数据分析联想,联想大数据平台

admin 电脑硬件 1

联想的方式有哪些

一、对比联想

数据分析联想,联想大数据平台-第1张图片-星选测评

对比联想是由对某一事物的感知引起相反特点的事物的联想。如杜甫的诗歌“朱门酒肉臭,路有冻死骨”,运用的就是对比联想。中学课文中的对比联想很多。如《从百草园到三味书屋》,就是用充满无限乐趣,令人无限向往的百草园来反衬对比枯燥乏味的三味书屋。再如《苏州园林》,作者采用对比联想的写法来突出事物的特征,效果极桂。介绍布局,将苏州园林内亭台轩榭的布局与宫殿住宅相比,突出了苏州园林讲求自然之美、自然之趣的特点。对比联想的方面很多,几乎所有强调情境变迁的习作都用得上。

二、接近联想

接近联想是指相邻的事物因时间或空间的接近而引起的联想。如《谁是最可爱的人》中有段文字:“亲爱的朋友们,当你坐上早晨第一列电车走向工厂时,当你扛着犁耙走向田野的时候,当你喝完杯豆浆,提着书包走向学校的时候,当你坐在办公室前开始这一天工作的时候……,朋友,你是否意识到你在幸福之中呢?”这一组排比句写的事情都发生在清晨,是因时间相同而生发的联想。

又如《藤野先生》一文的结尾:“只有他的照相至今还挂在我北京寓居的东墙上,书桌对面。每当夜间疲倦,正想偷懒时,仰面在灯光中瞥见他黑瘦的面貌,似乎正要说出抑扬顿挫的话来,便使我忽又良心发现,而且增加勇气了,于是点上一支烟,再继续写些为‘正人君子’之流所深恶痛疾的文字。”鲁迅从看到“照相”想到“抑扬顿挫的话”,这是由照片与说话者皆藤野引起的接近联想,借以抒写自己对老师的敬爱,老师对自己的激励。作文中,围绕中心运用接近联想抒写生活,可以使事物更具层次感,并能准确地表述较为复杂的情感。

三、相似联想

相似联想是由对一件事的感受引起的同该事物性质形态相似事物的联想。如《绿》中写到“那醉人的绿呀,我若能栽你为带,我将赠给那轻盈的舞女,她必能临风飘举了。我若能挹你为眼,我将赠给善歌的盲妹,她必明眸善睐了。”“带”与“眼”分别显示舞女与盲妹的活力,人们又爱把“绿”视为生命的象征,形态与特征具有一定的相似性,作者巧由潭的绿波颤动,联想到“带”的飘举和“眼”的流转。这样的相似联想自然、优美、精巧。学生在写作寓情于景,或具象征意味的作文时,通过相似联想,便很容易完成由物及人的思维过渡。

四、追忆联想

追忆联想是指由现实生活中的某一事物,引起人们对经历过的生活、见闻、知识等的回忆。徐迟写作《在湍流的漩涡中》,对周培源从30年代到70年代的经历,先是按时间顺序写,像记“流水帐”一样。后来,他丢弃长达两万三千字的原稿,抓住“一刹那”,把事件集中在一个晚上,以回忆加以展开,通过追忆联想的方法,将材料组织得紧凑凝练,最终以七千字的篇幅,表现了人们坚定的斗争精神与丰富的内心世界。《祝福》先写祥林嫂在爆竹声中死去,再回忆她的一生,也是用追忆联想的方法。追忆联想,多表现为倒叙,对于历时长、头绪繁的事件,通过这种方式,不仅能省去一些与主题关联不大事件的叙述,而且可以突出某些情节,使行文更显紧凑。

五、因果联想

因果联想是由原因想到结果,或由结果想到原因的思维方法。《荔枝蜜》就用了因果联想的写法:“小时候有一回上树掐海棠花,不想叫蜜蜂螫了一下,痛得我差点跌下来。”“从此以后,每逢看见蜜蜂,感情上疙疙瘩瘩的,总不怎么舒服。”后来是因为喝了“忙得忘记早晚”的蜜蜂酿造的荔枝蜜,才“觉得生活都是甜的呢”,是由于了解蜜蜂用短促的一生“为人类酿造最甜的生活”,就像辛勤的农民“为后世子孙酿造生活的蜜”一样,所以“我”才由讨厌蜜蜂,到“梦见自己变成一只小蜜蜂”。作者以此组织材料,达到了较好的表达效果。学生在作文中常要叙述一些和自己喜、怒、哀、乐相关的人和事,如果能运用因果联想进行展开,相信也能取得很好的效果。

六、推测联想

推测联想是根据已经知道的事情来推测不知道的事情的一种联想方式。例如《从百草园到三味书屋》“我不知道为什么家里人要将我送进书塾里去了,而且还是全城中最严厉的书塾。”进书塾是知道的事情,只是不知为什么要进这“最严厉的书塾”,所以才从童心出发展开推测联想,“也许是因为拔何首乌毁了泥墙罢,也许是因为将砖头抛到间壁的梁家去罢,也许是因为站在井栏上跳了下来罢。”作者运用联想推测原因,将小孩复杂的心情生动地再现出来。

推测联想在散文创作中运用较多,因为它提供给作者一个崭新的叙述角度,将事物的背面再现出来,同时也以能对一些自然现象,进行人格化、情绪化的推断和抒情,进而营造一种物我两忘的境界,“庄周梦蝶”便是个很好的例子。

七、连锁联想

连锁联想是指运用联想的方法把几种事情一环扣一环地串连在一起,也可以从同一事物的不同方面进行两种以上的联想。如白居易的《荔枝图序》中的“壳如红缯,膜如紫绡,瓤肉莹白如冰雪,浆液甘酸如醴酪。”从“壳”到“膜”,再到“瓤肉”和“浆液”,由外及内展开联想,从而将荔枝的形态描摹得错落有致。再如《荔枝蜜》由荔枝树想到荔枝蜜,由荔枝蜜想到蜜蜂的劳动,再由蜜蜂的劳动想到农民的劳动,层次分明,有条不紊。连锁联想,最能调动学生已学习过的知识,由此及彼,极有利于拓宽写作思路。

写作时,常常会同时运用到多种联想方式。而在语文的平时教学中,有意识地将作者的一些创作思维剖析给学生,并组织相应的仿写训练,势必能改善学生的联想能力,帮助他们最终克服畏难的作文心理。从这方面看,多掌握几种联想方法是相当有意义的。

关于联想集团波士顿矩阵分析

以下是另外一个案例,案例:

华东某糖果企业(以下简称A企业),产品主要有鲜奶糖、喜糖、喉糖、咖啡糖、水果糖、软糖,产品的年销售情况为:

分析步骤:

首先我们应该将产品在波士顿矩阵中按要求标明

分析:

一:单个产品分析

通过产品在波士顿矩阵中的位置,我们可以很清楚的看到不同产品所处的位置

奶牛类:水果糖、咖啡糖,这两种产品市场增长率不高,但是市场相对占有率较高,可以为企业提供较好的利润来源,这类产品通常并不需要进行过多的市场维护和资源投入,其产品销量主要来自于消费者的习惯性消费,产品的自然流动性较好,但是这类产品要随时注意竞争者的动态,以竞争为营销策略的导向;

明星类:鲜奶糖、软糖,这两种产品处于高速增长期,需要企业投入较大的资源去扶持和提升,这类产品通常会有两种情况,一种是产品随行业性普遍的增长而增长,俗语说是“搭了顺风船”,第二种是行业性没有增长,而本企业产品在高速成长。两种不同的增长必定是采用不用的营销策略的,所以必须要分清楚。对于A企业来奶糖这个品类的增长是行业性的增长,那么奶糖的竞争相对来说较弱,资源投入也可以相对较小些,可以做些普通的促销推广工作就可以了,而软糖这个品类是企业产品的增长,而非行业性增长,那么这个增长意味着A企业需要从竞争对手处抢夺市场份额,则资源投入相对来说要大得多,而能否保持持续增长也并不只是取决于A企业自身的市场资源投入,同时要考虑的因素还有竞争对手对于市场的投入情况,所以A企业的鲜奶糖可以为企业提供一定的现金流,而软糖则是需要投入大量的资源,为企业贡献的现金流和利润相对来说就小很多了。所以对于这两个产品来说,鲜奶糖是一个可以重点培养的产品,而软糖则是应该是费用控制型的产品;

问题类:喉糖,这个产品有较高的市场增长率,但是市场占有率很低,通常这种增长更多的是行业性的增长,所以对于A企业来说,喉糖是一个机会,但是这个机会大小取决于竞争对手实力的强弱,资源投入的大小。A企业在喉糖的营销策略方面应该是在企业资源条件具备的前提下重点投入,有效投入;

劣狗类:喜糖,对于A企业来说,喜糖是一个相对市场占有率很低,市场增长率也很低的产品,对于这个产品,A企业进行资源投入的成效也不大,所以喜糖这个产品对于A企业来说应该放弃。

对于所有的产品策略应该

二、产品规划策略分析

结合产品的生命周期来看,企业最理想的状态是没有劣狗类产品,奶牛类产品、明星类产品占绝大多数,同时还应该有相当的问题类产品预备,那么,对于A企业来说,现在的产品结构是否合理,产品的中长期规划应该如何去进行,这同样在波士顿矩阵中可以分析出来。

A企业产品规划图

对于A企业来说,产品规划应该做好这么几件事情

A.对于喜糖,进行详细的财务分析,在亏损的前提下将其淘汰;

B.如何提高喉糖的市场占有率,将其从问题产品转变为明星产品;

C.对于软糖和鲜奶糖,应该在稳定竞争的前提下将降低费用率,使其能为A企业提供较好的盈利能力;

D. A企业问题产品太少,无法支撑企业的长期发展,必须尽快的研发新产品上市,使产品的更新换代可以更加及时。

通过以上案例我们可以看出,营销人员掌握波士顿矩阵的分析方法是非常有用的,他可以从宏观方面对营销人员进行指导,在对产品进行梳理和产品营销策略制订的时候具有非常有效的方向指引作用。但是波士顿矩阵并不能代替全部的产品分析方法,而且波士顿矩阵分析法同样也有缺陷,所以营销人员应该定性的、定量的多种分析法相结合,这样才能建立从宏观到微观,从策略到执行,科学的、完整的、可行的营销思路

以下是概念

波士顿矩阵(BCG Matrix)

波士顿矩阵又称市场增长率-相对市场份额矩阵、波士顿咨询集团法、四象限分析法、产品系列结构管理法等。

数据分析常见思维(一)

前篇文章《浅谈数据分析》提到“数据分析怎么做”这个部分时,我们介绍了描述性统计分析和数据挖掘算法两种分析策略。这些都是从方法论层面去分析数据,去挖掘数据价值。

当我们面对海量数据时,我们根据不同业务形态采用不同方式处理、分析数据,又都属于战术层面的执行。其实,还有一个上层执行动作也是我们需要去做的。

这就是数据分析思维的建立,有了一定的分析思维,我们就比较容易做到以不变应万变。

具体来说,有三类常见的数据分析思维:

当我们网购时,看中了一款衣服。如果这款衣服是非标品,品牌辨识度不是那么强的话,我们可能会在淘宝、天猫、京东、拼多多...都看一下,对比下价格,对吧。

还比如,我们进菜市场买菜,大妈们可能非常有经验,什么白菜、葱、肉之类的价格哪怕涨了 1毛钱,他们都能迅速感知到。

再比如,最近高考刚刚结束。父母们都很关心自家孩子的高考分数,等成绩出来了,孩子告诉妈妈我考了 550分。妈妈可能立马就联想到这个分数是个什么段位的分数,能不能上重本啊?不能上重本,本科能不能上啊?

这些我们生活当中非常熟悉的场景,其实大家都在无形中对数据运用了对比,只不过由于这些场景的数据我们太熟悉了,运用对比的时候甚至是下意识的。

对数据进行对比在我们的生活中是无处不在的,反过来想,如果不对数据进行对比,很多时候这些数据压根都是没有实际意义的。

举个例子,当有人告诉我们他年入 100万。这时候,可能一些人会“哇”的叫出声来,发出“哇”就代表已经对 100万这个数据做了对比,如果你年入 200万,可能就不会“哇”,不发出“哇”同样也已经对 100万这个数据做了对比。

而没有对比的情况下呢,我们就不会有任何情绪上的变化,就只是知道那哥们儿年入 100万这个事实而已,因为我们并不知道 100万这个收入数字到底是个什么样的存在。

这个时候,100万这个数据就没啥意义了。

求职市场上,有两个比较常见的需要通过分解思维去解答的问题:煎饼摊收入估算和地铁运量估算问题。

煎饼摊收入估算

假如我们开了个煎饼摊,我们可能首先就要想清楚自己的利润该怎么计算的问题了。顺便提一下,不论是大企业的 CEO,还是早餐铺的老板娘,他们很重要的能力之一就是要会算账,算账都算不明白的话,咱就做点别的吧。关于煎饼摊的月收入估算,有一个粗略的计算公式:

根据这个公式,我们做个假设。比如,我们一天能卖 200套煎饼,每套煎饼 5块钱,那么一天下来,我们一天的销售额就是 200* 5= 1000元。

这是一天的真题销售情况,我们还可以进一步细分,看看每小时的销售情况。我们想一下就知道:

我们再做一下假设,比如我们每天的工作时间是 8:00- 19:00。那么在这 11个小时的工作时间当中,可能早上的 2小时生意最好,每小时卖出去了 45套;18:00- 19:00这个时间段是的生意也比较好,我们也卖出去了 45套。中间的 8小时,生意一般般,每个小时就卖出去了 5套。

那么,这么算下来,我们一天就卖出去了 45* 3+ 8* 5= 175(套)煎饼。然后假设我们很勤奋,365天风雨无阻卖煎饼,也就是说我们每个月都完整出勤了。那么一个月按 30天简单计算的话,每个月能销售煎饼 175* 30= 5250套。

假设每套煎饼还是 5块,那么每个月的销售额就是 5250* 5= 26250元,然后再扣除一个月包括人工、原料、租金的总成本算 9000元,那么一个月下来的利润就是 17250元。

还能细分么?

可以。

如果我们的每个订单都录入系统,换句话说,假设我们能够实时监控到店铺的每个订单,我们是可以做到对 5分钟级的数据进行分析的。

这个分析大家感兴趣可以自己造点数据用 excel分析一下,我能预想到,一旦对 5分钟级数据进行监控分析的话,得出的分析结论很可能会反推出我们在供应时需要做出怎么样的调整。

地铁运量估算

需要注意的是,面试时给出这样的题目的意图并不是要求我们准确计算出来这个城市每天的地铁运量到底是多少,因为在实际工作中,google一下就知道了。面试出这样的题目更关注的是我们的解题思路是否清晰。

假设我们要计算深圳每天的地铁运量,我们可以从供给侧着手考虑,在题目没有明确要求的情况下,选择从供给侧着手能够简化问题。

要计算深圳一天的地铁运量,我们可以想到一个简单的公式:

深圳地铁每日运量=地铁数量*每条地铁的承载人数

首先,我们对地铁数量进行分解,就能得到:

然后,我们再对地铁承载人数进行拆分,就能得到:

最后,我们将分解后的公式一组合,就能得到这样一个公式:

我们根据经验给每个因子赋值一下就能得到结果了,比如深圳的情况就可能是:

值得提一下的是,深圳这种城市的上座率几乎都是超过 100%的,特别是早高峰那段,相信经历过的人都不想去回忆。

关于溯源思维,在数据领域是经常需要用到的。

我们知道,在处理海量数据时,经常会出现一些数据上的问题。比如,我们某天发现某个指标表现异常了,这个时候,我们通估计简单的思考发现,业务上最近没啥动作,数据怎么波动这么大呢?

这个时候,我下意识就会去看数据明细,看看每条数据生成的整个链路到底哪里出现了问题,从我个人经验来看,一般这样去找问题,绝大部分数据问题都能够找到原因。

从数据本身来看,一条条的数据明细就是指标的“本质”。

再比如,我们听马斯克讲到自己当年做特斯拉,为了解决电池高成本的问题,也是从电池的本质组成部分,铁、镍、铝这些材料上找降低成本的办法,成功解决了问题。当然,后来他自己总结是用物理学的第一性原理去看待这个问题。

还比如,王兴用比特(信息量的最小单位)去看待互联网...

回过头来看,这些看待问题的角度和做法都是从事物的本质出发去思考的结果。

好了,关于数据分析中常见的三种分析思维,我们就聊到这儿了。

标签: 联想 数据分析 数据