数据分析方法 - 单指标分析法

1.分层分析法

分层分析法的用途：为应对平均值失效的场景，即：存在最大值/最小值的场景。
分层分析法的应用场景：
1.人员画像：A1是什么学历、多大年纪、多久从业经验。此时对应的做法是：找和A1有类似画像的人，应该他也能像A1一样好
2.人员行为：A1做了哪些事情？能取得这么好的业绩。此时对应的做法是：找到A1的关键行为，然后让其他人学A1
3.目标客户：A1服务了哪些客户？是不是这些客户本身更容易做？此时对应的做法是：让其他人多发展同行业的客户，然后再找新的销售，服务不容易做的客户
4.成长经历：A1是怎么从普通人里脱颖而出的，稳定不稳定？此时对应的做法是：如果A1是稳定成长的，则看这么培养其他人；如果A纯粹运气好，则采用大浪淘沙的战术，多搞新人进来，期望冒出头一个新A1

分层分析是其他分析的前哨站，做好了分层，能引发更多思考和进一步分析。比如应用于商品的，叫ABC分类，应用于用户的，叫用户分层，应用于业务的，叫二八法则

分层分析法的步骤

第一步：明确分层对象和分层指标。例：对商品销售进行分析，分层对象为：商品，分层指标为商品销售额。
第二步：查看数据，确认数据中是否存在极大值/极小值，是否需要对数据进行分层。

原则上：最大值和最小值之间差异越大(10倍以上)，越值得做分层。

第三步：设置分层的层级
确定分层分级的方法：1.老板拍板定；2.一些简单的判断方法，如：二八原则。

但是从上图也能看出，这样分并不很合理，有一些业绩很低的业务员被归入了一级。这是因为，在这一个销售团队内，业绩差异实在太大了，因此简单的二八开并不能有效区分。此时还可以用“二四六八十”法则，即计算个体与平均值的差异，然后：比平均值高的，根据平均值的2倍、4倍、6倍、8倍、10倍，进行分层；比平均值低的，根据平均值的1/2、1/4分层。
。

2.结构分析法

结构分析法是通过对指标构成部分进行分析的，快速定位问题的发生点，从而激发解决问题思路。
如：销售额 = 门店销售额 + 线上销售额 + 小程序销售额；大类销售额 = 中类1销售额 + 中类2销售额 + 中类3销售额。

结构分析法的步骤：

1.定出要分析的关键指标(一般是业绩指标，如GMV、DAU、利润等等)。
2.了解关键指标的构成(如：月、由哪些用户、哪些商品、哪些渠道组成。)
3.跟踪监控指标的走势，了解指标的构成变化情况。
4.在关键指标出现上升/下降的时候，找到变化量最大的结构分类，进而分析问题。

3.周期性分析法

周期性分析法，主要从日常杂乱的数据中，找到周期性出现的规律。
常见的周期性：自然周期/生命周期。

自然周期

自然周期，是指业务指标随着时间自然发生波动，比如上边吐槽的“2月份业务自然少”，这是因为2月份过年，大家都放假了，业绩肯定少。
类似于：
1.吃喝玩乐类的消费，一般周六、周日比较多，这时候才有空出现玩。
2.企业间的交易，一般工作日高，周末低
3.雪糕冰棍冰淇淋类商品，一般夏季是旺季，冬季是淡季
4.帽子手套暖手宝类商品，一般冬季是旺季，夏季是淡季
一般来说，不同业务而言是不一样的，切不可混为一谈。
在很多时候，自然周期表现并不直观，隐藏在日常起起伏伏的数据中，这时候需要手工发现周期规律。

周期性分析，主要目的是做出参考曲线，为进一步判断提供依据，再结合内容标签，做进一步的分析。
注意：要发现生命周期走势，统计数据，是从一个业务开始的时候进行统计的，之后往后数：第一天/第二天/第三天…或者第一个月/第二个月。