玩转会员数据分析系列之入门篇（第5节：数据分析）
五、数据分析
数据分析不单单是指会用数据分析工具，还必须懂数据分析原理，没有理论的指导就无法知晓从哪方面入手，要分析哪些关键指标。就算做出来了，得到的分析结果也无法完全解答你的问题，不符合你最初的分析目的。
5.1 数据分析方法
学习数据分析，首先要了解数据分析的几种基本方法，掌握了这几种方法，后面对各种数据分析方法掌握起来就快了。
数据分基本方法主要有现状分析、原因分析和预测分析。
接下来我们就具体看看每个数据分析方法是如何运用的。第一个数据分析方法就是对比分析法，它是数据分析的基本方法之一。
5.1.1 对比分析法
任何事物都是既有共同特性，又有个性特征的。只有通过对比，才能分辨出事物的性质、变化、发展、与别的事物的异同等个性特征，从而更深刻的认识事物的本质和规律。因此，人们历来就把对比作为认知客观世界的基本方法。
凡事都是相对的，没有绝对的，就好比物理力学原理中的参照系，选择不同参照物，物体的状态就不同，有可能是前进、静止或则后退等状态。
数据分析也是如此，对庞大、复杂的数据单独做分析，通常很难发现分析的意义。只有通过汇总及对比，数据才会有意义。数据分析中各项数据指标没有好坏之分，就看选什么作为参照物，选择比你好的参照物进行对比，那么你就是相对较差或很差，反之就是相对较好或很好。
定义
所谓对比分析法，是指将两个或两个以上的数据进行比较，分析它们的差异，从而揭示这些数据代表的事物发展变化情况和规律性。对比分析法的特点是，可以非常直观地看出事物某方面的变化或差距，并且可以准确、量化地表示出这种变化或差距是多少。
分类
对比分析法可为静态比较和动态比较两类。
- 静态比较是在同一时间条件下对不同总体指标的比较，如不同部门、不同地区、不同国家的比较，也叫横向比较，简称横比。
- 动态比较是在同一总体条件下对不同时期指标数值比较，也叫纵向比较，简称纵比。
这两种方法即可单独使用，也可以结合起来使用。进行对比分析时，可单独使用总量指标、相对指标或平均指标，也可将它们结合起来对比。比较的结果可用相对数表示，如百分比、倍数等指标。
实践运用
目前对比分析常用的有以下几个维度。
1、与目标对比
实际完成值与目标值对比，属于横比。例如每个业务部门每年都有自己的业绩指标。所以首先可以将目前的业务与全年的业绩目标进行对比，看是否完成目标。如果一年还未过完，可以把目标按时间拆分再进行对比，或直接计算完成率，再与时间进度（当天为止的累计天数/全年天数）进行对比。
2、不同时期对比
选择不同时期的指标数值作为对比标准，属于纵比。例如公司未赶上年度业绩目标的时间进度，那么可以继续与自身的去年同期及上个月完成情况进行对比。与去年同期对比称为同比，与上个月完成情况对比叫做环比。
3、同级部门、单位、地区对比
与统计部门、单位、地区进行对比，属于横比。这样可了解自身某一方面或则各方面的发展水平在公司、集团内部或各地区处于什么样的位置，明确哪些指标是领先的，哪些指标是落后的，进而找出下一步发展的方向和目标。又或者我们对某电商网站一级类目的用户点击数量进行对比：
4、行业内对比
与行业中的标杆企业、竞争对手或行业的平均水平进行对比，属于横比。通过行业内对比，我们也可以了解自身某一方面或各方面的发展水平在行业内处于什么样的位置，明确哪些指标是领先的，哪些指标是落后的，进而找出下一步发展的方向和目标。
5、活动效果对比
对某项营销活动开展前后进行对比，属于纵比。做这样的比较可以分析活动开展的是否有效果，效果是否明显，还可对企业投放广告的前后业务状况进行对比分析，了解投放的广告是否有效。如品牌知名度是否提升，产品销量是否有大幅增长等。
注意事项
- 指标的口径范围、计算方法、计量单位必须一致，即要用同一种单位或标准去衡量。如果各指标的口径范围不一致，必须进行调整后才能进行对比。没有统一的标准，就无法比较，或则无法确认比较的结果。例如600美元与3000人民币就无法直接比较，需要根据档期的汇率进行换算后才可进行比较，否则不具有可比性。
- 要对比的对象要有可比性。例如不能拿北京市和华西村、大象与蚂蚁、美国与非洲进行对比。总之，对比对象之间相似处越多，越具有可比性。因此，我们在选择和确定对比对象时，一定要分析它们是否具有对比的意义。
- 对比的指标类型必须一致。无论绝对数指标、相对数指标、平均数指标，还是其他不同类型的指标，在进行对比时，双方必须统一。例如，2016年杭州的GDP值与2017年上海的GDP增长率是无法进行对比的，因为这两个指标类型不同。
对比分析需要在统一的标准下才能进行，否则就失去了对比的意义。
5.1.2 分组分析法
之前的文章介绍过Excel如何实现数据分组，但没有介绍分组的目的和如何确定组距，现在就来看看我们为什么要进行分组。
做数据分析不进要对总体的数量特征和数量关系进行分析，还要深入总体的内部进行分组分析。分组分析法是一种重要的数据分析方法，这种方法是根据数据分析对象的特征，按照一定的标志（指标），把数据分析对象划分为不同的部分和类型来进行研究，以揭示其内在的联系和规律性。
分组的目的就是为了便于对比，把总体中具有不同性质的对象区分开，把性质相同的对象合并在一起，保持各组内对象属性的一致性，组与组之间属性的差异性，以便进一步运用各种数据分析方法来解释内在的数量关系，因此分组法必须与对比法结合运用。
分组分析法的关键在于确定组数与组距。在数据分组中，各组之间的取值界限成为组限，一个组的最小值成为下限，最大值成为上限，上限与下限的差值成为组距，上限值与下限值的平均数成为组中值，它是一组变量值的代表值。
采用组距分组需要经过以下几个步骤。
步骤1：确定组数。这个可以由数据分析人员决定，根据数据本身的特点（数据的大小）来判断确定。由于分组的目的之一是为了观察数据分布的特性，因此确定的组数应适中。如果组数太小，数据的分布就会过于集中，组数太多，数据的分布就会过于分散，这都不便于观察数据分布的特性和规律。
步骤2：确定各组的组距。组距是一个组的最大值与最小值之差，可根据全部数据的最大值和最小值及所分的组数来确定，即：组距=（最大值➖最小值）/组数
步骤3：根据组距大小，对数据进行分组整理，划归至相应组内。
分好组后，我们就可以进行相应信息的分组汇总分析，从而对比各组之间的差异及总体间的禅意情况。
上面所介绍的分组属于等距分组，当然也可以进行不等距分组。采用等距分组还是不等距分组，取决于所分析研究对象的性质特点。在各单位数据变动比较均匀的情况下比较适合采用等距分组，在各单位数据变动很不均匀的情况下比较适合采用不等距分组，此时不等距分组或许更能体现现象的本质特征。数据分析人员可根据自己需要选择。
5.1.3 结构分析法
结构分析法是指被分析总体内的各部分与总体之间进行对比的分析方法，即总体内各部分占总体的比例，属于相对指标。通常某一部分的比例越大，说明其重要程度越高，对总体的影响越大。
结构相对指标（比例）=（总体某部分的数值/总体总量）x 100%
结构分析法的有点是简单实用，在实际的企业运营分析中，市场占有率就是一个非常经典的应用。
市场占有率=（某种商品销售量/该种商品市场销售总量）x 100%
所以，评价一个公司业务的好坏，不进需要了解客户数、收入等绝对数值指标是否增长，而且还要了解其在行业中的比重是否维持稳定或也在增长。如果行业中的比重出现下滑，那么说明竞争对手增长比你快，相比较而言，企业就是在退步，对此企业要提高警惕，出台相应改进措施。
5.1.4 平均分析法
平均分析法就是运用计算平均数的方法反映总体在一定时间、地点条件下某一数量特征的一般水平。平均指标可用于同一现象在不同地区、不同部门或单位间的对比，还可用于同一现象在不同时间的对比。
平均分析法的主要作用有两点：
- 利用平均指标对比同类现象在不同地区、不同行业、不同类型单位等之间的差异程度，比用总量指标对比更具有说服力。
- 利用平均指标对比某些现象在不同历史时期的变化，更能说明其发展趋势和规律。
平均指标有算数平均数、调和平均数、几何平均数、众数和中位数等，其中最为常用的是算数平均数，就是日常所说的平均数或平均值。
算数平均数的计算公式为：算数平均数=总体各单位数值的综合/总体单位个数
平均分析法要结合各种分组和指标对比来进行，比如分析不同行业、地区的平均从业人数、平均收入等。总之，对于所有数量指标都可以依据不同的分组用单位数来平均，进行对比与分析。
5.1.5 交叉分析法
如下图数据表格，你能否立刻告诉我一、二月A地区的所有服装销量是多少？B地区一、二月份耐克的销量是多少？
如果你用人工的方式来计算的话是不是效率很低而且容易出错？
交叉分析法通常用于分析两个变量（字段）之间的关系，即同时将两个有一定联系的变量及其值交叉排列在一张变革内，使各变量值成为不同变量的交叉结点，形成交叉表，从而分析交叉表中变量之间的关系，所以也叫交叉表分析法。交叉表也有二维以上的，维度越多，交叉表就越复杂，所以在选择几个维度的时候需要根据分析的目的决定。
二维交叉表其实就是前面介绍的二维表，例如我们可采用上图中的数据进行交叉表分析，得到以下交叉表。
交叉表中的行沿水平方向延伸（从左到右），A、B、C地区的数据各占一行。交叉表中的列沿垂直方向延伸（从上到下），阿迪达斯、耐克、彪马各占一列。汇总字段位于行和列的交叉结点，每个交叉结点的值代表对既满足行条件，又满足列条件的记录的汇总（求和、计数等），如“B”地区和彪马交叉结点的值是257，表示B地区在一、二月的彪马销量之和为257。
通过交叉表分析，我们很容易了解；
- 一、二月份所有地区所有服装的销量（总计）；
- 一、二月份不同地区所有服装的销量（行小计）；
- 一、二月份不同品牌服装所有地区的销量（列小计）；
- 一、二月份各个地区不同服装的销量（各交叉结点值）。
所以，前面让大家计算的数据就可以不用人工用计算器去计算了，交叉表清晰地呈现了结果，是不是很方便？
5.1.6 综合评价分析法
前面所讲到的分析法都是比较简单的，对于分析简单的对象没有问题。但是随着数据分析的广泛开展，分析评价的对象越来越复杂，简单分析法的局限性也越来越明显。经常出现从这几个指标看A公司优于B公司，从那几个指标看C部门优于D部门，从其他指标看E单位又优于A单位的情况，使分析者难以评价到底谁优谁劣。
综合评价分析法的基本思想是将多个指标转化为一个能够反映综合情况的指标来进行分析评价，比如不同国家的经济实力，不同地区的社会发展水平，小康生活水平达标进程，企业经济效益评价等，都可以用这种方法。
进行综合评价分析，主要有5个步骤，如下图：
综合评价分析法主要有三大特点：
下面我们就一起来学习综合评价分析法用到的数据标准化与权重确定方法。
数据标准化是讲数据按比例缩放，使之落入一个小的特定区间。在比较和评价某些指标时，经常会用到数据的标准化，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。其中最典型的就是0-1标准化和Z标准化，在本文中，我们只介绍0-1标准化。
0-1标准化也叫离差标准化，就是对原始数据作线性变换，使结果落到<0,1>区间，如下图所示。作0-1标准化时，对数据的转换公式如下：
第N个经标准化处理的值=(第N个原始值 - 最小值)/(最大值 - 最小值)
该方法有一个不足之处，就是当有新数据加入时，可能导致最大值和最小值发生变化，需要重新计算。
权重确定方法
确定指标权重的方法较多，比如专家访谈法、德尔菲法、层次分析法、主成分分析法、因子分析法、回归分析法等，这些方法都较为复杂，操作起来也相对困难，这里介绍一种比较简单的权重确定法，即目标优化矩阵表，如下图：
目标优化矩阵的工作原理就是把热闹的模糊思维，简化为计算机的1/0式逻辑思维，最后得出量化的结果，这种方法不仅量化准确，而且简单、方便、快捷。目标优化矩阵的用途是广泛的，它不但可以用于目标的优化，还可以用于任何项目的排序，如重要性排序等。
对于目标优化矩阵中涉及的权重数值，可以找几个有经验或专业人士，通过他们的投票表决来确定各项的重要性，从而获知各项目的权重数值。
目标优化矩阵表的用法为：将纵轴上的项目依次与横轴上的项目对比，由专家进行投票表决，如果纵轴上的项目比横轴上的项目重要，那么两个项目相交的格子中填“1”，否则填“0”，最后将每行数字相加，根据合计的数值进行排序。
例如，假设对人才评价的指标有四个：人品、动手能力、创新意识、教育背景，公司HR需要对每个应试者打分，并计算综合得分，现在需要确定这四个指标的权重，此时我们就可以利用目标优化矩阵表。下面我们就一起来看如何操作。
首先，先将人品、动手能力、创新意识、教育背景四个指标依次填入矩阵表的第1行及第1列；
其次，从纵轴的人品指标开始，与横轴的人品、动手能力、创新意识、教育背景这四个指标逐一进行比较；
- 用“人品”对比“动手能力”，假设“人品”没“动手能力”重要，输入“0”；
- 用“人品”对比“创新意识”，假设“人品”比“创新意识”重要，输入“1”；
- 用“人品”对比“教育背景”，假设“人品”比“教育背景”重要，输入“1”；
“人品”对比完成之后，依此类推，直至完成“教育背景”的对比。
所有对比完成之后，将所有的份数横向相加，在“合计”列得出各项指标的得分：人品获2分，动手能力获3分，创新意识获1分，教育背景获0分。
对比上述得分，各项指标的重要排序结果就出来了：1、动手能力；2、人品；3、创新意识；4、教育背景。这几项指标的重要程度依次下降。
我们可以利用上图中的合计项结果来计算权重，由于教育背景为0分，但实际它还是应该占有一定的比重，所以我们可以在每项指标的“合计”基础上加1，得到新的重要性合计得分，这样在不影响重要性的前提下，我们可以计算其权重；
某指标权重=（某指标新的重要性合计得分/所有指标新的重要性合计得分）× 100%
通过上述公式，我们就可以算出各个指标的权重了。
5.1.7 杜邦分析法
如果老板问你，为什么业务的利润率一直在下降，你会怎么回答？
很多时候我们可能被这突如其来的问题问的哑口无言，下面我们来看看怎么用杜邦分析法来查找利润下降的原因。
杜邦分析法是由美国杜邦公司创造并最先采用的一种综合分析方法，又称杜邦财务分析体系，简称杜邦体系。它是利用各主要财务指标间的内在联系，对企业财务状况及经济效益进行综合分析评价的方法。
该体系以净资产收益为龙头，以总资产收益率和权益乘数为核心，重点揭示企业盈利能力及权益乘数对资产收益率的影响，以及各相关指标间的相互影响关系，为各级管理者优化经营理财状况，提高公司经营效益提供了思路。提高总资产收益率的根本在于扩大销售、节约成本、优化投资配置、加速资金周转、优化资金结构、确定风险意识等。
杜邦分析体系的特点是，将若干个用以评价企业经营效率和财务状况的比率按其内在联系有机地结合起来，形成一个完整的指标体系，并最终通过权益收益率来综合反映。
杜邦分析采用金字塔形结构，是财务比率分析的层次更清晰、条理更突出，简洁明了地表达了各财务指标之间的关系。杜邦分析法不光能分析利润下降的问题，如果遇到其它类似问题都可以采用杜邦分析法。例如利用这种方法结合我们的业务进行分析，假设公司2018年的市场占有率比2016年下降了7%，但公司的用户规模在增长，CEO问你是什么原因时，我们就可以采用杜邦分析法逐层查找原因。
通过杜邦分析，我们可发现A公司2017年市场占有率下降的主要原因。
- B公司的业务丁与2016年相比有大幅增长，拉动B公司用户的增长；
- C公司的用户与2016年相比也有一定幅度的增长；
- A公司用户与2016年相比虽然也有15%增长，但是与B、C公司相比，A公司用户增长幅度相对较小，从而使A公司的市场占有率比2016年下降7%；
- 我们还可以发现A公司业务甲和业务丙与2016年相比都在下降，而A公司的用户增长主要由业务乙拉动。
杜邦分析法不进可以应用在财务分析上，而且可以用于企业市场、用户等分析上，只要运用得当，就能解决你在学习、工作上的困扰。另外，杜邦分析也充分利用的对比分析的原理，将各个指标与2016年进行对比，找出问题所在。
5.1.8 漏斗图分析法
漏斗图相信很多朋友都用过，一般我们用它来展现分析过程及结果。漏斗图是一个适合业务流程比较规范、周期比较长、个流程环节涉及复杂业务过程较多的管理分析工具。漏斗图能够让我们很快发现业务流程中存在的问题的环节。
例如漏斗图用于网站中某些关键指标的转化率分析，不仅能显示用户从进入网站到实现购买的最终转化率，同时还可以展示整个关键路径中每一步的转化率。
单一的漏斗图无法评价网站某个关键流程中各步骤转化率的好坏。我们可以利用之前介绍的对比分析法，对统一环节优化前后的效果进行对比分析，或对同一环节不同细分用户群的转化率作比较，或对同行业类似产品的转化率进行对比，等等。
漏斗图不仅能告诉我们用户在业务中的转化率和流失率，还可以告诉我们各种业务在网站中的受欢迎程度或重要程度。通过对不同业务的漏斗图进行对比，可以找出何种业务在网站中更受用户的欢迎或更吸引用户。只要掌握之前学的对比分析方法，就可以从不同业务角度发现隐藏在其中的业务问题。
5.1.9 矩阵关联分析法
下面将介绍一个重量级的数据分析方法，它的功能非常强大，在企业经营分析、市场研究中经常使用，是一种非常实用的分析方法与工具。
矩阵
矩阵分析法是指根据事物（如产品、服务等）的两个重要属性（指标）作为分析的依据，进行分类关联分析，找出解决问题的一种分析方法，也称为矩阵关联分析法，简称矩阵分析法。
以属性A为横轴、属性B为纵轴，组成一个坐标系，在两坐标上分别按某一标准（可取平均值、经验值、行业水平等）进行刻度划分，构成四个象限，将要分析的每个事物对应投射至这四个象限内，进行交叉分类分析，直观地将两个属性的关联性表现出来，进而分析每一个事物在这两个属性上的表现，如下图，因此它也称为象限图分析法。
矩阵关系分析法在解决问题和资源分配时，为决策者提供重要参考依据。先解决主要矛盾，在解决次要矛盾，有利于提高工作效率，并将资源分配到最能产生绩效的部门、工作中，有利于决策者进行资源优化配置。
上图为某公司用户满意度调查情况，通过矩阵能够非常直观的看出公司在各方面竞争的优势和劣势分别是什么，从而合理分配公司有限的资源，有针对性确定公司在管理方面需要提升的重点。所以，在满意度调研中，此矩阵可称为优先改进矩阵或资源配置矩阵。
第一象限（高度关注区）属于重要性高、满意度也高的象限。A、E两个服务项目落在这个象限上。它标志着用户对服务项目的满意度与其重要性成比例，即用户对公司提供某个方面服务的满意程度与用户所认为此方面服务的重要程度相符合。对这个象限上的两个服务项目，公司应该继续保持并给予支持。
第二象限（优先改进区）属于重要性高、但满意度低的象限。B、C、I落在这个象限上。这个象限标志着改进机会，用户对公司提供某方面的满意程度大大地狱了他们认为此方面服务的重要程度。公司必须谨慎的对待。如果确定确实是产品或服务存在问题，则要求进行改进。做好这几项服务项目，可以有效提高用户满意度，为公司赢得竞争优势。
第三象限（无关紧要区）属于重要性地、满意度也低的象限。D、F这两个服务项目落在这个象限上。这个象限标志着用户对服务项目的满意度与其重要性成比例，即用户对公司某方面提供服务的满意度与他们认为此方面服务的重要程度相符合。对这个象限上的两个服务项目，公司应该进一步的关注用户对其期望值的变化。
第四象限（维持优势区）属于重要性地、满意度高的象限。G、H、J、K这四个服务项目在这个象限上。这个象限标志着资源过度投入，用户对公司提供某方面服务的满意程度大大超过了他们认为此方面服务的重要程度。公司投入了比用户认可满意的结果更多的时间、资金和资源，如果可能，公司应该把在此区间投入的过多资源转移至气他更重要的产品或服务方面，如第二象限上的B、C、I三个服务项目上。
通过上述分析，我们可得知矩阵关联分析法非常直观清晰，用法也简便，在营销管理活动中应用广泛，对销售管理起到指导、促进、提高的作用，而且在战略定位、市场定位、产品定位、用户细分、满意度研究等方面都有较多的应用。
5.1.10 高级数据分析方法
前面介绍的都是我们常用的基本数据分析方法，当然工作中还会涉及一些高级的数据分析方法以解决业务问题，比如进行市场细分需要用到的聚类分析、对应分析等高级的数据分析方法。
因为在工作中用到这些高级数据分析方法的机会比较少，所以就不做具体介绍了，不过下面给出各种分析用途可使用的高级分析方法索引供你参考，以便需要时有据可依，同时结合查阅相关资料进一步学习。
下节预告，透视数据表的应用。
近期发现个别网站未经作者允许擅自转发文章并且未写明出处及作者，请大家尊重知识产权，如需转载请联系作者本人。