為什麼數據分析思維重要

如果我們在分析一個問題前，思維缺失就像下面圖中所表達的一樣，往往不知道問題從哪裡下手，在這個時候就輪到平時鍛煉的數據分析思維了。

核心數據分析思維

結構化

可以看作金字塔思維，把待分析問題按不同方向去分類，然後不斷拆分細化，能全方位的思考問題，一般是先把所有能想到的一些論點先寫出來，然後在進行整理歸納成金字塔模型。主要通過前面介紹的思維導圖來寫我們的分析思維。

案例

現在有一個線下銷售的產品。

我們發現8月的銷售額度下降，和去年同比下降了20%。我想先觀察時間趨勢下的波動，看是突然暴跌還是逐漸下降。再按照不同地區的數據看一下差異，有沒有地區性的因素影響。我也準備問幾個銷售員，看一下現在的市場環境怎麼樣，聽說有幾家競爭對手也縮水了，是不是這個原因。客戶訪談也要做，但是往常一直找不出原因，這次我也不抱希望，姑且試試吧。要是還找不出原因，那我也很絕望啊。

公式化

在結構化的基礎上，這些論點往往會存在一些數量關係，使其能進行＋、－、×、÷的計算，將這些論點進行量化分析，從而驗證論點。

業務化

業務化即是深入了解業務情況，結合該項目的具體業務進行分析，並且能讓分析結果進行落地執行。用結構化思考＋公式化拆解得出的最終分析論點再很多時候表示的是一種現象，不能體現產生結果的原因。所以需要繼續去用業務思維去思考，站在業務人員或分析對象的角度思考問題，深究出現這種現象的原因或者通過數據推動業務。

增加業務思維方法：貼近業務，換位思考，積累經驗

數據分析的思維技巧

在數據分析中，三種核心數據分析思維是框架型的指引，實際應用中還是需要很多技巧工具的。7種數據分析技巧，它們分別是象限法，多維法，假設法，指數法，二八法，對比法，漏鬥法。

象限法

通過對兩種維度的劃分，運用坐標的方式表達出想要的價值，由價值直接轉變為策略，從而進行一些落地的推動。象限法是一種策略驅動的思維，廣泛應用於戰略分析，產品分析，市場分析，客戶管理，用戶管理，商品管理等。

下圖是RFM模型，把客戶按最近一次消費(Recency)、消費頻率(Frequency)、消費金額 (Monetary)三個維度分成八個象限。

菜品銷售增長率和銷售利潤

多維法

多維法是指對分析對象從多個維度去分析，這裡一般是三個維度，每個維度有不同數據分類，這樣代表總數據的大正方體就被分割成一個個小方塊，落在同一個小方塊的數據擁有同樣的屬性，這樣可以通過對比小方塊內的數據進行分析。如圖，這是一個快餐店的外賣訂單多維表：

雖然只有下單時間、菜品名稱、平台三個維度。但根據這個立方體，已經能解決很多掌柜急需了解的問題了。

我們可以通過切片實現每個平台每種菜品的銷量，每個月每種菜品的銷量，某個月某平台菜品銷售情況等等操作。

假設法

在一些情況下，如進入新市場的銷量、商品提價後銷量的變化情況，可能沒有明細數據進行分析，那麼就需要用到假設法。假設法也就是假設一個變數或者比率成立，然後根據部分數據進行反推，這是一種啟發思維的技巧，一般過程是先假設後驗證然後判斷出分析結果。

例題：你是自營電商分析師，現在想將商品提價，你分析下銷售額會有怎樣的變化？解答思路：首先可以確定銷量會下降，那麼下降多少？這裡就要假設商品流量情況，提價後轉化率的變化情況，然後根據歷史數據匯總出銷量下降百分百，從而得出銷售額的變化情況。

· 假設商品提價后，銷量一定會下跌，問題是銷量下跌多少？
· 首先假設流量不會有變化，流量和渠道行銷正相關，商品價格影響轉化率，那麼現在確定轉化率的波動。
· 找出平時的轉化率（譬如為20%），預估提價后的轉化率變化。假設各類用戶對價格敏感度不同，那麼將用戶劃分為忠誠··、普通··、羊毛···
· 不同用戶層次數量不同，反應不同。忠誠用戶轉化率變化極低，羊毛幾乎不會轉化···這些數據可以憑藉經驗作出假設。最後匯總。

指數法

指數法是把某個數據多個指標按一定的計算轉化為同度量的一個值，這個度量值稱為指數。例如在一場遊戲競技比賽中要確定該場的MVP，則是需要根據擊殺數、死亡數、助攻數、經濟、補兵等指標進行綜合計算出一個得分，得分高的為MVP。

指數法常用的有線性加權、反比例、log三種。線性加權即是把每個指標乘以一個係數後相加，反比例即是用數學上的反比例函數y=k/x變化後在計算，log即是數學中所說的對數一般以2為底數或者10為底數。指數法使用沒有統一標準，一般是根據經驗來做，將無法利用的數據加工成可以可利用的。例如，NBA計算最有價值球員的指數參考：

NBA比賽數據貢獻值：
（得分+籃板+助攻+搶斷+封蓋）-（出手次數-命中次數）-（罰球次數-罰球命中次數）-（失誤次數/球員上場比賽的場次）

二八法

二八法即是二八法則也可以叫做帕累托法則，比如在個人財富上可以說世界上20%的人掌握80%的財富。而在數據分析中，則可以理解為20%的數據產生了80%的效果需要圍繞這20%的數據進行挖掘。往往在使用二八法則的時候和排名有關係，排在前20%的才算是有效數據。二八法是抓重點分析，適用於任何行業。找到重點，發現其特徵，然後可以思考如何讓其餘的80%向這20%轉化，提高效果。

對比法

對比法就是用兩組或兩組以上的數據進行比較，常見的是用於在時間維度上的同比和環比、定基比，與競爭對手的對比、類別之間的對比、特徵和屬性對比等。對比法可以發現數據變化規律，使用非常頻繁，多與前面的技巧結合使用。

漏鬥法

漏鬥法即是漏斗圖，有點像倒金字塔，是一個流程化思考方式，常用於像新用戶的開發、購物轉化率這些有變化和一定流程的分析中。不過，單一的漏斗分析是沒有用的，不能得出什麼結果，要與其它相結合，如與歷史數據的對比等。

下圖我用帆軟BI商業智慧工具連接了CRM系統的數據，對客戶的行為數據做了漏斗圖形式的展現。

喜歡這篇文章嗎？歡迎分享按讚，給予我們支持和鼓勵！