9种常用的数据分析方法汇总,9种常用数据分析方法你还没get吗

首页 > 健康 > 作者:YD1662022-12-09 00:19:35

六大类分析方法:

根据数据分析对象的不同,常用的分析方法主要有:分解主体分析、钻井分析、常规对比分析、大型管理模式分析、财务与因素分析、专题大数据分析。

9种常用的数据分析方法汇总,9种常用数据分析方法你还没get吗(1)

CPDA数据分析师

首先,分解主题分析

所谓分解主题分析,就是针对不同的分析需求,我们可以先将主题分为营销主题、金融主题、灵活主题等,然后再将这些大主题逐步分解为不同的小方面进行分析。

1.1营销主题

销售业务分析可分解为客户分析、品类分析、区域分析、消费频次分析、价值链分析、促销、渠道、经销商、门店分析、同比对比、社会大数据分析、行业市场分析、行业景气指数分析、市场份额分析等。

1.2金融主题

根据对财务业务的分析,可以分解为成本分析、利润分析、历史比较、财务报告与法律分析、资本支出分析、市场营销分析、财务预算投入产出效率分析、会计核算分析、企业并购分析、偿债能力分析、盈利能力分析、经营性现金流分析等。

1.3灵活的选题分析

包括价格分析、弹性面积分析、贡献分析、供应商管理、采购价格分析、采购返利分析、采购量分析、流量分析、库存分析、损伤/质量分析预测分析、采购、产能分析、生产、EHS分析、价值链分析、供应链分析、运营成本、替代分析和预测、销售渠道分析、员工薪酬和福利分析、销售网络分析、招聘管理分析、培训管理分析、销售预测分析、下游物流分析、员工成本分析、买家分析、员工绩效分析、终端退货分析、售后服务质量分析、人工竞争力分析等。

第二,钻井分析

所谓钻析,就是改变维度层次,转变分析粒度。按方向可分为上钻和下钻。向上钻取是将低层次的详细数据泛化为某一维度中的高级汇总数据,或减少维度的数量。是一种自动生成汇总行的分析方法。下钻是一种分析方法,从汇总数据下钻到详细数据,以观察或添加新维度。

根据钻透维度属性可分为按组织树钻透、按类别树钻透和按其他维度钻透。通过drill-through功能,用户可以对数据有更深入的了解,更容易发现问题,做出正确的决策。

2.1向下钻取组织树

组织树可以按职能结构、等级结构、部门结构和权限结构建立。要了解与部门相关的业务情况,了解部门的组织树可以钻透分析,要了解部门的销售业绩,可以钻透部门分析。

2.2按类别钻孔采油树

所谓品类树,就是根据产品的特点,分为大、中、小三种分类结构。品类树是品类差异化的基础,必须结合经营管理的实际情况来实施。例如,要了解与大、中、小类材料相关的业务情况,可以通过类别树向下钻取和分析。

2.3从其他维度下钻

例如,对于按地区和年份划分的销售,可以生成一排地区和年份(钻取)。例如,用户在分析“按地区、按城市销售”时,可以将某一城市的销售细分为每年的销售,而某一年的销售又可以细分为每个季度的销售(向下钻)。

三.传统的比较分析

所谓常规比较分析,是指常用的比较分析方法,如时间趋势分析、成分分析、相似比较分析、多指标分析、相关分析、组分析、象限分析等。

3.1时间趋势分析

所谓时间趋势分析,是将某一现象在不同时间的统计指标的数值按时间顺序排列而形成的序列。它是一种定量预测方法,又称简单外延法,是统计学中广泛使用的一种常用预测方法。例如,第一个月,第二个月,……,第n个月的降雨量,利用时间趋势分析方法,可以预测下个月的降雨量。

3.2成分分析

一种基于统计分组计算结构指标的方法,以反映所研究人口的组成。运用成分分析法可以从不同角度研究投资构成及其变化趋势,观察投资构成与产业结构、社会需求构成的适应性关系,揭示事物从量变到质变的具体过程。

3.3相似对比分析

通过比较分析来揭示相似对象之间的差异并产生新的认识的方法。在实践研究中,人们经常会遇到一些看似相同,实则不同的现象。如果不仔细比较和研究这些现象,就会被认为是假的或假的。因此,在分析和研究新发现的现象时不应轻易归类,应仔细反复比较研究,特别是对于那些细微的差异,不要放过。同类比较分析法常用于竞争对手的分析,如食品行业同类食品的销售比较,制鞋服装行业同类鞋子的比较分析。

3.4 Multi-indicator分析

它是一种统计方法,包括很多方法,最基本的是单指标,然后扩展到多指标分析。统计数据中存在多个指标时的统计分析是单指标统计发展的一个重要分支。

3.5相关分析

是指对两个或两个以上具有相关性的变量要素进行分析,从而衡量两个变量因素之间密切相关的程度。相关分析只有在相关要素之间存在一定的关系或概率时才能进行。

3.6组织分析

是指对研究对象(问卷、特征、现实)按照研究要求进行分类和分组,使同一组对象之间的差异小于各种对象之间的差异,进而进行分析研究的方法。它的特点是不依赖于原始数据分布的正态假设,可以按照任何规律进行分布,这在包括定量数据和定性数据在内的混合数据分析中尤为重要。

3.7象限分析

所谓象限分析是时间管理理论中的一个重要概念,就是把主要的精力和时间集中在处理那些重要但不紧急的工作上,这样你就可以未雨绸缪,防患于未然。在人们的日常工作中,经常有机会计划和完成一件事。但往往他们不及时完成,随着时间的推移,导致工作质量下降。因此,有必要把主要精力集中在重要但不紧急的“象限”事务上。要专注于重要但不紧急的任务,你需要管理好你的时间。做这件事的一个好方法是安排一个约会。通过预约,你就能有效地工作而不被别人占用。在数据处理技术中,根据紧急、不紧急、重要和不重要的排列和组合将事物划分为四个象限,从而有效地进行工作的一种方法。

四、大型管理模式分析

所谓大规模管理模式分析,是指基于各种成熟且经过验证的大规模管理模式来分析问题的方法。这些管理模式都是由高校科研机构设立的,也有一部分是由大型企业或管理咨询机构设立的,在长期的企业管理理论研究和实践过程中,将企业经营管理中的一些经典关系以固定模型的形式描述出来,揭示了企业内部制度的许多本质关系,可供企业分析自身的管理状况,针对企业管理中存在的不同问题,能运用最有效的模型分析往往能取得事半功倍的效果。常见的大规模管理模型分析包括RCV模型、变形虫经营、品类管理分析等。

4.1 RCV模型

价值链分析体系从资源(R)、能力(C)、价值(V)三个方面建立。例如,为了了解大型制造企业从供应商采购到物流中心到主干运输和门店的一系列情况,我们可以通过分析人员数量、设备成本、备选供应商总数、活跃供应商数量、采购量、新产品介绍卷等。从交易面积、建设成本、收货能力、收货量、周转这一环节来了解物流中心;从车辆数量和总吨位、油品运输能力、运输量来了解干线运输这一环节;从门店数量、经营面积、租金成本、流量、营业额、销售收入等方面来了解这一环节的情况。

4.2变形虫操作

公司被分成许多较小的组织,称为阿米巴变形虫,每个组织都作为独立的利润中心,以小型企业、小型商店的方式运作。这种整体分割逐渐细化的思路也适用于数据分析。

4.3类别管理

公司按品类进行品牌管理,包括高效的产品组合、货架管理、定价促销、补货和新产品推出。例如,通过品类管理,我们可以分析哪些品类最受消费者欢迎,哪些人购买了某个品类,消费者是如何购买的,消费者喜欢在哪里购买等等。

五、财务及因素分析

所谓财务与因素分析,主要是指因素分析在财务信息分析上的广泛应用。因子分析的概念起源于20世纪初对智商测试的统计分析,在信息损失最小的前提下,将许多原始变量整合成更少的几个综合指标,这样可以大大减少数据建模中涉及的变量的数量,同时也不会造成大量信息的损失,实现有效的降维。常用的财务和因素分析方法有杜邦分析、EVA分析、财务指标、财务比率、扁平效率公式、类别公式、流量公式等。

5.1杜邦分析

运用几种主要财务比率之间的关系来综合分析企业的财务状况。具体来说,它是一种评价公司盈利能力和*权益回报率的经典方法,从财务角度评价公司业绩。其基本思路是将净资产收益率逐步分解为多个财务比率的乘积,有助于分析和比较企业的经营业绩。

5.2财务指标分析

偿付能力指标是指对企业的财务状况和经营成果进行总结和评价的分析性指标,包括偿付能力指标、经营能力指标、盈利能力指标和发展能力指标。对企业财务报表的分析和评价通常由报告分析师来完成。

5.3财务比率分析

比率是根据同一时期财务报表中两个或两个以上项目之间的关系计算出来的,用以评价企业的财务状况和经营成果。财务比率可以评估投资回报的年复一年的变化,可以比较某一行业在某一时刻的不同业务。财务比率分析可以消除规模的影响,用来比较不同企业的收益和风险,从而帮助投资者和债权人做出理性的决策。

5.4 EVA分析

EVA是经济增加值模型(EconomicValueAdded model)的简称,是SternStewart咨询公司开发的一种新型价值分析工具和绩效评价指标。它是在剩余收益思想的基础上发展起来的一种新型价值模型。EVA分析的具体公式:经济增加值(EVA)=息前税后利润-资金总成本。

此外,还有常见的平效应公式:总毛利(元/月)=平均平效应(元/平/月)*面积(平)*毛利率(%);分类公式:总毛利(元/月)=∑单价(RMB/a)成交量(/ ping) * *单价ping (ping) *营业额(时间/月)*毛利率(%)。流量公式:总毛利(元/月)=平流面积(时间/平/月),*(平)*转化率(%)*客单价(元/)*毛利率(%)。

六. 专题大数据分析

所谓专题大数据分析,是指对一定规模的数据进行分析。大数据通常用来描述和定义信息爆炸时代产生的海量数据,并对与之相关的技术发展和创新进行命名。其共同特点是数据量大、类型多、值密度低、速度快、老化程度低。常见的专题大数据分析方法包括:菜篮子分析、引力模型、推荐算法、价格敏感性分析、客户群分析等分析方法。

6.1市场篮子分析

通过购物篮/购物车中显示的信息,研究顾客的购买行为。购物篮分析的一个最著名的例子是“啤酒和尿布”:沃尔玛在美国在1990年代,其管理销售数据的分析,研究发现,在某些情况下,“啤酒”和“尿布”两个看什么商品通常会出现在同一个篮子里,通过调查发现,原来有一个婴儿在家庭在美国,一般是母亲在家照顾婴儿,年轻的父亲去超市买尿布。父亲们经常给自己买啤酒和尿布。随后,沃尔玛开始尝试将啤酒和尿布放在店内的同一区域,这样年轻的父亲们就可以同时找到这两种商品,并快速完成购物。与此同时,沃尔玛允许这些顾客一次购买两件商品,而不是一件,从而获得了大量的销售收入。这就是“啤酒和尿布”故事的由来。

6.2重力模型分析

应用最广泛的“出行分销模式”。它因其形态学的表达和牛顿的万有引力定律而命名。该模型确定了两个间隔的行程数与出发区域的行程数成正比,并与两个间隔的交通阻抗的一定功率成正比。

6.3推荐标准算法

它是计算机行业中的一种算法。通过一些数学算法,它可以推测用户可能喜欢什么。目前推荐算法在网络中的应用主要比较好,其中淘宝做得比较好。所谓推荐算法就是利用用户的一些行为,通过一些数学算法,来推测用户可能喜欢的东西。

6.4灵敏度分析方法

它是从众多的不确定因素中找出对投资项目经济效益指标有重要影响的敏感因素,并对项目经济效益指标的影响程度和敏感性进行分析和衡量,从而判断项目的风险承受能力,是一种不确定分析方法。

6.5客户群体分析

通过对用户属性数据的分析,对用户进行分组和分类分析。这基本上是常规对比分析中的群体分析,但主要是针对客户群体。

综上所述,针对不同的数据分析对象,有六类分析方法,每一类都包含各种小方法。我希望这对作为一名合格的CPDA数据分析师的你有所帮助。

栏目热文

文档排行

本站推荐

Copyright © 2018 - 2021 www.yd166.com., All Rights Reserved.