数据分析工具箱v1.2——交叉分类

将一个指标按单一维度进行分布统计,是探索性数据分析的一个基本、常用的方向,可以快速发现数据规律——不过可能会有遗漏维度之间关系的风险,因此多维交叉分析对于深层、细致的分析是有必要的。

如果多维交叉后的熵或者方差越大,则一般越容易发现insight。然而,对于n维数据集,聚合方式理论上有2^n种;尽管不是每一种组合都有鲜明的业务意义,不过每次都单独跑数或者计算,显然是一个比较大的成本。这个时候就需要数据平台来支持数据分析,进行快速地、自由地、可视化地进行多维交叉分析,以便高效地发现结论。

上传数据

老规矩,第一步先上传数据。这里依然上传随机构建的DAU数据。然后可以进行数据处理,也可以不处理。


随机构建的DAU分布样例数据

交叉分类

基于用户上传的数据集,有3个下拉框。第1个可以选择多个维度;第2个是聚合方式(支持count、count distinct、sum这三种函数);第3个是聚合变量,只能选1个,如果前面选择的聚合函数是count或者count distinct,则这里可选择id型变量;如果前面选择的聚合函数是sum,则这里可选择数值型变量。

交叉分类控件

(其实还可以多一个控件,支持用户基于现有的字段,自定义标签,用来构建新的维度。这对于数据产品来说是有必要的,因为平台没有办法把用户感兴趣的维度完全罗列,但可以开放一个窗口,支持用户自己去添加维度。不过在这个数据产品demo中就不是很必要,因为本来就是要自己上传数据,需要什么整理好再扔上来。好吧,其实真实的原因是我不会写(没找到可支持)这么复杂的前端交互操作(的包)。)

选定一个聚合变量以及聚合方式后,可自由地选择多个维度,下面自动展示可视化图形。如果只选1个,则展现柱形图;如果维度大于等于2个,则以alluvial diagram形式展示。

比如只看分渠道的DAU分布。


分渠道的DAU分布

比如只看分活跃度的DAU分布。


分活跃度的DAU分布

当然,这2个维度也可以同时都选上,这样就是看在渠道和活跃度2个维度交叉作用下,DAU的分布。这时就出现了alluvial diagram,可以看到线条有红色和蓝色的——红色的线条表示当前分解下的数据高于平均值,反之则为蓝色。每一个维度下的矩形高度,代表着当前维度值在该维度下的比例。

渠道*活跃度下的DAU分布

那么进一步地,我们可以选3个乃至更多的维度,来做交叉分类分析。

3维交叉分析
4维交叉分析
5维交叉分析
6维交叉分析
7维交叉分析
8维交叉分布
9维交叉分布

显而易见地,如果选择的维度越多,维度的枚举值越多,线条就越多,大部分的线条就细得看不清。而如前所述,倘若熵或者方差越大,则会有少数几条相对较粗的线条格外显眼——这就是需要关注的case!

有的时候线条太多太乱,看不出什么有效信息的时候,就可以通过筛选条件对数据进行切片,过滤掉那些确定没有太大意义的部分,再重新观察分布。

新用户的多维交叉分布分析
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 151,511评论 1 330
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 64,495评论 1 273
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 101,595评论 0 225
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 42,558评论 0 190
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 50,715评论 3 270
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 39,672评论 1 192
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,112评论 2 291
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 29,837评论 0 181
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 33,417评论 0 228
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 29,928评论 2 232
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,316评论 1 242
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 27,773评论 2 234
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,253评论 3 220
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 25,827评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,440评论 0 180
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 34,523评论 2 249
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 34,583评论 2 249

推荐阅读更多精彩内容