数据分析其实是个很难的活，你需要考虑从哪些方面去分析，然后每个方面分析哪些数据才能得到一些结论。我理解哪些方面就是维度，每个方面下的具体数据就是指标。
举例：我在小区门口开了个小卖部，我想分析一下近一个月内各商品的销售情况，以决定明天的进货量（假设我每个月进一次货）。
分析过程：
一、确定三个大维度
任何数据分析问题我都先拆解成三个维度：物，人，物+人；这里也就是商品，顾客，商品+顾客这三个大的维度。
二、大维度拆解成小维度
1.就商品而言，我需要了解：
A.一个月内商品的周转情况(进了多少货，卖出了多少)；
B.一个月内，不同商品的盈利情况；
C.此外，我还想从局部看下每天的分布是怎样的。（总体+局部）
2.从顾客的角度，我想了解：
A.顾客的人口统计特征分布（顾客都是些什么人）；
B.单顾客创造的营业额、利润分布（顾客花多少钱，我能赚多少）；
C.单天客流量及访问时间段的分布（大家都什么时候来）；
3.从商品+顾客的角度，我想看：
A.不同属性的用户，购买每类产品（零食，生鲜，日用品等）的转化，购买数量及分布（不同类别的人都最爱买什么）;
B.不同（统计特征）属性的用户，不同商品类别带来的营业额、利润及其分布（不同类别的人都爱买什么，哪类人可以给我带来最高利润）；
C.利润最高的用户，不同类别下购买时段的分布（利润最高的用户，都是什么时候来买东西）。
D.利润最高的用户，购买商品的分布（利润最高的用户，都爱买什么）。
三、小维度下的指标
1.就商品而言，需要分析的指标有：
A&B的统计指标：商品ID，商品名称，商品单价，商品大小（特大/大/中/小四档），总进货量，总销售量，总营业额，总成本，总净利润；统计时间：近一个月，按月统计。
C的统计指标：商品ID，商品名（筛选后），日期，销售量，营业额，净利润；统计时间：近一个月，按天统计。
2.就顾客而言，需要分析的指标有：
A&B的统计指标：顾客ID，性别，年龄，身份，月访问次数，月购买次数，月营业额，月利润；统计时间，近一个月，按月统计。
C的统计指标：顾客ID，日期，访问时间段，访问次数；统计时间，近一周，按天统计。
3.就顾客&商品而言，需要分析的指标有：
A&B的统计指标：用户属性类别，商品类别，月访问次数，月购买数量，月营业额，月利润；统计时间：近一个月，按月统计。
C的统计指标：用户属性类别，商品类别，日期，购买时间段，购买次数；统计时间，近一周，按天统计。
D的统计指标：用户属性类别，商品类别，商品名称，购买次数。统计时间，近一个月，按月统计。
四、添删改查
根据实际需求，投入产出比，优先级，对上述的维度进行筛选和修改；
根据业务需求，对上述维度进行补充，例如：上述分析第三部分主要分析了高利润用户的特性和习惯，但对未购买的用户，购买次数多但利润不高的用户分析较少。更好地满足高利润用户的需求，转化低（无）贡献的用户是两种不同的思路。
最后，上述数据如果能够结合模型和机器学习等智能分析手段，可以分析出更多更有价值的内容。如不同商品间的关联性（喜欢买A,B的人，都会喜欢买C），如不同类别用户之间的特性，大量购买XXX保健品的用户，一个月后都会大量购买婴儿产品（XXX保健品为孕期的常用保健品），如XXX季节，XXXX天气下，XXX和XXX商品的销量会激增。
注册
下载
