1.2 商业数据分析的7种技巧

在数据分析中，结构化、公式化和业务化3种核心数据分析思维是框架性的指引，实际应用中还是需要很多技巧的。下面列举几种常用的数据分析技巧，分别是象限法、多维法、假设法、指数法、二八法、对比法和漏斗法。

1.2.1 象限法：运用坐标的方式分析

通过对两种维度的划分，运用坐标的方式表达出想要的价值，由价值直接转变为策略，从而进行一些落地的推动。象限法是一种策略驱动的思维，广泛应用于战略分析、产品分析、市场分析、客户管理、用户管理和商品管理等。

RFM模型把客户按最近一次消费（Recency）、消费频率（Frequency）、消费金额（Monetary）3个维度分成8个象限，如图1-5所示。

1.2.2 多维法：运用多维的方法呈现

多维法是指对分析对象从多个维度进行分析，这里一般是3个维度，每个维度有不同的数据分类，代表总数据的立方体就被分割成一个个小方块，落在同一个小方块的数据拥有同样的属性，这样可以通过对比小方块内的数据进行分析。

图1-6是某企业产品销售额的数据立方体，虽然只有日期、地区和产品3个维度，但是根据这个立方体，已经能够解决很多管理者急需了解的问题，可以通过切片实现每类产品的销售额、每个月每类产品的销售额等操作。

1.2.3 假设法：运用假设推理的方式

在一些情况下，如进入新市场的销量、商品提价后销量的变化情况，可能没有明细数据进行分析，就需要用到假设法。假设法就是假设一个变量或者比率成立，然后根据部分数据进行反推，这是一种启发思维的技巧，一般过程是先假设后验证再判断出分析结果。

如果你是一名电商数据分析师，想将商品提价，分析一下销售额会有怎样的变化。解答思路：如果确定销量会下降，那么会下降多少？这里就要假设商品流量情况、提价后转化率的变化情况，然后根据历史数据汇总出销量下降多少，从而得出销售额的变化情况。

假设商品提价后销量一定会下跌，那么销量会下跌多少？

•首先假设流量不会有变化，流量和渠道营销正相关，商品价格影响转化率，那么现在确定转化率的波动幅度。

•参照平时的转化率（例如15%），预估提价后的转化率变化，假设各类型用户对价格敏感度不同，将用户划分为忠诚型、普通型、羊毛型等类型。

•不同类型用户的数量不同，反应也不同。凭借经验可以做出一般忠诚用户转化率较高，羊毛用户几乎不会发生转化的假设。

1.2.4 指数法：整合与计算多个指标

指数法是把某个数据多个指标按一定的整合与计算转化为同度量的一个值，这个度量值称为指数。例如，在一场游戏竞技比赛中要确定该场的最有价值团队成员（MVP），则需要根据击杀数、死亡数、助攻数等指标综合计算出一个得分，得分高的为MVP。

指数法常用的有线性加权、反比例和对数3种：线性加权是把每个指标乘以一个系数后相加；反比例是用数学上的反比例函数y=k/x变化后再计算；对数是数学中所说的对数，一般以2或者10为底数。如何使用指数法，没有统一标准，一般是根据经验实现，将无法利用的数据加工成可利用的。

1.2.5 二八法：运用帕累托法则分析

二八法又名帕累托法则（Pareto's principle），也叫巴莱特定律、关键少数法则（Vital FeRule）、不平衡原则等，被广泛应用于社会学及企业管理学等，是19世纪末20世纪初意大利经济学家帕累托发现的。他认为，在任何一组东西中，最重要的只占其中一小部分，约20%，其余80%尽管是多数，却是次要的。

例如，在个人财富上可以说世界上20%的人掌握80%的财富。而在数据分析中，则可以理解为20%的数据产生了80%的效果，需要围绕这20%的数据进行挖掘。二八法是抓重点分析，适用于任何行业，找到重点，发现其特征，然后可以思考如何让其余的80%向这20%转化，提高效果。

1.2.6 对比法：运用对比法对比分析

对比法就是用两组或两组以上的数据进行比较，常见的是用于在时间维度上的同比和环比、定基比，与竞争对手的对比、类别之间的对比、特征和属性对比等。对比法可以发现数据变化规律，使用非常频繁，常常与前面的技巧结合使用。

对比分析基于相同数据标准由其他影响因素所导致的数据差异，目的在于找出差异后进一步挖掘差异背后的原因，从而找到优化的方法。

对比分析法的维度可以分为同比、环比、定基比。

•同比：例如，去年6月与今年6月的对比，同比一般被看作是基于相同数据维度的时间同期对比，也可以看作基于时间维度的影响因素对比。例如相同的营销活动在不同的渠道投放所带来的转化数据，也可以看作是同比。

•环比：例如6月份与5月份数据的对比，这是从时间维度的对比，也可以以周期性维度对比，例如第一阶段推广投放了20个渠道，第二阶段推广投放了25个渠道，那么第二阶段与第一阶段的推广环比上涨还是下降，进而找出变化的原因。

•定基比：针对一个基准数据的对比，例如在各个推广渠道中，渠道B与渠道A相比，渠道C与渠道A相比，而两者的比值是渠道B与渠道C的定基比。

1.2.7 漏斗法：挖掘有价值的新用户

漏斗法即使用漏斗图对用户进行转化率分析，有点像倒金字塔，是一个流程化思考方式，常用于新用户的开发、购物转化率这些有变化和一定流程的分析中。不过，单一的漏斗分析是没有用的，不能得出什么结果，要与其他相结合，如与历史数据的对比等。

漏斗分析是一套流程式数据分析，能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型。漏斗分析模型已经广泛应用于网站用户行为分析和App用户行为分析的流量监控、产品目标转化等日常数据运营与数据分析的工作中。

漏斗分析对用户行为分析来说是不可或缺的，最常用的指标是转化率和流失率。例如，有100人访问某电商网站，有30人单击注册，有10人注册成功。这个过程共有3步：第一步到第二步的转化率为30%，流失率为70%；第二步到第三步转化率为33%，流失率67%；整个过程的转化率为10%，流失率为90%。