从方法论到案例实操，带你剖析数据分析底层逻辑

数据分析的价值在于智能决策，为商业赋能，必须解决“高门槛长周期，有数据无见解，只能看不能干”的问题。

——观远数据资深数据分析专家 孙沁

知名数据公司IDC曾表示：到2020年，企业基于大数据分析的支出将突破5000亿美元。落实到中国市场，BI（商业智能）也从过去500强企业的豪华午餐变成中小型企业的基础设施。同时，伴随而来的是整个社会对于企业或者个人数据分析能力的要求也越来越高。

如何突破原有的决策思路，用数据的视角看问题找方法？6月30日，观远数据资深数据分析专家 孙沁在「数据分析实战研习社」直播间，分享了《如何通过洞察数据规律以支撑决策》。

数据分析底层逻辑和分析方法

数据分析的过程是对数据的汇总、提炼、理解和消化，从整个链路来说，主要是为了寻找问题、分析问题、提出改进措施，形成良性循环最后帮助决策者规避风险或者寻找增长机会，而不是像过去一样基于商业直觉、经验或者一些黄金法则，通过“拍脑袋”来做决策。

面对复杂多变的商业环境，企业需要建立一套统一完整的数据化运营机制来监控运转态势，发现经营风险，持续探索增长方向。

下面总结几种常见的分析方法论来详细介绍：

对比分析法

对比分析法主要逻辑是运用横向和纵向比较方法揭示发展规律。

横向比较也叫静态比较，它是指时间一致的前提下选取不同的指标，比如说部门、城市、门店等、当日KPI完成度、竞对销售差异、部门竞赛结果等。

纵向比较也叫动态比较，在指标一致的前提之下，针对不同时期的数据去做比较。例如，环比销售增长、今年销售对比去年同期增长率等。

分组分析法&结构分析法

分组分析法和结构分析法通常都是用条形图或堆积图来做分析。

分组分析法是在做数据分析之前，会对原始数据去做一些加工，把特征相近或者标签一致的单品归在一起去分析。分组之后再去看每一组有共性的数据之间，其内在联系是什么，常用在零售管理类的品类管理和品类分析。

结构分析法主要是去研究每个结构与整体品类之间的关系构成。例如，不同品类渠道销售组成和占比。

平均分析法

平均分析方法也叫标准参数分析方法，会用一组数据的平均值去看数据的离散情况。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。常用于季节性分析和价格分析。

更多方法论可参考《数据思维实战》系列文章

数据分析如何实现商业赋能

智能决策的目标不是产生10x爆炸式增长，而是持续产生10x-1000x的增长机会。

通常企业碰到问题已经不是单一的看数就能解决，而是能从这些数中看到什么？最终用这些数据去做什么？主要可以总结为四点：历史回顾、重点诊断、策略制定、预测未来。

历史回顾最常用的是一些周期性报表，它体现的是一些比较常规化的数据，可以带你回顾整体经营情况。在评测其具体价值的时候，会用到时间回测，看历史数据上面有没有问题，或者用指标评估看哪一段指标出了问题。

在找出问题后，要对具体问题进行重点诊断。在这个场景，会经常用到纵向下钻、横向联动、异常筛查等方法。

当发现一个门店的销售额下滑时，利用纵向下钻可以层层追溯大类-小类-单品的路径，找到引起销售额下滑的真正原因。结合横向联动可以去验证是否是因为这单一指标出现问题才导致的这个结果。最后，通过异常筛查，查看是否有一些规则外不可预测的点或者突发情况导致数据异常。

在发现问题找到原因之后，下一步就是要策略制定，进一步指导决策行动。

有了策略之后，企业需要考虑如何让数据先行一步，走在事情发生之前，去帮助制定未来的策略。这就需要通过预测性分析工作来实现。

如何深入浅出进行数据分析

不管是历史回顾还是诊断预测，对于数据分析师来说，都不仅仅是会拉数、对数这么简单，而是要有一个缜密的数据分析逻辑：先定性、后定量，以终为始，大胆假设，小心求证。

怎么样对问题进行定性？例如发生销量大跌，需要先理清楚问题的前因后果，判断是周期性还是突发性的问题，可能是因为疫情、台风天气还是供应商出了问题。

然后，进行定量分析，在整理好基本数据之后进行数据对比，通过分组与拆解，进一步去深挖影响这项指标背后的因素有哪些。

在得到数据结果之后，需要进行大胆的假设，例如销量下降是不是由于库存短缺从而影响了销售状况？最后通过数据去印证假设是否正确。

提升数据分析能力的秘诀

在平常生活中大家可以做一个有心人，保持数据思维的思考方式，去了解公司的整体业务状况、了解业务中的指标是如何使用的，工作上下游的部门是如何来用这些数据的。

在数据分析过程中还是有一些需要避免掉入的雷区：

例如，数据分析的前提是需要选取准确的样本容量。在明确数据分析的目的与分析的指标维度之后，事先剔除一些不需要的数据，能够节省自己的工作量，提高数据分析的准确度。例如，进行门店商品销售分析时，先把一些包装物料、员工的饮用咖啡进行剔除。

再比如，从网上拿到的报告、企业经过处理的数据，这些我们称之为二手数据，在使用的时候需要尽可能多维度去验证数据的准确性。

总结来说，数据是客观的，但是也需要人去解读。只有正确的认识和解读，才能正确的利用数据计算和数字可以反应事实、提供策略依据，但最终的决策还是离不开人的经验和智慧。