【与数据同行】已开通综合、数据仓库、数据分析、产品经理、数据治理及机器学习六大专业群，加微信号frank61822701 为好友后入群。新开招聘交流群，请关注【与数据同行】公众号，后台回复“招聘”后获得入群方法。
正文开始
很多同学私信问我，关于企业日常的营运数据分析问题，应该怎么去思考、探索、解读？有没有常规数据分析的万能公式？
这，还真可以有！所以今天的内容就决定和大家总结一下，探寻一下日常工作中，怎么分析我们遇到的各种数据分析的疑难杂症。比如，大家日常可能都遇到过如下的问题：
1、今年3月华东区销售额下降了，为什么？
2、上个月北京的业绩增长那么高，为什么？
3、某品牌今年的的客单价下降了，为什么？
4、电商某个渠道的流量质量在下降，有什么问题吗？
5、会员的复购率参差不齐，如何优化？
…………
以上这些都是我们在日常工作中，经常遇到的一些问题，很多人会这些回答：天气不好、股市不好、没人进店、费用不够、营销不精准、商品不给力、客户不配合等等。
以上这些，是一些常见的即兴的借口、托辞，回答的人没有过脑子，提问的人也没有细究，这是目前很多企业各种例会上的现状。但实际上真实原因是这样吗？我们能否从数据中找到以上问题的答案呢？
其实解读企业营运数据问题，都可以通过探索式数据分析，来寻找出答案。
企业营运数据解读的方法，体思路如下 ：
1、第一步，找出需要分析数据中的所有的时间、对象和指标。
2、通过对比、细分、溯源贯穿在分析的时间、对象、指标中，去找问题的原因。
其中最核心的，就是探索式数据分析的精髓：
|| 第一步 找出时间、对象和指标 ||
这个步骤略麻烦，但非常值得做，并且最好是画出思维导图帮助缕清思路。
01 时间
常用的时间维度：年、季、月、周、日、时
短期分析的时间维度：滚动7天、滚动14天、滚动28天……
中期分析的时间维度：滚动30天、滚动60天、滚动90天……
长期分析的时间维度：本月累计、本季累计、本年累计……
02 对象
产品：品牌、品类、规格、包装
渠道：批发、KA（大客户）、购物中心、便利店、百货……
价格：平均价格、价格段、价格点、价格区……
区域组织：全国、大区、省份、 城市……
03 指标
完成率：销售完成率、回款完成率、利润完成率……
效率指标：客单价、连带率……
增长率：同比、环比
会员指标：复购率、流失会员数、新增会员数、激活率......
以上这些都是常见的时间、对象、指标，在不同的行业中会有不同，甚至数量更多，具体要根据行业特点去理解。需要注意，数据源中直接可以找到的时间对象指标外，这属于显性的时间对象指标，同时还有很多隐性的时间对象指标，也需要一并找出来。
比如下面一组数据，显性的时间维度是日，不过既然有“日”，通过技术手段很方便的组合成月、季、年等维度，后者就是隐性的时间维度。
这组数据中显性的指标有零售价、成交价、成交数量、成交金额。隐性指标有折扣率（成交价/零售价）、销售占比、排名......
探索式数据分析的前提就是要把数据源中的所有显性、隐性的时间、对象、指标都找出来供下一步使用。
|| 第二步 对比、细分、溯源 ||
如果第一步是动脑的话，这一步就是动手了。并且这步一定是在第一步的基础上进行的，不可以偷懒、投机取巧。
01 对比
我们经常说“没有对比就没有伤害”，数据分析也一样，没有对比就不能发现差异。可以对比不同的时间、对象、指标，以便从中发现问题。
如果对比时间，一般我们就会把对象、指标固定，即对比【不同】时间的【相同】对象、【相同】指标。例如开篇提出的问题中，要分析3月华东区销售额下降的原因，那我们就可以先来对比不同的时间，华东区（【相同】对象），销售额（【相同】指标），在不同的时间下：最近3个月，同比去年的3月，销售额的变化是怎么样的。
同样地，如果要对比【对象】，就把时间、指标固定；如果要对比【指标】，就把时间、对象固定。通过这样的对比我们就能发现差异了。
02 细分
所谓细分，其实就是上面我们举例的【时间】、【对象】、【指标】的细分，可以方便我们由大到小逐层钻取，以便方面我们接下来的溯源。
比如我们通过不同区域的客单价对比发现华东区的客单价是最低的（通过对比发现事实或问题），再看看华东区客单价的环比和同比数据，可以发现华东区这个客单价属于异常值（只有最近比较低）或者正常值（就是一直都低）。
此时我们就可以说华东区的客单价有问题，具体什么问题还需要进行溯源。
03 溯源
所谓溯源，是要找到源头。如果分析的粒度不够，出来的结果就不够深入，只停留在基本的层面。所以你们现在应该明白了为什么要找到所有的时间、对象、指标了吧？
例如华东区客单价下滑，你通过简单地细分，发现主要是浙江客单价在下降导致。但到底是浙江哪个些城市？哪些店铺？从什么时间开始下降的？这些都可以通过溯源找到原因。
所以如果是希望真正地找到源头，可以尽量在分析时细分到最小的单位。例如商品分析时，细分到SKU就是最小单位。
|| 交叉组合分析 ||
所谓探索式的数据分析，就是将所有时间、对象、指标进行组合，探索每个组合中是否有问题，直到最后发现事实或结论为止。简单来说就是有没有问题，探索一下试试。
关于交叉组合分析：就是不同的时间、不同的对象、不同的指标之间可以两两组合，三三组合，nn组合进行分析探索。
例如，我们固定住时间与指标（假定是上半年和成交率），进行【对象】的探索式分析时，可以是单个对象，也可以是不同的二级对象之间比较，甚至三个对象。
如渠道对象中，批发渠道和零售渠道对比。这条分析路径就是：今年上半年（时间）批发渠道（对象）和零售渠道（对象）的成交率（指标）的对比分析。
品类对象中（假设是服装企业）羽绒和棉衣对比。这条分析路径就是：今年上半年（时间）羽绒服（对象）和棉衣（对象）的成交率（指标）的对比分析。
在区域组织中，华东区和华南区对比。这条分析路径就是：今年上半年（时间）华东区（对象）和华南区（对象）的成交率（指标）的对比分析。
上面三条路径属于1个时间、1个对象维度的两个细分、1个指标的，这样的路径可以组合出很多很多来，这就是探索式的数据分析。
除以上1个对象的对比外，我们还可以2个对象、3个对象......n个对象进行交叉组合分析。
不同产品在不同渠道的成交率分析。这条分析路径就是：今年上半年（时间）羽绒服（对象1）在百货商场（对象2）的成交率（指标）的对比分析。
不同产品的不同价位段的成交率分析。这条分析路径就是：今年上半年（时间）羽绒服（对象1）在低价位段（对象2）的成交率（指标）的对比分析。
不同品牌的不同品类的销售额分析。这条分析路径就是：今年上半年（时间）品牌A（对象1）的羽绒服（对象2）的成交率（指标）的对比分析。
上面三条路径属于1个时间、2个对象维度的两个细分、1个指标的，这样的路径同样可以组合出很多很多来，这就是进一步的探索式数据分析。
我们还可以1-3-1的组合路径，比如今年上半年（时间）品牌A（对象1）的羽绒服（对象2）在超市渠道（对象3）的成交率（指标）的对比分析。甚至1-4-1,1-3-2......
这样的组合交叉类型就相当多了，每一种组合、交叉都会形成一条分析的路径，可以让你深入进去分析。要基于你具体分析的问题，可以不断地探索分析。
|| 实操工具 ||
基于Exce目前l主要有2种方法可以实现探索式的分析：
1、控件+图表
2、数据透视表
控件+图表属于比较高阶的做法，一般人可能学起来有点难度；如果平常大家解读营运数据时，我建议使用数据透视表，这是Excel中一个非常有用的功能，而且入门简单，所以推荐大家学习使用。
透视表的方法相对简单，比较容易上手。探索的过程其实就是不同时间、对象、指标在透视表中的拖拽过程。
需要提醒大家，探索式的数据分析不能瞎探索，一定要有顺序，比如时间从日-月-季-年的顺序，组织从全国-大区-省份-城市-店铺的顺序，由上到下或由下到上都可以。
今天为大家介绍的营运数据解读思路，就是要进行探索式数据分析，大家可以在日常的工作中多点去练习，从不断的实践中吸收知识。多探索就会形成自己分析数据的路径，长期训练就可以做到有章可循、有迹可挖。
不要怕麻烦，数据分析就是寻宝，你一定可以做一个挖宝的分析师！
发现数据异常的分析逻辑
数据分析报告，就该这么写
数据分析真的能驱动用户快速增长么？
数据分析的基本方法论
一份完整的数据分析师成长书单
数据分析师的未来
超级菜鸟如何入门数据分析？
数据分析的套路：经典的6大类分析方法
如何才能成为顶级的数据分析师？
数据分析的道与术
数据分析人的职场天花板
一次客户细分的实践
经验，套路还是逻辑？从我的一次数据分析经历中能得到什么？
为什么我提交的数据分析报告总是被领导K？
大数据也是个江湖：关于腾讯大数据“购买iPhone人群普遍无房无车学历低”的一地鸡毛
浙江移动发布手机终端大数据分析报告
为什么客户画像这么难？
为什么有些人用3年的时间获得了 你12年的数据分析经验
数据分析师的自我修养
经营分析师如何进一步提升自己的境界
