前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >数据分析实例:数据分析思维在分析中的运用实例

数据分析实例:数据分析思维在分析中的运用实例

作者头像
沉默的白面书生
发布2019-01-03 10:35:26
1.3K0
发布2019-01-03 10:35:26
举报
文章被收录于专栏:全栈数据化营销

有数据分析和没有数据分析意识,在工作中会有什么区别呢?举个例子:

下图是几个1月初同时上市的新产品在上市后20周的销售数量记录,需要依据这些数据记录来尝试探索生命周期的问题。

我想很多人拿到这个数据后,会直接用绝对值做出一个曲线图来:

做这样的图存在什么问题呢?

画这个曲线图,可以对比3个产品在不同时间的绝对销量高低,但是不好对比3个产品的销售趋势,因为数量级不一样(SKU1几乎被拉平了),看着会有点眼花,而且也不方便从历史数据中探索产品的生命周期。

但是如果对数据源稍作处理,以第1周为基期,基期的指数为100,把后面各周的销量都转化为定基比的形式:

 用定基比数据再作出以下的曲线图:

再和绝对值图做对比效果大不同了。​可以看到,通过定基比数据作出的这个图,可以让我们更明显地发现事实:

1、三个产品在上市的第3周都会达到一个小波峰,然后停滞一段时间在继续上升。

2、SKU1、SKU2的销量在第10周是最大值(波峰),然后开始下滑。SKU3从第八周开始下跌的。

3、SKU1虽然是销售件数最低但是爆发增长度是最高的,SKU2虽然销售额很大但是爆发度就小很多,而SKU3却是快速衰退。如果SKU1本来就是一个小品类的新品,其它两个SKU都是大品类的新品,意味着我们需要对SKU1特殊照顾。

4、若从这3个产品去探索生命周期规律,我们大致可以认为新产品的导入期是W1-3,W4-7为成长期,W8-16为成熟期,W17-20为衰退期。

​  当然我们还需要更多的sku数据才能更精准地判断生命周期,上图只是一个举例而已。

所以,具备数据分析思维的人,往往能够基于业务特点和需求出发,从数据特点角度,寻找合适的分析方法,得到的结论往往就是更加直观和深入。

Excel是使用最为广泛、最为便捷的办公软件,而且它的数据分析和挖掘功能功能十分强大,能够快速完成所有的数据清洗的过程,能够快速建立分析模型,并且快速运行得出结果,是做数据分析必备的工具。

下面是即将在我的小密圈里分享的120个Excel商业数据分析实战案例目录,欢迎看我个人资料联系我:

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2019.01.02 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档