数据分析是通过数据来分析问题的能力，万物皆可数据分析。

Day1 数据分析三个常见误区

所谓数据分析，就是根据自己的工作目标，对数据进行一系列处理，最后得出结论的过程。

数据分析是通过数据分析问题的能力，万物皆可数据分析。

1. 误区一：只有数据分析师才需要数据分析。 正确的认识：数据分析贯穿于我们的工作生活，各类工作均需要有数据收集，清洗，分析的过程。只有正确的分析，才能透过现象看本质。

2. 误区二：数据分析就是学习excel等工具。 正确的认识：Excel，python 都只是数据分析的辅助工具， 具备敏感的思路和眼光，才最重要。

3. 误区三：数据分析门槛高。 正确的认识：从餐厅服务员到高级会计师，不管什么行业，职位，都需要有一个数据基础分析的能力。

Day2 对比分析法

对比什么数据（what）

• KPI
• 从工作流里面找
• 从相关行业报告、行业分析里面找
• 手头现有的

非常需要注意不同渠道的数据可信度与权重占比

怎么对比（how）

三大统计指标与应用

• 描述数据的集中趋势：平均数、中位数、众数
• 描述数据的极端情况：最大值、最小值
• 描述数据的比值：比例

和谁对比（who）

• 纵向对比：不同历史阶段
• 横向对比：同一历史阶段的其他要素
• 外部对比：竞争对手、外部环境

Day3 要素拆解法

要素拆解，就是找出问题的基本构成，然后拆成一个个子问题。

这是一种最直接，也最常用的求和法，简单来说就是一个做加法的过程。

案例：奶茶店月销量环比下降20%。

• 零售行业非常经典的人、货、场模型：

  • 人：消费者
  • 货：产品或服务
  • 场：广义上的渠道

• 人的角度拆解：

  • 身份标签：新用户、忠实用户
  • 电商平台的话还可以从人口特征、消费偏好等角度入手

• 货的角度拆解：

  • 产品种类、订单数，得知哪些畅销，哪些滞销，从而可以制定主推和促销策略

• 场的角度拆解：

  • 下单时段：工作日、休息日、中午、晚上
  • 下单渠道：外卖A、外卖B
  • 下单方式：到店、外卖

要素拆解最大的作用是可以简化问题，更快找到影响结果的可能因素。

本方法并非万能，更加复杂的问题可能需要通过相关分析法、回归分析法等，需要用到更加复杂的模型和工具。

青菜拼车案例，略。

Day4 流程拆解法

跟要素拆解法本质一样，是将大问题拆解成小问题。

区别在于：要素拆解法是将大问题拆解成一个个的关键因素，而流程拆解法是顺着环节、流程，拆解成一个个的步骤。

漏斗分析法：

适用于流程较长、环节较多，并且随着环节进行，留存越来越少的场景。

三个步骤：

• 根据工作量，建立漏斗框架；
  • 要点：层数最后不超过7个，可使用归并、切割方法
  • 用户增长模型：获取、促活、留存、转化、转介绍
  • 案例：拼多多、爱彼迎
• 对漏斗各环节进行数据收集；
  • 要点：揭露关键节点的数据，而不是感性的模糊认知
• 通过对比分析，确定重点优化环节；
  • 使用第二节课的知识点：历史对比、横向对比、外部对比

三个好处：

• 快速找到关键问题
• 更好的决策经历分配，提升效率
• 更精准的绩效目标和更明确的工作方向

漏斗模型本质是拆解问题的一种方法，它的最大价值在于把大问题定位到了某个环节的小问题。

Day5 火锅店案例分析实战

背景：

受疫情影响，人们外出就餐减少，某连锁火锅品牌海内捞推出火锅外卖。获客方式：广告投放；主要策略：折扣吸引用户点餐。

业务上线一个月后，本市的 A、B 两家店营业额出现较大差异，A 店表现优异。

问题：

同样时间、同样市区、同样规模、同样的配送服务，A 店营业额上升更快，为什么？

分析：

界定问题：

• 展开分析前，注意理出一个明确的分析线索，在对照需求，对数据进行清晰和整理。此处我们拆为两个问题。
• 问题1：A 店具体在哪些方面做的比 B 店好？（从大问题里发现具体的小问题，需要做数据对比和拆解）
• 问题2：A 店做了什么，让这方面更突出？（探讨涉及用户的具体行为，需要拆解流程，从环节去确定问题）

问题1：

• 对比分析：
  • 目的：A 店是否一直比 B 店优秀，以及 7 月份营业额差距是否应当归因于外卖业务
  • 横线对比：A/B 两家店6月营业额对比（无外卖业务）
  • 横线对比：A/B 两家店7月营业额对比（有外卖业务）
  • 历史对比：A/B 两家店6、7月营业额历史对比
  • 外部对比：暂时不需要
• 要素拆解：
  • 目的：7 月份营业额差距是否应当归因于外卖业务
  • 只比对营业额还不能将营业额差距归因为外卖业务，因为还有堂食业务，此时需要用到人、货、场模型之中的“场”。

结果：通过对比分析和要素拆解，我们已经确定外卖业务是 A 店营业额提升的主要原因。

问题2：

• 流程拆解：
  • 目的：因为两家店外卖流程是一样的，此时通过对外卖流程的拆解来确定 B 店问题出在哪一环节
  • 漏斗模型：只关注一个问题，到这个步骤还剩下多少用户

结果：B 店在外卖业务的广告投放及优惠方式不及 A 店做得好。

Day6 闲聊：大数据如何改变我们的生活

核心：大数据时代已经带来，我们的衣食住行等各个方面正在被改变，在这样一个时代，数据分析能力可以说是一个必须掌握的能力。

Day7 关于数据分析的 7 个疑问

1. 数据分析如何助力我的职场？
   • 数据分析不是目标，只是实现目标的手段和方法
2. 数据分析在工作中用不上怎么办？
   • 能够提高生产力的工具都需要我们去改变和培养习惯
3. 想升职加薪，就一定要会数据分析吗？
   • 数据分析能力是一个可迁移的能力（元知识）
4. 圈外为什么要推出“数据分析”课？数据分析在圈圈眼里有什么价值
5. 我是一名技术人员，怎么利用我的技能，来帮公司提升销售
6. 数据分析是不是很难，学不会怎么办？
   • 有一定难度，但不代表学不会，需要合适的方式方法
7. 数据分析需要具备什么技能？对数学要求高吗？
   • 对数学要求不是不高（毕竟大部分人数学都不好，hhh）

Day8 数据可视化

• 数据分析并不是闭门造车，再缜密精彩的分析，也需要通过更直观容易的方式使人接受。
• 如何将数据分析的过程和结果更美观、直观的展示出来，可以通过图表、Tableau 等可视化工具。
• 很重要的一点：不同的数据要使用不同的图表，否则会弄巧成拙

Day9 数据化汇报

首先纠正一个观念：工作汇报是自己应该做好的事！

两个原因：

1. 老板精力有限，不可能什么事情都知道
2. 成果代表你的价值，可以量化的价值才能被更好的定价

三个要点：

1、 有效性

找对核心指标，量化工作成果。

应当先定下汇报的目标，要达到什么目的，然后围绕目标，将工作进行量化。从工作的关键环节和过程涉及的指标中，选择与公司的目标相关联的指标。

通常来讲，公司的量化目标有以下四类：

• 财务目标：流水、收入、利润、成本
• 客户目标：客户量、满意度、活跃度、转化率
• 运营目标：与公司价值链各项流程有关，如研发周期、库存周转率
• 组织目标：关键人才流失率、人才敬业度、人才匹配度

学会关键环节的专有名词，往上靠就是了！

2、 准确性

正确的数据表达方式，凸显核心成果。

主要讲要用对图表！！！

常见的数据和图表的匹配关系：

• 柱状图&条形图：对比分析
• 饼图&环形图：占比分析、结构分析
• 折线图&面积图：趋势分析
• 地图：区域范围情况分析
• 雷达图：两个主题多个维度的对比分析
• 仪表盘：项目进度、完成情况

3、 故事性

梳理表达逻辑，使用故事性的表达方式，更容易让人产生认同！

常用的故事性表达结构：SCQA

• S（Situation）：事情发生的背景信息，当时的局面
• C（Complication）：实际情况和理想情况的差距
• Q（Question）：消除差距需要解决的问题
• A（Answer）：面对问题所使用的解决方案

合起来就是：在当时 xxx 的背景下，我们遇到 xxx 这样一种情况，这种情况所带来的问题是 xxx，然后我的解决方案是 xxx。

在这之后，你再去说所需要的资源和支持，就顺理成章且更容易让人接受了。