9 F8 q! E6 h; y% ~6 w; f4 h9 Q$ b( ~- K
3 s1 {, p0 f3 B' h, u c: ?7 ^
大家下午好,我们又见面了,这几周我们正在开展与数据分析紧密相关的系列课,本次是系列课的第二堂课—常用数据分析与预测方法。
% B \+ b! a+ B8 d$ C* |* M
- G( ~* Z9 G& ?' [/ u1 Q, o C9 a 课前我们先看几个问题,评估一下在座的各位同学是否需要听这次课,大家可以自我回忆一下,看是否遇到过、或正在遇到这些问题:
+ l& t7 ^% U5 l4 H; }/ K
1、面对一堆数据,找不到分析要领。常常觉得数据又多又乱、没有规律,同时个人思维逻辑不清晰、无法快速抓到分析要领
2 e* n) F$ a$ y9 I- Y 2、终于找到了问题重点,却不知该用哪种控件?花了很多时间整理数据、整理思维,整理出重点后却不知该如何分析、如何展现
9 c: l8 @, A' ]) N
3、老板让你做个预测,发现函数好难写?老板看重数据分析,需要你对现状进行分析,同时参考历史数据优化预测模型,此时你却发现连预测函数都写不出来,何谈优化 ( G( S t* }3 F. x2 `# M" p
4、如何将分析工具应用在数据实例上?分析工具学的熟练,制作报表易如反掌,但是拿到真实数据的时候却发现无从下手
, Y' t! X1 M- u# l6 F( R
如果你们遇到过这些问题一个或多个的,那么就需要好好学习这次课了哦~
+ K; ^& I9 H1 S L+ d+ o8 e 上次课我们学习了思维养成方法与模板设计技巧,课后留给同学们两个小问题,其内容正和我们本次课的内容相关,不知道大家还记不记得?
# \; f, M9 [; |9 O$ l
问:学会了分析工具常用技巧后,该如何应用在数据实例上? 答:理论应用于实际通常都是有一定的套路可循,比如常规的应用过程:首先有工具、在其基础上掌握用法与技巧、最后结合系统理论付诸于实际。遵循这种套路,并将信息重点突出反映出来基本上就可以了。
' e) ~# W6 w/ t8 }
至于这种方法与实际结合的过程如何实现,我们看第二个问题。
* G: B1 u5 h9 a+ Z+ i. p5 o& A
问:常用的数据分析方法、数据预测方法有哪些? 答:这是方法与实际结合的过程,我们可以通过数据分析方法、预测方法将数据应用于分析、将理论应用于实际。 / G9 s9 y, h" `
常用的方法有哪些?我们将在本次课里寻找。 课程简介
) _# l. ~ t! o5 x/ M, M9 }5 z/ K
7 f6 s8 l" \$ _: c& r- x7 U6 z 本次课我们主要以常用数据分析、常用数据预测方法为主要学习内容,结合实际数据案例,与大家分享这些数据方法的应用目的与效果。
, ~: l; m5 z3 N3 z2 c* b" ?$ g
常用分析与预测方法 / Z# @0 u u3 Z6 U# V) F" J' p
6 g' C8 f3 A# @* ?+ L& w9 D 本次课程基本上以实操为主,利用分析工具将数据分析、预测方法从纸上搬到现实。本次课一共介绍七个常用的分析与预测方法,每个方法都会结合实际的数据来操作,建议大家跟我一起动手,会对实现过程与效果记忆更深刻。 T [/ m: E: S6 ~8 Q" C
基础数据 * M4 i; Q6 U' U1 z3 l
动手之前我们先简单看下Excel数据源,看下我们等会儿需要用到哪几个数据表。 ' k" ?5 N% T* c1 S, a' q( {
4 {) R9 m/ Z) m
为了方便区分,尽量将工作表名和数据方法对应上了,可以看到我们需要使用的数据源有:多指标管理、二八法则应用、四象限分析、漏斗模型应用、价格带三度分析、数据预测。这个数据源与上次课是同一个,上次课时已经分享过了,这里就不一一详细说明了。 # A- } d1 s( u7 T& ^
接下来我们打开数据分析工具进行操作,由于本次课使用的数据源与上次课是一样的,因此我们可以在上次课的数据基础上直接进行操作。这里需要注意,后面做预测的那张表需要用到时间年,所以我们进入编辑视图设置一下时间列。
! |0 }8 F, |8 M" ]% L多指标排行榜 - @& _/ l( S& e+ \ j+ R
任一行业都具有相应的分析体系,不同的指标能反映不同的信息,在本案例中销售数据涉及指标:销售额、销售完成率、平均折扣、会员贡献率、连带率、成交率等。从公司层面来看,各门店的指标对比是衡量门店业绩的重要内容,因此分析不同指标下的门店排行是比较常见的方法应用。 在分析工具中添加条形图,并配合筛选控件共同使用,可以随时查看不同指标下的门店排行榜。同时,若希望将当前筛选序列从标题突出显示,还可以使用标题绑定的功能。
4 j$ v! S, j0 L8 w4 e/ Q5 Z
当然,如果老板只希望看前十名,这个上次课学过,只要选中维度值并设置TOP10即可。
1 B' ~% Q. ?" D/ f0 Q9 E) j2 g 3 B& n4 k# R- E
这个是最常用的对比分析法,有效结合分析工具中的筛选控件和TOP值功能,将不同指标下的门店排名一一展现,这下无论换哪个指标,都能立即展现排名情况。 # G( i' {9 F+ z4 S0 F6 }
门店排名对比
, }' t2 o: }& U! p+ S* K3 J' p
销售分析中第二个常用的数据分析方法是门店排名对比,这个和前面的方法有所不同,前面的方法主要是看某一指标下各门店的对比,侧重点在多个门店的差异上;现在这个方法则是看同一门店在各指标中的排名,侧重点在单个门店的综合能力上。 $ P6 \# `, a3 x- o
新建雷达图,并将各指标排名一一放入,筛选出想看的门店情况即可。 9 {0 ^' B9 d7 _( g' h
# x- B- t* G# q& h' O; A
这个雷达图就是我们所说的门店排名对比,可以通过点到图心的距离直观反映排名大小,距离越短表示排名靠前。由此,某一门店在各方面的能力展现一目了然。 2 g, R3 Q' L4 E2 a- U5 B6 ?% E) n4 F$ t
二八法则分析 6 Q0 z, z1 b4 S6 T
第三个常用分析方法是二八法则,相信大家都听说过,它是销售分析中很常用到的一个内容。从管理学角度来说,通常一个企业80%的利润来自它20%的项目,我们上一张图:
0 q9 A/ I) k& T7 T* W: X& s
3 K! g8 V2 o8 l* C 这张图里展现的是某个企业的销售占比和产品占比,其中销售收入的80%基本来自它20%的产品,相反,销售收入的另外20%则来自于它占了多数(80%)的产品。
- L D. l9 p9 W( A7 F
这也就说明这20%的产品是销售贡献较大的产品。当然这里的20%和80%不是一个严格比例,大致相当即可。打个比方,若80%~90%的销售仅仅是由10%左右的产品产生,同样符合二八法则,此时,这10%的产品则很可能是爆款。 / N& j# w( z. h6 s- J) R
那么我们了解下如何通过分析工具,将二八法则应用到实际案例中: ; h! [' o0 H/ j8 Q6 }1 W
/ ~' j b! M- E; }& r 柱线图中通过柱子高度反映各商品销售数据,对销售收入做降序排序后,会将带来最大销售收入的产品摆放在前面,此时做累计占比,则可以自动计算出销售占比达到80%左右时对应商品的情况。 ) m) b- C6 s' l1 T* N7 e a
二八法则在实际应用上可选方式较多,除了柱线图还可考虑用简表或其它形式体现。 ; L, b( C1 \6 t& X! @6 u1 ]
四象限分析法
. J( \, g- L8 M2 E7 d7 S0 N
第四个方法是四象限分析法,这个方法是在散点图的基础上演化而来的,散点图本身是通过两组数据构成多个坐标点,通过考察这些坐标点的分布来判断两变量之间是否存在某种关联、或是总结分布模式的图表。
3 o6 ]2 C* W' n& N5 _1 ?5 }
四象限分析则是在该基础上进行分区,通过平均值或其它划分点将整个散点图分成四块,并结合划分点、行列维度共同来分析各个区域里分布的散点的意义。 # C! Y0 u0 J1 Z5 Z
我们尝试通过现有数据制作一个商品销存分析。 $ D6 d/ h2 r1 i" j! }
! m- T* R( ]* o& T$ a, _ 该散点图中用到的指标有库存量、周销量,维度是商品。先来解读一下这个散点图。
. o/ P& f" y2 e7 ~% i# b h
图中Y轴对应的是库存量、X轴对应的是周销量,并且Y轴越往上数据越大,X轴越往右数据越大,说明:图中若散点分布越往上,对应商品的库存量越大;散点分布越往右,对应商品的周销量越高。
" J% b8 ^; j4 m) R; j j% \
商品的销售管理需要同时考量商品的销售热度与库存量,其中较常被关注的问题是:哪些商品是卖的好但库存不够的?哪些商品是卖的不好但库存还剩余很多的?若想回答这些问题,就需要使用自定义分割线,这里我们选择添加平均值分割线。 2 h5 o) L# f' D( X5 }6 I
4 i- r5 G/ o, | a5 D% F 分割线将整张图划分成四块,我们以分割点为中心,横纵分割线为分界线,将四块内容分别定义为第一、二、三、四象限。 2 _0 |" q" x+ T4 ?3 f! Q/ o
通过划分后的散点图,我们来找一下哪些商品是卖的好但库存不够的?按散点分布的特色--越往右则周销量越高,越往下则库存量越低,可以找到商品卖的好但库存量较低的区域是第四象限。 3 W% R. w3 x) V* L l% q) {& A
该区域内的商品有必要调整对应的库存量,尤其是周销量接近甚至超赶当前库存量的商品,如SKU27(本周销量达322,当前库存量仅剩223)。 我们再看一下哪些商品是卖的不好但库存还剩余很多的?同样按散点分布的特点--越往左则周销量越低,越往上则库存量越高,可以找到商品卖的不好但库存量还剩余较多的区域是第二象限。
; Z P- f; F& I) k* S3 S( a
该区域内的商品周销量普遍在0~300之间,对应的库存量基本都在1200以上,针对该情况建议在考虑商品储存期的情况下,适当调整销售策略。 a; c" C2 y1 S- I4 l6 k
漏斗转化模型
) e+ h& G; B4 C; y$ P. [
接下来我们再学习一个实用的分析方法--漏斗转化模型,该模型常见于各类转化率分析,以本数据为例,分析的是销售各阶段客户转化率,如:路过人数、进店人数、触摸人数、成交人数等。 + K9 t2 F V9 Z5 _
漏斗模型的操作较为简便,添加漏斗图并加入相关数据即可。 + ~+ F$ v: C b$ n7 Q& o# A% Z
: s( |' b& n8 t" S; \ 通过漏斗转化率,可以清晰的看见最初路过的人数里有多少成为了进店人数,有多少成为了成交人数,又有多少成为了回头客。这种转化分析有利于我们做客户跟踪销售,对后期客户维护及产品推送都具有非常强的可依据性。 % [! }9 F/ D$ x; f
商品价格带三度分析
& k0 H( d( l$ |/ y
我们结合示例数据来介绍商品的价格带三度分析是什么。
+ a* _! K2 R: h6 l0 C k
, @0 c" `( c A7 J2 L4 B, K3 J+ s 价格带(Price Zone):指同一类商品销售价格的上限与下限之间的范围。假设大型超市里卖的裤子最低价是100元,最高价是500元,价格带就是100~500元。
$ G4 n7 S/ }: M# w4 V
价格带三度分别为宽度、广度、深度。 ' S" b* n1 X9 _8 G5 L/ q" Y
价格带宽度,即价格上下限的差值,如裤子的例子中,最低价是100元,最高价是500元,则对应的价格带宽度为400元。价格带与其宽度共同决定了该类别商品满足的消费者的层次与数量,如A、B两超市售卖的裤子价格带同为400元,A超市价格带是100~500元,B超市是200~600元,二者对比下,A超市满足的消费层次会低一些。 ) _+ Z0 |# a( M# r' Q
价格带广度,即可选的价格选项的统计,如裤子的例子中,出售3条裤子,标价分别是100,200,200元,则可选的价格选项就有2种,100或者200,那对应的价格带广度就是2。 3 @- x& H' X0 f! l( O2 @
结合图表来看,图中X轴表示商品价格,Y轴表示商品数量,每一条竖线都是价格线,对应的是一个不重复的价格,因此统计每个散点图的价格线即可了解价格带广度。商品的价格线越多,客户可选择的空间越大。
7 s5 w6 }4 q+ \3 D1 H
价格带深度,即可选的商品数量,如示例中可选的商品数量达到78个,对应深度为78。
& x% i; c6 @: X9 L1 y$ p8 G; ^
与价格带相关的还有价格点,所谓价格点即是在价格带中最容易被顾客接受的某一个价格,在该点附近准备多些商品,能给客户造成一种商品丰富、价格合理的感觉。如示例中的两个价格点分别是200元、400元,在这两个点附近围绕着较多的价格线,是较合理的做法。
% D7 U2 d7 W: h8 w
数据预测方法
( H7 Z' ^5 ?' Z# u4 T$ p# b& _4 d+ _
最后一个实用分析方法是数据预测,这里需要依靠函数来做预测:在数据分析工具中新增柱状图,并通过趋势预测功能拟合序列趋势。 ( V- K$ z% p6 t& i" X. c; y, N
/ g6 j- j& v! s( f 可在工具的趋势线类型中选择不同的函数类型:线性函数、指数函数、对数函数,并根据R2的大小选择最佳拟合函数,R2越接近1,则拟合效果越好。
- ^$ ]& H3 \" Z& i0 T! w- ]$ z9 G5 s
由此可见,如果能熟练掌握、合理利用分析工具,则可轻松依靠其中的预测模型计算数据预测值,无需手动编程或撰写函数。
$ v" t8 k5 `, q) E! t
课程回顾 % a* _6 c9 j' X9 \1 N
好啦,那么以上就是几个工作中常用的数据分析与预测方法,不知道大家学会了吗?另外我在PPT里放了这些方法对应的操作截图,大家可以课后跟着视频和截图再消化一下。 6 j9 H" a1 R8 a. o. y, A7 e
我们的课也接近尾声了,现在一起来回顾一下今天主要讲了哪些内容:
) j* [. q" r0 p1 e 1 s0 {6 Z% i/ `0 ~1 n j: I
1、常用的数据分析方法 如:多指标排行榜、二八法则、四象限分析、漏斗转化模型等 1 J. \8 N, ]( Z; s+ t9 m$ Z. v
2、常用的函数预测方法 如:线性函数预测、指数函数预测、对数函数预测 ) }. H+ S. Z6 R8 a) F% ~2 z
课后小问 这次课我们同样给小伙伴们留了两个小问题,同时也会是我们下节课学习的内容,希望大家课后抽时间思考一下: 9 }4 b% ~1 F6 T a
, B* Q& S1 d) I& k1 @6 W8 L
1、学会了分析工具与分析方法,该如何与实际场景结合? 2、结合实际业务场景的数据分析,如何快速找到问题所在?(若需要数据,可使用共享数据源-”饮品销售数据” ) : e1 F& M% B$ J' S1 ^$ B
|