做预测。

详见:相关章节

聚类分析Clustering

在无标签数据中发现自然分组的无监督学习任务,如用户自动分群。

详见:相关章节

帕累托图Pareto Chart

按降序排列的柱状图叠加累计百分比折线,体现"少数因素造成多数影响"(80/20)。

详见:相关章节

箱线图Box Plot

用四分位数展示数据分布与离群点的图,快速看中位数、离散与异常。

详见:相关章节

A/B 测试A/B Test

对两版方案随机分流对比,用统计显著性判断哪个更好。

可视化

视觉变量Visual Variables

表达数据的图形通道——位置、形状、大小、颜色、明度、纹理、方向;选错变量会误导解读。

详见:相关章节

数据可视化Data Visualization

用图形编码数据,让人更快识别模式、异常与关系。

图表选择Chart Selection

按"看构成/比大小/看关系/看分布/看趋势"的目的匹配图形,避免炫技。

详见:相关章节

没有匹配的术语,换个关键词试试。

↑