【与数据同行】已开通综合、数据仓库、数据分析、产品经理、数据治理及机器学习六大专业群,加微信号frank61822701 为好友后入群。新开招聘交流群,请关注【与数据同行】公众号,后台回复“招聘”后获得入群方法。
正文开始
很多同学私信问我,关于企业日常的营运数据分析问题,应该怎么去思考、探索、解读?有没有常规数据分析的万能公式?
这,还真可以有!所以今天的内容就决定和大家总结一下,探寻一下日常工作中,怎么分析我们遇到的各种数据分析的疑难杂症。比如,大家日常可能都遇到过如下的问题:
1、今年3月华东区销售额下降了,为什么?
2、上个月北京的业绩增长那么高,为什么?
3、某品牌今年的的客单价下降了,为什么?
4、电商某个渠道的流量质量在下降,有什么问题吗?
5、会员的复购率参差不齐,如何优化?
…………
以上这些都是我们在日常工作中,经常遇到的一些问题,很多人会这些回答:天气不好、股市不好、没人进店、费用不够、营销不精准、商品不给力、客户不配合等等。
以上这些,是一些常见的即兴的借口、托辞,回答的人没有过脑子,提问的人也没有细究,这是目前很多企业各种例会上的现状。但实际上真实原因是这样吗?我们能否从数据中找到以上问题的答案呢?
其实解读企业营运数据问题,都可以通过探索式数据分析,来寻找出答案。
企业营运数据解读的方法,体思路如下 :
1、第一步,找出需要分析数据中的所有的时间、对象和指标。
2、通过对比、细分、溯源贯穿在分析的时间、对象、指标中,去找问题的原因。
其中最核心的,就是探索式数据分析的精髓:
|| 第一步 找出时间、对象和指标 ||
这个步骤略麻烦,但非常值得做,并且最好是画出思维导图帮助缕清思路。
01 时间
常用的时间维度:年、季、月、周、日、时
短期分析的时间维度:滚动7天、滚动14天、滚动28天……
中期分析的时间维度:滚动30天、滚动60天、滚动90天……
长期分析的时间维度:本月累计、本季累计、本年累计……
02 对象
产品:品牌、品类、规格、包装
渠道:批发、KA(大客户)、购物中心、便利店、百货……
价格:平均价格、价格段、价格点、价格区……
区域组织:全国、大区、省份、 城市……
03 指标
完成率:销售完成率、回款完成率、利润完成率……
效率指标:客单价、连带率……
增长率:同比、环比
会员指标:复购率、流失会员数、新增会员数、激活率......
以上这些都是常见的时间、对象、指标,在不同的行业中会有不同,甚至数量更多,具体要根据行业特点去理解。需要注意,数据源中直接可以找到的时间对象指标外,这属于显性的时间对象指标,同时还有很多隐性的时间对象指标,也需要一并找出来。
比如下面一组数据,显性的时间维度是日,不过既然有“日”,通过技术手段很方便的组合成月、季、年等维度,后者就是隐性的时间维度。
这组数据中显性的指标有零售价、成交价、成交数量、成交金额。隐性指标有折扣率(成交价/零售价)、销售占比、排名......
探索式数据分析的前提就是要把数据源中的所有显性、隐性的时间、对象、指标都找出来供下一步使用。
|| 第二步 对比、细分、溯源 ||
如果第一步是动脑的话,这一步就是动手了。并且这步一定是在第一步的基础上进行的,不可以偷懒、投机取巧。
01 对比
我们经常说“没有对比就没有伤害”,数据分析也一样,没有对比就不能发现差异。可以对比不同的时间、对象、指标,以便从中发现问题。
如果对比时间,一般我们就会把对象、指标固定,即对比【不同】时间的【相同】对象、【相同】指标。例如开篇提出的问题中,要分析3月华东区销售额下降的原因,那我们就可以先来对比不同的时间,华东区(【相同】对象),销售额(【相同】指标),在不同的时间下:最近3个月,同比去年的3月,销售额的变化是怎么样的。
同样地,如果要对比【对象】,就把时间、指标固定;如果要对比【指标】,就把时间、对象固定。通过这样的对比我们就能发现差异了。
02 细分
所谓细分,其实就是上面我们举例的【时间】、【对象】、【指标】的细分,可以方便我们由大到小逐层钻取,以便方面我们接下来的溯源。
比如我们通过不同区域的客单价对比发现华东区的客单价是最低的(通过对比发现事实或问题),再看看华东区客单价的环比和同比数据,可以发现华东区这个客单价属于异常值(只有最近比较低)或者正常值(就是一直都低)。
此时我们就可以说华东区的客单价有问题,具体什么问题还需要进行溯源。
03 溯源
所谓溯源,是要找到源头。如果分析的粒度不够,出来的结果就不够深入,只停留在基本的层面。所以你们现在应该明白了为什么要找到所有的时间、对象、指标了吧?
例如华东区客单价下滑,你通过简单地细分,发现主要是浙江客单价在下降导致。但到底是浙江哪个些城市?哪些店铺?从什么时间开始下降的?这些都可以通过溯源找到原因。
所以如果是希望真正地找到源头,可以尽量在分析时细分到最小的单位。例如商品分析时,细分到SKU就是最小单位。
|| 交叉组合分析 ||
所谓探索式的数据分析,就是将所有时间、对象、指标进行组合,探索每个组合中是否有问题,直到最后发现事实或结论为止。简单来说就是有没有问题,探索一下试试。
关于交叉组合分析:就是不同的时间、不同的对象、不同的指标之间可以两两组合,三三组合,nn组合进行分析探索。
例如,我们固定住时间与指标(假定是上半年和成交率),进行【对象】的探索式分析时,可以是单个对象,也可以是不同的二级对象之间比较,甚至三个对象。
如渠道对象中,批发渠道和零售渠道对比。这条分析路径就是:今年上半年(时间)批发渠道(对象)和零售渠道(对象)的成交率(指标)的对比分析。
品类对象中(假设是服装企业)羽绒和棉衣对比。这条分析路径就是:今年上半年(时间)羽绒服(对象)和棉衣(对象)的成交率(指标)的对比分析。
在区域组织中,华东区和华南区对比。这条分析路径就是:今年上半年(时间)华东区(对象)和华南区(对象)的成交率(指标)的对比分析。
上面三条路径属于1个时间、1个对象维度的两个细分、1个指标的,这样的路径可以组合出很多很多来,这就是探索式的数据分析。
除以上1个对象的对比外,我们还可以2个对象、3个对象......n个对象进行交叉组合分析。
不同产品在不同渠道的成交率分析。这条分析路径就是:今年上半年(时间)羽绒服(对象1)在百货商场(对象2)的成交率(指标)的对比分析。
不同产品的不同价位段的成交率分析。这条分析路径就是:今年上半年(时间)羽绒服(对象1)在低价位段(对象2)的成交率(指标)的对比分析。
不同品牌的不同品类的销售额分析。这条分析路径就是:今年上半年(时间)品牌A(对象1)的羽绒服(对象2)的成交率(指标)的对比分析。
上面三条路径属于1个时间、2个对象维度的两个细分、1个指标的,这样的路径同样可以组合出很多很多来,这就是进一步的探索式数据分析。
我们还可以1-3-1的组合路径,比如今年上半年(时间)品牌A(对象1)的羽绒服(对象2)在超市渠道(对象3)的成交率(指标)的对比分析。甚至1-4-1,1-3-2......
这样的组合交叉类型就相当多了,每一种组合、交叉都会形成一条分析的路径,可以让你深入进去分析。要基于你具体分析的问题,可以不断地探索分析。
|| 实操工具 ||
基于Exce目前l主要有2种方法可以实现探索式的分析:
1、控件+图表
2、数据透视表
控件+图表属于比较高阶的做法,一般人可能学起来有点难度;如果平常大家解读营运数据时,我建议使用数据透视表,这是Excel中一个非常有用的功能,而且入门简单,所以推荐大家学习使用。
透视表的方法相对简单,比较容易上手。探索的过程其实就是不同时间、对象、指标在透视表中的拖拽过程。
需要提醒大家,探索式的数据分析不能瞎探索,一定要有顺序,比如时间从日-月-季-年的顺序,组织从全国-大区-省份-城市-店铺的顺序,由上到下或由下到上都可以。
今天为大家介绍的营运数据解读思路,就是要进行探索式数据分析,大家可以在日常的工作中多点去练习,从不断的实践中吸收知识。多探索就会形成自己分析数据的路径,长期训练就可以做到有章可循、有迹可挖。
不要怕麻烦,数据分析就是寻宝,你一定可以做一个挖宝的分析师!