python3的pyqt5 qtablewidget按数据大小排列_一文读懂数据分析常用方法：帕累托法则...

帕累托法则，又称二八法则，是数据分析中最简单、最有知名度的分析方法之一，由意大利的经济学家帕累托提出，一开始是用来描述社会财富分配不均的现象：

80%的财富掌握在20%的人手里（这点我很认同），在实际应用场景中帕累托法则的作用就是找到对象中的关键因素，经常会用在销售管理、个人规划等方面。

帕累托法则把对象分成了重要和不重要两个部分，后来在实际的应用过程中又升级出了ABC法则，把对象分为A、B、 C三类，最常见的就是商品ABC分析，对产品进行区别和分类，反映出每类产品的价值对库存、销售、成本等总价值的影响。

帕累托法则实操举例

这里我举个常见的帕累托法则在商品库存管理中的应用，假如我们打算对库存商品进行年销售额分析，第一步要先收集各品类商品的年销售量、商品单价数据，然后对数据进行处理，计算出销售额、累计销售额、累计销售额百分数等，将商品按照销售额的大小降序排列，将累计销售额占比累计占比0至50%为A类商品，50%-90%为B类商品，90%-100%为C类商品，然后根据分析结果，对ABC三类商品采取不同的管理策略。

对零售行业来说，商品种类繁多，数据量大，用Excel容易卡顿，而且不能链接数据源，所以我一般选择用专业的数据分析软件FineBI进行分析，FineBI是国内比较有名的数据分析软件，围绕数据分析的流程设计的，拥有数据链接，数据处理，自助式探索分析、可视化报告制作能功能，不需要写代码，拖拖拽拽就能自动生成可视化图表，操作比Excel还要简单，下面给大家实操一下分析的过程：

数据链接

FineBI可以直连数据库，也可以手动导入Excel文件，本次分析我就直接用FineBI内置数据库中的数据了

数据处理

数据拿到手下一步就是进行数据处理了，计算销售额、累计销售额、累计销售额百分数等等，新建自助数据集进行数据处理工作，相对于用Excel进行数据处理，用Finebi的好处是步骤清洗，每一步操作都有记录，而且可以随时查看历史步骤，避免出错

新建一个自助数据集，选择我们分析需要的数据表和字段，选择品牌维度表的品牌描述字段和销售明细表的销售额字段：

按照品牌类别进行分析组汇总，按照销售额降序排列：

计算销售总额，新增列，命名为销售总额，选择所有值/组内，将组内销售额进行求和得到销售总额，如下图所示

计算累计销售额，再新增累计总额列，选择累计值/组内，取值规则改为累计值，得到累计销售额：

计算累计销售额占比，累计销售额占比=累计总额/销售总额，新增累计销售额占比列，输入计算公式，得到累计占比：

到这一步，数据就处理完成了，下一步就是绘制帕累托图

数据可视化

用FineBI制作可视化图表比较简单，把指标拖拽到横纵坐标轴，图表就自动生成了，然后再根据情况调整图表样式，这里我们选择组合图，把销售额设置为柱形图，累计占比为折线图，对销售额字段进行降序排列：

最后一步就是根据累计销售额占比，划分A、B、C分类了，我们添加计算指标，命名为 ABC 划分，累计销售额占比小于0.8的为A类商品，在0.8-0.9之间的设为B类产品，大于0.9的设为C类产品

公式为IF(累计销售额占比<0.8,1,IF(累计销售额占比>0.9,3,2))，然后把ABC划分指标拖到颜色框，设置需要的颜色，帕累托图就完成了：

通过分析我们得知：ZIPPO（之宝）、PAW IN PAW、NEW BALANCE（新百伦）、HANG TEN为A类商品，SINOMAX(丝梦露)、O.C.T.MAMI(十月妈咪)为B类商品，WHO.A.U、RACB JJQN、LESPORTSAC、X.ZHINING为C类商品。

一般来说，在商品的库存管理策略中，A类商品对公司销售额贡献最大，这种商品备货周期短，在保证安全库存的情况下，应该小批量多批次按需储存，尽可能降低库存总量，减少仓储管理成本，但如果控制不好库存，很容易出现断货风险。B类商品销售额贡献次之，这种商品备货周期可以适当延长，C类商品属于长尾商品，备货周期更长，最好是集中采购，并适当增大库存量，相应减少订货次数。

除此以外，帕累托法则还可以应用到质量管理、成本管理和营销管理等管理的各个方面，比如在质量管理中，我们可以通过帕累托法则列出影响产品质量的因素有外购件的质量、设备的状况、工艺设计、生产计划变更、工人的技术水平、工人对操作规程的执行情况等，以纵轴表示由于前几项因素造成的不合格产品占不合格产品总数的累计百分数，横轴按造成不合格产品数量的多少，从大到小顺序排列影响产品质量的各个因素，然后就可以很容易地将影响产品质量的因素分为A类、B类和C类因素。然后根据影响产品质量的主要因素，采取相应的对策。