我是靠谱客的博主 机智水杯,最近开发中收集的这篇文章主要介绍数据分析思维&方法论数据分析思维数据分析方法论商业方法论数据库ExcelQuick BI数据分析场景应用,觉得挺不错的,现在分享给大家,希望可以做个参考。

概述

数据分析思维技能

  • 数据分析思维
  • 数据分析方法论
    • 基本方法
    • 高级方法
  • 商业方法论
    • 零售业
      • 从人的维度进行分析
      • 从货的维度进行分析
      • 从场的维度进行分析
    • 制造业
    • 物流业
  • 数据库
    • 数据定义语言 DDL
    • 数据操纵语言 DML
    • 数据查询语言 DQL
  • Excel
    • 常用公式、函数
  • Quick BI
  • 数据分析场景应用
    • 盈亏预测
    • 市场分析
      • 市场容量及趋势分析
      • 市场竞争分析
    • 经营分析
    • 杜邦分析

数据分析思维

  • 对比/对照
  • 拆分/细分
  • 降维
  • 增维
  • 假说

数据分析方法论

基本方法

分析方法应用场景
对比法发现问题
拆分法寻找问题的原因
排序法找到分析的重点
分组法洞察失误特征
交叉法将两个及以上的维度进行比较,并通过交叉的方式分析数据
降维法解决复杂问题
增维法解决信息量过少的问题
指标法基本方法,可支持多字段
图形法基本方法,对分析字段有数量限制

高级方法

  • 漏斗分析法
  • 矩阵分析法
  • ABC分析法
  • 杜邦分析法

商业方法论

零售业

传统零售新零售
大众化数据化
中间化个性化
单一化全场景化
社群化

人、货、场(信息流、资金流、物流)

从人的维度进行分析

  • 顾客层面:除了最重要的客单价、转化率、复购率和流量以外,还需要对用户画像进行分析,通过用户标签、用户行为等,关注用户的行为习惯和特征
  • 员工层面:提高组织效率,关注员工的成交率、平均成交时长、投诉率、员工流失率等

从货的维度进行分析

  • 商品生产:在传统零售中,更多关注于产品本身,在新零售,以人为核心,对于商品的价值的判定不再是简单的使用价值,从人的需求出发,赋予产品更多社会价值、精神文化价值等。所以有了对消费者需求的精准分析。
  • 商品流通:为避免传统“经验供货”造成的库存积压问题,提升流通效率、降低库存成本是新零售重点。结合移动互联网、移动支付、大数据、云计算、物联网等多种技术,提升用户购买决策、仓储配送等环节的效率,提升商品利用效率。

从场的维度进行分析

  • 消费场景:过程中流动的是信息、资金和商品,发挥线上线下的优势,提高场景的效率

制造业

人机料法环
人:制造产品的人员;
机:制造产品所用的设备;
料:制造产品所使用的的原材料;
法:制造产品所使用的的方法;
环:产品制造过程中所处的环境

物流业

人、库、线
线:配送员—>寄件人(获取商品);配送员—>库(入库等待分拣);配送员—>收件人(路线终点)

数据库

数据定义语言 DDL

  • 创建表
creat table 表名 (
字段名 字段类型,
字段名 字段类型
);
  • 修改表名
alert table 表名rename 新表名;
  • 修改字段类型
alert table 表名 modify 字段名 新字段类型;
  • 删除表
drop table 表名;

数据操纵语言 DML

  • 插入数据
insert into 表名 (字段名1 ,字段名2) VALUES (,),(,);
  • 修改数据
update 表名 set 修改部分 where……;
  • 删除数据
 delete from 表名 where ……

数据查询语言 DQL

  • 查询表数据
select 列名1,列名2…… from 表名 where……;
  • 去除重复值
select distinct 列名 from 表名
  • 排序查询
select 列名1,列名2…… from 表名 order by 被排序的列名 (ASC 默认正序;DESC 倒序)
  • 聚合函数
select count(*) from 表名; ##查询表的记录数
select sum(列名) from 表名; ##查询此列的和
select avg(列名) from 表名;
select max(列名) from 表名;
select min(列名) from 表名;
  • 分组查询
select count(*) from 表名 group by 分组列;

Excel

常用公式、函数

  1. if / ifs
  2. sumif / sumifs
  3. countif / countifs
  4. vlookup
  5. index、match
  6. left / mid / right

Quick BI

数据分析场景应用

盈亏预测

盈亏平衡点=销售额-固定成本-变动成本=0
=> 销售额-变动成本=固定成本
=> 毛利润=固定成本
固定成本:约束性固定成本(厂房和机器设备的折旧、财产税、房屋租金、管理人员的工资等)酌量性固定成本(新产品开发费。广告费、职工培训费等)
变动成本:技术性变动成本、酌量性变动成本
盈亏平衡点=固定成本/毛利润率

市场分析

市场容量及趋势分析

统计分组法

市场容量可视化:饼图、环形图、柱形图/条形图、树状图等

市场趋势分析:

  • 市场是否具有潜力(连续两年增幅超过15%,为增量市场,反之存量市场)
  • 市场运营节奏是怎样的(导入期-布局产品投入市场、上升期-投入足够市场预算抢占市场、爆发期-促进销售、衰退期-库存清理到安全库存范围)

同比&环比:同比看大趋势,环比看小趋势
组合图创建
预测工作表创建(置信区间)

市场趋势分析可视化:折线图

市场集中度分析:品牌集中度

  • 采样市场排名在前n名的品牌市场份额
  • 计算每个样本市场份额占采样总体的百分比
  • 从大到小排序累加,超过80%份额的样本数x,即TOPn中的市场集中度,如果在x内,有x1是x1+1的两倍,则x1是品牌集中度

设x/n=y%,建议n>=30

  • y=(0,30%],市场品牌高度集中,消费者对品牌有高度认知,市场可能已经不适合其他品牌的发展
  • y=(30%,50%],轻度集中,消费者对品牌有一定认知,其他品牌要从市场明星品牌中争夺市场份额相对较难
  • y=(50%,80%],没有集中,消费者并没有明显的倾向于某些品牌,该市场可以给其他品牌提供发展机会
  • y=(80%,100%],消费者对品牌不敏感,品牌市场较混乱或者没有品牌市场

市场竞争分析

搜索环境的激烈程度可以用竞争度来评估,搜索竞争度由搜搜人数规模、搜索商品规模决定
搜索竞争度=点击人数/在线商品数(越大越好)
价格带
客群分析

经营分析

店铺销售额预测
店铺流量分析:

  1. 店铺流量结构:店铺流量结构、地域流量分布、入店关键词流量对比
  2. 流量质量:跳失率、人均浏览量、平均停留时长三个指标的变化趋势

店铺推广分析:投入产出比=产出金额/投入金额
店铺品类结构分析:

  1. 品类结构
  2. 利润

店铺商品分析:

  1. 商品引流分析:分析访客数、点击率、平均停留时长等关键性指标
  2. 分析成交额、销量、转化率等关键性指标

店铺客群分析:

  1. 基本特征:性别、年龄、地域、职业
  2. 行为特征:支付时段偏好、支付金额偏好、商品品类偏好

杜邦分析

在这里插入图片描述

最后

以上就是机智水杯为你收集整理的数据分析思维&方法论数据分析思维数据分析方法论商业方法论数据库ExcelQuick BI数据分析场景应用的全部内容,希望文章能够帮你解决数据分析思维&方法论数据分析思维数据分析方法论商业方法论数据库ExcelQuick BI数据分析场景应用所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错,欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
点赞(62)

评论列表共有 0 条评论

立即
投稿
返回
顶部