数据分析在生活中的应用- 女人的衣柜里为什么总是少一件衣服数据分析人工智能算法

作者：emma

0. 引言 【数据分析在生活中的应用- 女人的衣柜里为什么总是少一件衣服】每天早上醒来，眼睛一睁开就面临一个难题：今天穿什么？这时候脑海里往往会冒出很多选项，却都不能令我满意，纠结中经常想着想着就又睡着了。20分钟后发现睡过了惊醒，抓起文化衫和短裤套上就走，匆忙中身上还滴上了牙膏。

文章图片

于是在同事眼中，我一直是个不修边幅的女程序员，我也的确没让大家失望，经常以文化衫拖鞋的形象出现，自诩反正都嫁人了，穿了给你们看没意思。
但是每天的早上我却从未轻言放弃，依旧会去想：今天穿什么？这个问题。仿佛是一个我永远解决不了，却又不甘心绕过去的问题。
如何解决
数据分析和推荐做多了，看到什么都有了收集数据来解决问题的冲动。于是有了这个开脑洞的想法：用数据分析解决每天早上起床困扰我的事情，让我能够开心自信的去上班。
我梳理了工作上用数据解决问题的整体流程：

定义清楚需要解决的问题。
数据收集，清洗数据。
定义指标并进行统计计算。
对指标进行细分和下钻对比，观察数据得出结论。
拿出一些典型的case具体分析。
通过4和5的结论，优化策略。
使用优化后的策略，持续观察4中定义的指标。

中间还会存在很多细节问题，比如指标是否符合预期，遇到问题的假设和验证。
写出来，贴墙上，行动。每次开坑都有一种兴奋和紧张并存的复杂情感。
数据分析就是这样刺激的事情，脑海中会涌现出很多灵感。需要把他们梳理好，否则很容易中途跑偏。
不看到数据的时候，永远不知道有什么结论。跑出来的数据是否和自己的期待一样？如果不一样会是什么原因？不一样的话又要做何种假设和验证？
结果有时候兴奋，也经常避免不了失落。最怕的不是结论不符合预期，而是搜寻了半天没有发现什么有用的结论。只能接受暂时没有结论也是一种结论。把这些数据放在心里，也许哪天又有什么灵感去用。
真是一项逻辑理智和灵感碰撞的工作！
1. 定义清楚需要解决的问题其实我并不是没有衣服，虽然算不上多的要命，但也塞满了半个衣柜。曾经刚刚开始自己赚钱的时候，也“挥霍”买了不少淘宝爆款。但是没有衣服穿的感觉貌似从来没有消失过。
梳理一下：

我对目前可选择的衣服经常觉得不满意
我不知道如何去买，似乎一直在买却还是不够

从推荐策略的角度，可以认为衣柜就是我们的候选池子。生活中的各种场合，各种季节代表不同特征用户（其实都是我，在不同情况下百变的我！）的需求。
如 (工作日，上班，春天，下班想去运动，希望简单明快，前几天穿过的序列（xxxxx），脏了洗了的序列（xxxxx）) 或者（周末，带孩子去公园，夏天，会跑跑跳跳拍照，希望方便行动上相，…..）
推荐效果：个人感受，纠结很久or觉得衣服不够。说明效果有待提高。
这里选择衣服策略和评价指标-个人感受是否合心意，都相对主观，较难量化，毕竟女人如此复杂我自己都搞不懂自己。

文章图片

且我们每次对自己的穿搭不满意都会觉得是因为没有衣服穿，也就是池子（衣服）不足。
所以希望解决的问题是：固定分发策略和评价指标的情况下，如何优化池子来提升效果。
当然由于池子也是根据我自己的决策买来的，所以问题是要解决：如何优化建设池子（买衣服）这个策略。毕竟买衣服犹豫的时间往往比穿衣服还要长。
如果能够有清晰的认知我需要什么样的衣服，一定能省很大的功夫。
2. 数据收集，清洗数据基础数据建设和清洗。干净的数据永远最重要。
2.1 基础数据建设
基础数据：每一件衣服，及其相关属性。相关属性是便于后面的统计和下钻。每件衣服拍照是为了逐个case分析。
如果说这次分析花了我整整一个周末的时间，那80%的工作量都在这里。
我把衣柜里面所有的衣服都抹平，照了照片。打了一些标签，整理在excel表格里面。

文章图片

文章图片

结合分析的目标，标签主要根据买衣服决策时考虑的因素，穿衣服时的决策因素，最终这件衣服穿不穿三方面，打了以下标签：
type （背心短袖，睡衣，卫衣，连体裤等），季节（春秋，夏，冬）
购买时间（学生时代，上班后，一年内），购买渠道（商场，淘宝，别人送的）。颜色（花，灰，条纹…）
特别程度(特别，有点特点，中规中矩)，上身频率（高，中，低，渐低，再也不想穿）
其实还想标更多的，比如和谁一起买的。买的时候主要目的是，买时是否试穿等。但我实在没体力了，回忆每件衣服都的前世今生是件很疲劳的事情。
2.2 脏数据处理
如果不事先抽一些样本来看，或者做一些简单的校验，很容易被脏数据带坑里。他们往往用很小的量和很异常的值，把均值等的指标带偏。
我剔除了一些衣服。主要有：长辈觉得我适合穿一定要送我，为了特殊的事情买的无法穿第二次，比如演出服这两种。这些衣服不是我主动选择的，暂且不列入分析范围。
3. 定义指标进行统计计算 3.1 数量
简单直观也是推荐池最重要的指标。终究我们“衣服总是不够用”的诉求在于数量。
这里主要采用的对比和细分思维。因为总量肯定是不少的，觉得不够用一定是集中在某些细分的标签上。细分和对比，就是要找出这些标签。
先看一下总量。

文章图片

这个数量其实我也不知道算多还是少。这就是数据分析里面一个问题: 很多数据要有个整体平均值或者对比，才能知道大小。一些数据通过长期观察这类业务数据，均值和分布心里大概有数，看到就可以知道大小。比如移动端feeds广告的点击率，一般都会在1%+。云音乐各tab的渗透率等数据，都是提前知晓的。
而我没有别人衣服数量的资料或者平均值分布。只能简单估算一下，99件是衣服和裤子外衣和内搭，都算上的。
三个季节，每个季节就30件衣服，上半身和下半身均分的话，每个季节变成15身衣服。4个月15身衣服，总量也不算很多吧（心虚的挠头），至少不是很夸张的多。
对数量指标进行简单的下钻和对比-----很简单也很容易得出结论的方法

文章图片

夏天衣服最多，冬天衣服最少。和南方的气候匹配。
看每个数据的时候，我们心里都会有一个大概预判。比如分季节的数据，看数据之前从气候可以初步判断应该是夏天最多。当数据和我们的预期符合的时候，也是对数据准确性的一个验证。
当出现数据和我们预期不符合时，则需要关注和进一步验证检查。

文章图片

分时间看近10年买的衣服还是占绝大多数。新衣服占33%，也有22%的衣服是7年以前的。还有少数10年以上本科买的衣服。看来我没胖多少。

文章图片

使用频率从低到高的分布，是左偏的。的确有很多衣服使用频率很低（不偏好）。应证了自己“总觉得没有合适衣服”的感受目标是把这个分布调整到靠右。

文章图片

商场买的衣服最多，喜欢看中就拿走的爽快。

文章图片

正式衣服比较少和个人气质有关。没什么正式场合需求。符合预期
各个维度进行一些简单的cross，有一些进一步的结论

文章图片

使用频率偏低的问题，春天衣服最严重，喜欢的衣服较少。冬天目前在用的衣服都还比较常穿。

文章图片

场合cross季节，发现夏天真是个浪漫的季节，假期风情比较多。三个季节正式的衣服各一件，完美且够用，下次看到偏正式的衣服，可以不用花时间考虑了。
场合cross特别程度。假期比较特别的衣服偏多，工作日更多中规中矩的衣服。比较合理。
衣服还有不可忽略的一点- 搭配属性。衣服怎么配不到一起，也是挑选的一大苦恼。
对上装/下装的比例进行分析。除去连衣裙，连体裤这种不需要搭配的。

文章图片

上下装配比不合适的地方显现了：

春装 11.5件上衣配一条裤子
下装百搭的牛仔裤非常少，需要针对性补货

数量指标的分析，让我对自己的衣橱有了更多的了解。掌握了哪些品类需要补货。哪些比较充足。
除了数量，质量非常重要。女生多多少少都在不停买衣服，但是为什么一直在买衣服，一直还都觉得不够穿。
重点分析一下再也不想穿的衣服，到底都是什么样子的。从失败经验中总结教训。
3.2 淘汰率
定义淘汰率=再也不想穿的衣服/所有衣服
“买来没怎么穿过的衣服”是我心中最大的痛。又占地方又没穿又费钱，还要被说：你看柜子里那么多衣服怎么还说没衣服！

文章图片

分析一下淘汰率高的衣服有什么特征，可以避免踩雷。也在以后买衣服纠结的时候，给自己一些指导。
同样，维度细分思维，和对比思维。做为主要的手段。
整体淘汰率30%。三分之一的无效衣服，占比还是比较高的。

文章图片

分季节看，冬天格外高一些。冬天的衣服虽然使用频率高的比较多，再也不想穿的也比较多。有一些是需要淘汰掉了。
这里想讨论一个问题。维度非常多，在我们下钻的时候如何选取。
大规模的数据和高维度情况，我们可以通过机器学习的方法，可以指定淘汰率这个指标，然后算各个特征的贡献度。
但是在数据分析中，可解释性非常重要的，很多数据是为了验证我们的假设。不需要精准预测、或者去训练模型。（当然如果用模型，一般还是会看看高贡献度的特征，是否符合预期，是否有什么启发）
所以在数据分析中，优先选择下钻的维度是：最有可能有区分度的，可以验证一些假设的，或者在场景下有特殊含义的。
比如数量上很多下钻都按照了“季节”维度去展开。因为季节这个维度是有特殊含义的。春夏秋的衣服不能互穿。所以优先下钻这个维度，更容易发现一些问题。
而淘汰率这个指标，优先下钻最有可能有区分度的，也是可以验证假设的维度：购买时间。
不想穿的衣服，和新旧是否有直接关系呢？如果只是因为已经买很久旧了不想穿，那并不是购买时决策的问题。

文章图片

淘汰率从高到低依次为，研究生or上班后购买>本科购买>一年内购买。
淘汰率并不是越新的衣服越低。本科衣服的淘汰率低于上班后。这是否代表早期眼光更好呢？需要注意的一点是，衣橱中本科时候购买的衣服只占5%。
这里的原因可以想象：本科买的衣服是十年前的了，能留到现在的，大约都是最喜欢的一批了。如果把本科所有的衣服都留到现在，那淘汰率肯定会大不少。
一年内买的衣服淘汰率是最低的。近期审美坑还是比较少。
所以淘汰率指标中有一个不太公平的地方：近一年买的衣服淘汰率明显低。
那么如果有一类衣服淘汰率低，不一定是因为我的决策英明眼光独到，也有可能是因为近期买的多，一年内的衣服占比重大。
那么前面看到的，夏天衣服淘汰率低，是因为夏天衣服一年内买的多吗？
cross季节和购买时间来看。

文章图片

可以看到夏天在一年内和一年之前购买的衣服上的淘汰率都比春秋要低。而且一年内的格外低。
考虑到夏天短袖居多，不容易踩坑。
值得注意的是冬装。一年内购买的淘汰率比一年之前要高。冬装现役虽然有一些使用频率很高的。但近期买的，完全不想穿的概率也较高。近期需要理性购物。
购买渠道也是一个重要的维度。近期网购的比重越来越大。

文章图片

但是比较闹心的是，网购的衣服，淘汰率居然比别人送的还高。
风格维度来看

文章图片

更特立独行的衣服更容易被淘汰。中规中矩的衣服相对安全，符合常理。
尤其是春天特别的款式，需要谨慎，淘汰率逆天。夏天花样多点问题不大。
4.典型的case具体分析有哪些维度失败率比较高，有了一个大体了解之后。为了进一步把badcase印在心里，吃一堑长一智。
我对再也不想穿的衣服，具体是怎么回事儿做了原因标记。采用溯源思维。并一一例举解决方案

文章图片

5.输出结论：买衣服策略综上，这个周末总结出以下几条策略

非常需要牛仔长裤；
去商场里面，试穿买冬天的衣服。冬天的衣服一直是一些比较旧的在穿，坏了就完了有风险；
夏天的衣服充足且个人满意度高。可以暂缓购买；可以偶尔网购锦上添花；
春装不要买花里胡哨的。买来基本没在穿；
网购来了不合适的衣服果断退货。网购不好看为淘汰原因第一名；

6 随着决策变化，持续观察数据不做分散的数据，要做分析体系。是非常重要的一点。
分析中能发现问题的指标沉淀下来。变成观察业务情况，以及策略所的产生变化是至关重要的。
当step6的各项措施被执行后更新原始数据，观察指标变化。及时调整方向，才是保持衣柜“生态健康”的关键。
但是时间有限，对于原始数据收集录入这块我有点崩溃。希望能坚持下去吧。
最后总结一下本文遇到的数据分析方法和要点：