分析类型与 ML 入门

Gartner 将分析分为 描述、诊断、预测、处方 四层。BI 分析师日常多在描述与诊断；预测与处方需与数据科学协作。本课建立框架与 A/B 测试实践。

学习目标

• 区分四类分析及其典型方法与产出
• 设计可执行的 A/B 测试：假设、样本、指标、周期
• 了解 ML 在 BI 场景中的边界（分类、回归、聚类）

核心概念

四类分析

类型	问题	方法示例	BI 产出
描述	发生了什么	汇总、趋势、Dashboard	周报
诊断	为什么	下钻、相关、漏斗	专题报告
预测	将要怎样	回归、时间序列	预测带
处方	该怎么做	优化、推荐	策略建议（常需 DS）

多数团队 80% 精力在 描述 + 诊断；先把口径与 Dashboard 做稳，再谈预测。

漏斗与 cohort

漏斗：访问 → 注册 → 首课 → 完课 → 付费
      每步转化率 + 流失环节定位

Cohort：按注册周分组，看第 1/4/8 周留存
        对比不同渠道 cohort 质量

SQL 实现 cohort 常用 首次事件日期 作分组键，窗口函数算留存。

A/B 测试要点

1. 假设：改按钮文案会提高注册转化率
2. 指标：主指标（注册率）+ 护栏指标（跳出率）
3. 样本：预估 MDE、功效，避免过早停测
4. 随机：用户级随机，避免 SRM（样本比例失衡）
5. 解读：置信区间 + 业务显著性，不只 p 值

ML 入门边界

• 分类： churn 预测、欺诈识别 → 常由 DS 建模，BI 看特征与效果监控
• 聚类：用户分群 → BI 可解读 cluster 画像并运营
• 回归： LTV 预测 → 注意过拟合与外推

BI 分析师应能 读模型评估表（AUC、RMSE），不必从零调参。

练习

• 为 CodeRoadMap 注册漏斗写 4 步及每步主指标
• 设计一个 A/B 测试：新 onboarding 流程，写出 H₀ 与主指标
• 判断「用昨日销量预测明日」属于四类分析哪一层

小结

分析分层清晰，工具选型才不越界；A/B 是 BI 与实验文化交汇点。 下一课看财务、营销、运营、供应链中的落地场景。