杏彩体育(中国)官方网站

导读：数据分析师需要哪些“专业技术”？如果有人建议你去学习R语言、tableau、PowerBI，那么我建议你不如先从最基础也是最焦点的数据分析方法学起。在一家年销售不到10亿的电商公司（行业中大部门电商企业年销售可能都不到1个亿），你只要掌握一些基础的数据分析方法，再配合Excel表格，就足够你完成种种数据化运营事情了。本文主要解说日常数据分析中，最常用的三大数据分析方法。内容虽然简朴，可是其中充满了大量的细节方面的实用技巧。

作者：刘振华泉源：华章科技01 对比对比是所有数据分析方法中最基础，也是大家耳熟能详的一个。俗话说，无对比，不分析。说的就是对比分析法了。在实际分析场景中，对比有差别的应用维度。

好比有环比、同比、横比、纵比、绝对值对比，相对值对比等。下面我们划分解释一下它们的差别应用场景。

1. 绝对值对比与相对值对比从观点上而言，绝对值包罗正数、负数和零值。在电商数据分析中，一般是指正数之间的对比力多，如销售额、退货额等；相对值对比，则是指转化率、完成率等这类相对数之间的对比。2. 环比环比是指统计周期内的数据与上期数据的比力，好比2017年6月数据与2017年5月数据的比力。在电商数据分析中，由于每个自然月之间的销售差额比力大，如果接纳绝对指标，便很难通过对比视察到业务的变化。

因此，一般会接纳相对指标来做环比分析，如2017年6月的销售达标率是102%，2017年5月的销售达标率是96%；这样便很容易知道两个月度之间转化率的优劣优劣了。然而，如果我们用绝对值来对比：2017年6月销售额500万，2017年5月销售额300万，这样的对比便很难判断究竟哪个月的销售额完成得更好。3. 同比同比是指统计周期内数据与去年同期数据之间的对比，好比2017年6月销售额是500万，2016年6月销售额是450万，同比增加11.1%。

在电商分析中，同比是应用最广泛的数据分析方法。通过同比，我们能大致判断店肆的运营能力在最近一年中，是保持增长还是呈下滑趋势。同时，也可以凭据同比增长趋势，来制订开端的销售计划。

如表3-4所示，假设现在店肆流量同比下降8%（流量下降是平台趋势），客单价保持稳定的情况下，要想实现店肆销售业绩的上升，唯有提升转化率。因此，我们通过表3-4的模拟推算，可以得知，当转化率提升21%，到达0.35%时（0.35%转化率被认为是行业的平均值），业绩会提升11%。

表3-4 店肆销售计划推算模拟表4. 横向对比与纵向对比所谓横向对比与纵向对比，是指空间与时间两个差别的维度之间的对比。横向对比是空间维度的对比，指同类型的差别工具在统一的尺度下举行的数据对比。如“本店”与“竞品”之间的对比；纵向对比是时间维度的对比，指同一工具在差别时间轴上的对比。

如前面提到的“同比”“环比”都是纵向对比。5. 份额严格地说，“份额”属于横向对比的一种。

由于在实际分析场景中它经常会被忽略，因此单独枚举出来，加以说明。在某些情况下，数据表格中多一个“份额”，会让表格清晰明晰许多。如表3-5所示，假设我们要分析“某品牌天猫、京东、唯品会三大渠道”的“上衣、下衣、连衣裙和其他”在“Q1～Q4季度”的销售趋势和体现。

通例的分析方法是，根据表1的表格结构，将种种数据有条理地展现出来。这时，所有的销售数据在表格中可以条理明白地一览无余。

表3-5 以份额处置惩罚的数据表格可是，如表1这般的数据却不能直观告诉我们每个销售种别在差别渠道和差别季度的销售趋势是什么。因此，在数据分析中便需要加入表2这样的“份额”分析表格。如此，我们便可一目了然地掌握每个种别在差别渠道、差别时期的销售趋势。因此也就到达了数据分析的目的。

许多数据分析师往往只是完成了“表1”的分析步骤，却缺少临门一脚，没有把“表2”也同步出现出来。02 细分细分，是一种从观点上明白很是容易，但实际应用起来却很难的分析方法。细分分析法，常用于为分析工具找到更深条理的问题泉源。

难点在于我们要明白从哪个角度举行“细分”与“深挖”才气到达分析目的。就似乎高中课程中解几何题一样，如果找对了“解题思路”，问题就迎刃而解；如果“解题思路”错了，劳心艰苦不说，问题还解决不了。在实际应用中，细分有许多差别的方法，就如同我们在解题时，有种种差别的“解题思路”一样。有时候，面临同一个问题，两个差别的解题思路都可以到达解题的目的；但更多时候，只有唯一正确的解题思路才可以正确地解题。

所以，在分析之前，选择正确的‘细分’方法便很是重要。下面，我们就详细来看一下，在细分分析中，有哪些解题思路。

1. 分类分析就是指对所有需要被分析到的数据单元，根据某种尺度打上标签，再凭据标签举行分类，然后使用汇总或者对比的方法来举行分析。在服装行业中，常用于做分类分析的标签有“类目”“价钱带”“折扣带”“年份”“季节”等。通过从“年份”“季节”的维度来对商品库存举行细分，我们可以轻松地知道有几多货属于“库存”，有几多货属于“适销品”；通过从“折扣带”的维度来对销售流水举行细分，我们可以大致知道店肆的盈利情况；通过从“类目”的维度对销售流水和库存同时举行细分，我们可以知道统计周期内品类的销售动态与库存满足度。

2. 人—货—场“人—货—场”能够为人提供宏观视野的分析。其原理类似于分类分析，即将所有需要被分析到的数据单元，打上“人”“货”“场”的标签，然后再举行相应的数据分析与处置惩罚。在实际应用场景中，“人—货—场”分析法往往被灵活运用在开端诊断某一竞品店肆时。如图3-3所示是使用“人—货—场”逻辑方法来分析竞品店肆的主流思路。

在分析之前，先把“解题思路”用“人—货—场”的方式枚举出来，把所有能够想到的有用的“分支”都枚举出来，然后查漏补缺、标注重要与非重要。最后，再按此“解题思路”来举行分析。

便可到达事半功倍的分析效果。图3-3 使用“人—货—场”细分方法开端分析竞品店肆3. 杜邦分析法细分分析方法中，另有一种知名的分析方法，叫“杜邦分析法”。在电商数据分析中，杜邦分析也是常被使用的分析方法之一。

百度百科中对杜邦分析的解释是：“杜邦分析法（DuPont Analysis）是使用几种主要财政比率之间的关系来综合分析企业的财政状况。详细来说，它是一种用来评价公司盈利能力和股东权益回报水平，从财政角度评价企业绩效的一种经典方法。”由此可见，杜邦分析主要是用于企业的财政分析之中。

可是在电商中，杜邦分析常被用于寻找销售变化的细小因素之中。如图3-4所示，即是凭据杜邦分析原理，将所有影响到销售额的量化指标都统计出来的一种常用分析方法。此种方法，有助于我们从细小的数据颗粒中找到影响销售变化的元素。图3-4 销售变化的原因分析03 转化转化分析是电商、游戏等互联网行业的特定分析方法，在传统行业的零售分析中并不常见。

转化分析常用于页面跳转分析、用户流失分析等业务场景。转化分析的体现形式一般是选用漏斗模型，如图3-5所示，即是模拟了某电商店肆的流量转化情况，并以漏斗图的形式展现出来。

图3-5 电商常见的流量转化漏斗图这张图模拟了从店肆的浏览商品人数到加购人数，然后生成订单、支付订单，直到最后支付乐成的漏斗示意图。从图3-5的示例中，反推“转化”分析方法，我们应该获得以下结论：转化分析方法的前提，是我们需要首先确定一条“转化路径”（如图3-5左侧的路径所示），这条路径就是我们的“解题方法”，是决议我们接下来的分析能否告竣目的的重要因素。

当“转化路径”确定后，我们需要把“路径”中的各个“节点”枚举出来，并把节点下的重要数据统计出来。最后，凭据路径把各节点的数据用漏斗图的形式表达出来。

同时，转化分析还可用于店肆微观方面的“转化”洞察。譬如在某一次店肆举行大促运动时，我们需要分析大促期间“运动二级页”的流量转化效果如何。此时，我们便可以参照如图3-6所示的漏斗模型。

图3-6 运动页效果分析的漏斗图在以上案例中，我们将转化路径界说为“运动页→详情页→支付页面（下单）→支付乐成（购置）”四个节点。然后统计每个页面的流量到达数量，于是得出如图3-6所示的漏斗图。通过此图，可以清晰明确地诊断出此次运动二级页在“下单→付款”环节转化率仅40%，存在一定问题。在支付界面的流量跳失，很可能是价钱过高所致。

关于作者：刘振华，电商行业专家，拥有凌驾10年的女装行业的数据分析和数据化运营履历，对电商的数据分析和数据化运营有深刻的明白，擅长从关键数据中提炼出业务革新点，以及传统品牌的电商业务战略计划，在业界有较高的度和影响力。本文摘编自《电商数据分析与数据化运营》，经出书方授权公布。延伸阅读《电商数据分析与数据化运营》推荐语：本书从业务、数据、运营3个维度为电商的谋划和决议提供了科学的方法论，是一部电商运营真经，真正做到了“业务中有数据，数据中有运营”。作者是资深的电商行业专家，从事电商数据分析与数据化运营10余年，本书是他在多个知名电商品牌操盘多个千万级项目的履历总结。

本文来源：杏彩体育-www.ysbfjcfj.com