首页 首页 大数据 大数据分析 查看内容

互联网行业数据化运营

木马童年 2019-6-10 19:11 28 0

对比分析,如果深入研究,还是一种具有历史悠久的、有着广泛应用的分析方法。本文只拿来分析订单而已,所以我们只从两个角度去看,一是分析的维度,二是分析的标准。所谓的分析维度,可以归结为以下三类:时间维度: ...


对比分析,如果深入研究,还是一种具有历史悠久的、有着广泛应用的分析方法。本文只拿来分析订单而已,所以我们只从两个角度去看,一是分析的维度,二是分析的标准。

所谓的分析维度,可以归结为以下三类:

  • 时间维度:同比、环比等时间上的对比。

  • 空间维度:地区对比、团队对比、商品/服务对比、不同方法对比等不同实际类别间的对比。

  • 设计维度:计划与实际的对比、理论值与实际的对比、评价值与实际的对比等认为设计的对比值。

上篇中说道,我们可以只关心以下维度的对比:

  1. 实际值与目标值的对比

  2. 地区之间的对比

  3. 商品/服务类型之间的对比

  4. 不同时间的对比

  5. 不同交易方式的对比(交易平台、支付方式等)

分析的标准,一般可分为绝对数比较和相对数比较。

  • 绝对数比较,就是直接的数值比较,例如地区间订单额、订单量的对比。

  • 相对数比较,有联系的指标进行一定计算之后,所得值的比较,例如商品销售额占比的对比、不同地区的计划完成率对比、客单价的对比等。

这些东西虽然很重要,但是在实际分析过程中,一般也没必要过于理论化,根据实际的场景自然的选取就可以了,不要华而不实。下面就举几个实际的分析案例,以供参考。

分析目标:从不同角度出发,进行对比分析,实现数据的追踪,来侧面提高订单额

分析角度:

  1. 从地区维度出发,从多个角度对比地区之间的差异,通过数据来给相关的团队以无形的压力;提醒各团队的异常情况并及时处理。

  2. 从商品维度出发,对比不同商品的价值贡献度,给到品牌负责人压力,以及为调整商品策略提供参考。

分析方法:

1.从地区维度出发,从多个角度对比地区之间的差异,通过数据来给相关的团队以无形的压力;提醒各团队的异常情况并及时处理。

互联网行业数据化运营7:订单2

上图中,通过地图对各地区的销售情况进行直观的展示,可以选择不同的对比标准来展示。而右侧两个图表与地图形成联动,分别展示该地区的目标完成情况、同比环比情况。

例如:通过上图中可以看出,2月份之前实际销售情况是优于计划值,而在2月份之后有些疲软,5月份的累积完成额已经落后于计划额。需要进一步分析销售情况不佳的原因。这时选择计划完成率对比指标,如果所有地区的完成率都偏低,那或许是大环境的问题,如果是大部分仅少部分地区的完成率偏低,那或许更多的是地区团队的问题。

通过这样的布局,可以对地区的销售情况进行较全面的展示,不能通过单一标准的好坏来展示团队的业绩。

2.从商品维度出发,对比不同商品的价值贡献度,给到品牌负责人压力,以及为调整商品策略提供参考。

互联网行业数据化运营7:订单2

上图中,核心为左上角的商品利润分布图,通过该图对各商品的价值进行体现,这种图表适合商品数量较多的情况,可以很直观的显示出各商品的份量。

右侧两个折线图可与该气泡图实现联动,我们分别介绍一下:

权重曲线图:显示商品的权重分布情况,权重值=销售额/周权重系数,周权重系数在上一篇已经介绍过,是根据一周中每天的销售情况,对每天进行权重比例分配,例如周一到周日分布为:1.1,1,1.3,1.2,1.5,1.6,1.4。这样计算后得到的值应该是一个较为平缓的曲线,但是我们从图中看出,6月18日的销售额明显高于正常值,我们可以推断这一天是活动日,通过下面的图中我们可以发现6月18日的单价较低,也可以侧面证明该商品在6月18日属于活动促销期间。

同时,在6月17日的销售情况比正常值要低,很可能是因为第二天活动造成的。而月初偏低、月末偏高,则有可能是营运团队在月初有一定的懈怠,月末有追赶业绩的情况。

当然,上面的结论都是根据数据推测出的,若要对结论进行验证,还需其它方法,比如进行ab测试等。

单价分布,显示该商品的单价分布情况,通过监控商品的单价分布,可以看出商品销售的健康程度。

销售占比排名,可以对不同品牌的负责人进行考核,形成压力,来侧面提高品牌负责人的销售力度。

上图中的图表可以根据实际情况进行切换,例如商品利润分布,可以切换成下面的气泡图,从多个角度来展示商品的价值。

互联网行业数据化运营7:订单2

当然,上面的两个图表都是针对一些情况所举的例子,在具体的场景中还须调整,才能适配特有的业务场景。

相信对比分析在各公司中的应用已经非常广泛了,不仅仅是要对比、要分析,更要实现追踪,将分析结果落地(将分析结果联系到对应的责任人,找出异常活着失利原因,并根据原因制定解决方案),才能够让数据产生价值、让分析产生价值。

在不久的将来,多智时代一定会彻底走入我们的生活,有兴趣入行未来前沿产业的朋友,可以收藏多智时代,及时获取人工智能、大数据、云计算和物联网的前沿资讯和基础知识,让我们一起携手,引领人工智能的未来!

互联网 数据化 业务场景 解决方案
0
为您推荐
数据分析入门:数据分析有什么用?该怎么做?

数据分析入门:数据分析有什么用?该怎么做

  在学习数据分析之前,首先需要明确两个问题:   1. 数据分析有什么用?   …...

如何成为一名合格的数据科学家,实现自己的数据科学梦

如何成为一名合格的数据科学家,实现自己的

 数据科学家是干什么的呢?哪些地方需要数据科学家?怎么样才能成为数据科学家?如果你…...

如何提高你的数据分析能力?

如何提高你的数据分析能力?

第一步:数据准备:(70%时间)获取数据(爬虫,数据仓库)验证数据数据清理(缺失值、孤立…...

怎样判断一个人是否适合做数据分析?

怎样判断一个人是否适合做数据分析?

网友问:部门要找几个人做数据分析。现几个人原来是在不同的岗位上的,以前没有做过数…...

人工智能、机器学习、数据挖掘以及数据分析有什么联系?

人工智能、机器学习、数据挖掘以及数据分析

   人工智能是目前炙手可热的一个领域,所有的互联网公司以及各路大迦们纷纷表态人…...