数据分析系列课第二堂《常用数据分析与预测方法》全纪录

查看934 回复0 收藏1 推广有奖 | 发表于 2018-4-28 10:02:53
活动类型:
线上教程
开始时间:
2018-4-28 10:01
活动地点:
数据分析工具
性别要求:
不限
已经报名:
0
活动介绍



    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。



    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:


    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、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


    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


    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


    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~


    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?


    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。


    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。


    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。


    上期回顾请点击:http://www.powerbibbs.com/thread-419803-1-1.html


    常用的方法有哪些?我们将在本次课里寻找。

课程简介



    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。


常用分析与预测方法



    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。


基础数据


    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。



    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。


    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。


多指标排行榜


    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。


    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。



    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。


门店排名对比


    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。


    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。



    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。


二八法则分析


    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:



    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。


    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。


    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:



    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。


    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。


四象限分析法


    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。


    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。


    我们尝试通过现有数据制作一个商品销存分析。



    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。


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。


    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。



    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。


    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。


    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。


    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。


漏斗转化模型


    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。


    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。



    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。


商品价格带三度分析


    我们结合示例数据来介绍商品的价格带三度分析是什么。



    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。


    价格带三度分别为宽度、广度、深度。


    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。


    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。


    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。


    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。


    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。


数据预测方法


    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。



    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。


    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。


课程回顾


    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。


    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:



    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


    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


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:



    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” )


举报
您需要登录后才可以回帖 登录 | 我要注册

GMT+8, 2018-10-21 21:08