商务数据的分析与应用模块3数据分析常用方法

项目三数据分析常用方法理论篇商务数据的分析与应用1结构分析法目录任务一对比分析法分类分析法因果分析法任务二任务三任务四任务五企业职能部门具体数据分析2对比分析法123对比分析法对比的指标对标分析任务一3在使用对比方法时，首先必须要有两个事物或同一个事物的两个状态；其次，必须要有一个对比的指标或标准。在参与对比的两个事物（或状态）中，一个是对比的主体，另一个是对比的客体。而对比的指标或标准也称为对比的度量。对比分析法一、什么是对比对比是最基本的数据分析方法，也是其他数据分析方法的基础。为了得到结论，人们通常会查看两个数据的差异，而数据的差异是通过对比来发现的。例如，1、2月销售额。4人们常用柱形图或条形图来展示数据之间的差异，但在这个过程中要注意基准的问题，如果基准不为零，则容易产生视觉误导。对比分析法一、什么是对比典型案例内容详见课本P18在解读数据图形时，也一定要关注基准，不要因为人为放大的视觉差异而影响对事物真实状况的判断。有些时候，人们使用对比的方法，却没有明确指出对比的客体是什么，那是因为背后有共识性的客体存在。例如，牛肉面。人们在通过对比形成概念的过程中，会受到客体的影响。选择的客体不同，得出的结论就会不同。客体的度量指标为人们对主体的评判提供了一个标尺。例如，咖啡和手机软件。5对比分析法二、对比的指标在对比人的时候，可能会有更加综合的视角（维度），对比随时随地都在发生，人们所要做的就是找到合适的对比视角，针对同样的问题，获得不同的发现。最常见的对比是大小、数量的对比。通常将对比标准的选择称为对比的视角。对比的视角不同，得出的结论也会不同。例如，小明和小强。6对比分析法二、对比的指标在对第一层级的变量进行对比之后，还可以形成综合的变量。所谓指标，是指各种评价标准经过加权综合之后得到的具有一定意义的评价体系。居民消费价格指数（CPI）综合了大多数人的消费习惯，按照消费产品的比例加权计算消费者综合的消费价格波动。不同时期或地区的CPI，其组成也不相同。课堂解疑7对比分析法二、对比的指标在对数据进行对比分析时，除了简单地直接对比数据外，通常还需要构建一些可以重复使用，或在某个部门、业务领域、情景下使用的指标。在企业管理中也会采用一些综合的评价指标进行对比。这些指标背后可以是多个数据的综合分析结果，也可以是某些业务指标的集合。8对比分析法

三、对标分析当设定了各项指标之后，剩下的就是比较工作了。通过比较，才能发现各种变化，追踪变化的轨迹，找出问题的根源，从而得到事物发展的规律，这个过程称为对标。（2）与别人比。对标有两种基本形式：（1）与自己比。9对比分析法

三、对标分析在选择了对标对象之后，还需要明确对标的维度。一般从以下几个方面进行对标。（1）规模指标。（2）速度指标。（3）效率指标。（4）效益指标。（5）综合指标。10层级分类法12345什么是分类维度分类法属性分类法流程分类法分类分析法任务二11分类分析法

一、什么是分类分类一定要有维度，分类的标准就是其维度（如时间、规模等）。一个分类维度称为单维度，两个分类维度称为矩阵，三个分类维度就形成了魔方。多维度可以用雷达图、饼图或其他图形来表示。分类与对比一样，是人类认知事物的基本方法。分类是由“分”和“类”组成的，其本质就是将事物分开，归到不同的类别中并分别识别，从而获得对事物的重新认知。将一个事物分为两个方面，能够更全面地观察其变化情况。在分类时必须要有标准，也就是分类的维度或看问题的视角。12分类分析法

一、什么是分类一般来说，基本解构方法包括要素、属性和行为三个方面。其中，要素是事物的组成部分；属性是事物自身的特征或特性；行为是事物行为上的特征。企业、组织、产品等都可以用这种方法来解构。它是认识事物的基本方法。课堂解疑分类是一种非常强大的工具，没有分类，人们对事物的认识就只能停留在表面。将事物按照一定的配比关系组合在一起称为“结构”，将事物拆解开称为“解构”。13分类分析法

二、维度分类法分类维度的选择非常重要。一般情况下，建议在采用两个或两个以上维度对事物进行分类时，这些维度相互之间是不相关的。STEP03STEP0201STEPSTEP为了确保分类的维度不相关，可以对数据进行统计分析，计算维度之间数据的相关性。如果相关性高，则需要对维度进行因子化拆分，这时会用到因子分析方面的知识，可以使用统计学上的主成分分析法来计算因子。课堂解疑内容详见课本P3714分类分析法

二、维度分类法随后介绍的所有分类方法都可以算是维度分类法，但此处的维度分类法更加强调平行的维度标准。而属性分类法更加强调从事物自身的属性出发；流程分类法更加强调时间或工序的先后；层级分类法更加强调父子关系或层级关系。15分类分析法三、属性分类法属性分类法是指从事物的属性出发对其进行分类的方法。事物的属性都会存在一些差异，在利用事物的时候，必然会利用其关键属性。按照属性对事物进行分类时，也要关注事物的关键属性。例如，画笔。16分类分析法三、属性分类法之所以将基于属性的分类单独列出来，就是要强调一个问题：人们对每个事物的属性期望是不同的，不能因为次要属性而影响对关键属性的判断。属性分类法是从事物的属性角度对事物进行分类的方法。这些属性之间是并列的关系，而且不存在强相关性。17分类分析法三、属性分类法属性分类法的一个典型应用是产品竞争力评价模型，该模型从八个相互独立的侧面（价格、渠道覆盖、包装、性能、易用性、售后保障、生命周期、社会接受度）来评价一个产品的竞争性，并通过对比竞争对手或其他公司的产品来评价本公司的产品，从而让公司内部人员清楚自己产品的优缺点，以便有针对性地制定销售或营销策略。典型案例18分类分析法四、流程分类法流程分类法是按照事物的流程进行分类的方法。不知道感兴趣高意向购买有意向0102030405060708知道购买前购买后可以根据这个决策过程将产品的销售过程划分为几个大的类别，这就是按照流程进行分类的方法。上述这个过程称为客户决策漏斗模型。19分类分析法四、流程分类法客户在每个阶段的需求是不同的，针对客户的需求，企业需要传递的营销信息也会不同，或者为客户提供的服务也会不同。企业应根据不同的客户制订不同的销售漏斗模型，并通过分类分析，找到不同类型客户的不同漏斗模型，然后进行分类管理。20分类分析法五、层级分类法层级分类法是按照事物构成的层级关系进行分类的方法。事物的构成要素由子要素构成，子要素又由其子要素构成。如果一层层地细分下去，就会分成多个层级，这种思路就是按照层级进行分类的方法，即不同的事物在不同的层级上。21分类分析法五、层级分类法在对员工的业绩指标进行数量化分析时，要考虑到各个层级的差异。当对事物进行比较时，要考虑事物或事物的度量是否处于同一个层级，不处于同一个层级的比较往往会存在偏颇或错误。例如，北京市和济南市。按照事物的层级对事物进行分类是比较常见的。现在绝大多数的企业都是科层制的组织形式，因而在对企业内部组织进行分类研究时，其本身就是分层级的。例如，科员与科员。22因果分析法因果关系和回归分析12相关关系和因果关系任务三23因果分析法一、相关关系和因果关系相关关系是客观事物之间相互关系的一种形式，是指事物之间确实存在的，但关系数值不固定的相互依存关系。相关分析用于研究两个事物之间有无关系及关系的密切程度。24因果分析法一、相关关系和因果关系课堂解疑25相关关系体现的是事物（用变量表示）之间不精确、不稳定的变化关系，它用相关系数来表示。相关系数体现了变量之间的变化方向（如正相关、负相关）和密切程度，其数值范围是−1～+1，绝对值在0～1之间。相关系数越接近于0，表示两个变量之间的相关程度越弱；相关系数越接近于1，表示两个变量之间的相关程度越强。因果分析法一、相关关系和因果关系事物之间的相关关系能够帮助人们找到因果关系，以及判断因果关系的强弱，但事物之间具有相关关系并不代表具有因果关系，通常需要用科学论证或常识去判断两个事物之间是否存在因果关系。因果关系是指某个因素的存在一定会导致某个特定结果的产生。因果分析以相关分析为基础，只有当两个变量之间存在很强的相关关系时，因果分析才有意义。寻求事物之间的因果关系是人们掌控事物发展的手段。26因果分析法一、相关关系和因果关系典型案例27投入10万元的广告费获得50万元的销售额提升，这个事情是无法通过重复试验来验证的，即使到达一个新的市场，做同样的事情，也不一定能得到同样的结果，因为新的市场条件是不同的。因果分析法二、因果关系和回归分析相关关系只能表示两个变量之间关系的密切程度，但无法说明变量之间的因果关系。检验变量之间的因果关系通常采用回归分析。回归分析是用已知的函数关系去拟合观测数据的主要关系趋势的方法。28因果分析法二、因果关系和回归分析课堂解疑29

“回归”这一术语最早是由英国学者高尔顿（Galton）在研究人类的遗传规律时发现的，孩子的平均身高会介于其父亲和种族的平均身高之间，这是一种回归现象，即孩子身高回归到种族平均身高的趋势。“回归”概念自在遗传学领域诞生后，就广泛地运用于各个领域。因果分析法二、因果关系和回归分析回归分析是确定两个或两个以上变量之间相互依赖的定量关系的一种统计分析方法，它主要研究一个随机变量对另一个变量或一组变量的相依关系。回归分析按照涉及的自变量的数量，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。30因果分析法二、因果关系和回归分析以一元线性回归分析为例，如果散点图的分布有明确的直线趋势，就可以绘制一条最能代表散点图分布趋势的直线，这条直线也称为回归线，如图3-1所示。根据该分析结果，可以建立自变量和因变量之间关系的函数方程式，又称为回归方程。31因果分析法二、因果关系和回归分析多元线性回归分析主要描述一个因变量如何随着一批自变量的变化而变化，其回归公式（回归方程）就是因变量与自变量关系的数据反映。32因果分析法二、因果关系和回归分析因变量的变化包括两部分：系统性变化和随机变化。其中，系统性变化是由自变量引起的（即用自变量可以解释）；随机变化是不能由自变量解释的，通常也称为残值。课堂解疑内容详见课本P41在用来估算多元线性回归方程中自变量系数的方法中，最常用的是最小二乘法，即找出一组对应自变量的相应参数，以使因变量的实际观测值与回归方程的预测值之间的总方差减到最小。33因果分析法二、因果关系和回归分析回归分析可以帮助人们把握因变量受其他一个或多个自变量影响的程度，为预测提供科学依据。通常来说，回归分析包括如下几个步骤。（1）确定自变量（2）选择回归分析的模型。（3）估计模型中的参数。（4）模型检验。34123任务四结构分析法什么是结构结构的基准结构分析35结构分析法一、什么是结构结构是指事物的构成方式。一个集体在不同的结构下会成为不同的组织。同样一个集体，采用不同的结构，就会成就不同的组织，也就会有不同的活力。传统科层制组织

人单合一的倒立组织

平台化变革36结构分析法一、什么是结构企业组织的力量配置，决定了其优势所在。例如，营销人员工资。典型案例内容详见课本P42事物的结构特征决定了事物的属性。结构好比事物的“配方”。37结构分析法二、结构的基准事物的结构是有基准的，常识是最初步的基准。“存在”本身就会成为结构的基准。如果一个公司推行薪酬改革，那么员工对新方案的评价标准就是原有方案，即通过对比原有方案来评价自己的得失，这些就会成为认识新结构的基准。38结构分析法三、结构分析结构分析又称比重分析，是指在统计分组的基础上，计算各组成部分所占比重，进而分析某一总体现象的内部结构特征、总体的性质、总体内部结构随时间推移而表现出的变化规律性的统计方法。结构分析的基本表现形式是计算结构指标，其公式为可见，结构指标实际就是总体中某一部分占总体总量的比重，因此总体中各个部分的结构相对数之和等于100%。39结构分析法三、结构分析典型案例40某公司有员工274人，按学历进行分组，其中专科12人，本科135人，硕士98人，博士29人，则硕士及以上学历的员工比重为再运用对比分析法与前期指标进行对比，如去年硕士及以上学历的员工比重为33%，就说明同比增加了13%，由此可分析公司员工的学历变化情况。结构分析法三、结构分析结构分析法简单实用，故应用频繁。通过结构分析，可以了解总体中某一部分的重要程度，再结合对比分析法分析某一结构指标是上升了还是下降了，可以让管理者快速了解公司的运营状况。41企业职能部门具体数据分析123任务五442营销和销售管理数据分析财务管理数据分析人力资源管理数据分析物流和供应管理数据分析企业职能部门具体数据分析

一、营销和销售管理数据分析营销和销售管理中的数据分析与一家企业的销售模式有很大关系，其没有统一的准则，需要营销和销售管理人员根据自己的业务模式、市场情况和客户情况，采用不同的方式进行分析。从方法和思路上看，营销和销售管理中的数据分析必须从客户、产品或服务、市场、区域和员工等几个维度进行。

（1）客户维度。（2）产品或服务维度。

（3）市场维度。（4）区域维度。

（5）员工维度。43企业职能部门具体数据分析二、财务管理数据分析常规的财务管理数据分析已经有比较完善的模型和标准，很多财经网站和媒体都会直接提供一些财务分析指标，方便企业分析自己的财务状况。财务数据管理是一项复杂的工作。数据分析领域的财务分析与常规的财务分析，最大的区别在于主体的细化。财务数据管理是一项复杂的工作。无论主体是谁，财务管理数据分析的方法都是一样的。44企业职能部门具体数据分析三、人力资源管理数据分析人力结构反映了企业人力资源的构成情况。如果构成不合理，企业的发展就会出现问题。例如，年龄结构。结构分析法本身就是研究资源配置的，而人力资源是企业中最重要的资源，其配置将直接影响企业的整体资源配置情况。（一）人力结构分析人力资源管理中的数据分析包括两个方面：一是人力结构分析，二是人力效。45企业职能部门具体数据分析三、人力资源管理数据分析跟踪人力效能，能够有效地监测企业的经营状况，了解每个员工、每个部门和企业整体的人力效能情况。人力效能分析即人效分析。在人效分析中，应该关注两种指标：（二）人力效能分析在进行人力效能分析时，产出变量可以采用不同的衡量指标。例如，电商企业。（1）人均产出率（2）人员费用产出率。46企业职能部门具体数据分析

四、物流和供应管理数据分析物流和供应管理中的数据分析主要关注效率和成本。互联网为上下游之间即时共享数据提供了便利条件。随着物联网的发展，供应链环节上的数据采集更加方便和及时，在每一个环节通过扫码就可以自动监控货物的来龙去脉。47企业职能部门具体数据分析

四、物流和供应管理数据分析物流和供应管理中的数据分析可以参考现实生活中的两个模型。（一）玻璃酒杯模型（二）自来水供水模型一群朋友饮酒，为了让每个人都喝得尽兴，但又不至于喝醉，这时就要建立一个供应和饮酒的机制。使用玻璃酒杯模型要求数据透明化，并且有精准的预测以及快速的应变机制，包括对畅销产品和滞销产品的应急预案。为了满足居民的用水需求，自来水公司必须合理安排生产，确保水压、水位不降低。48企业职能部门具体数据分析

四、物流和供应管理数据分析（一）玻璃酒杯模型

第一

需要清楚每个人的酒量，这相当于了解每个渠道或店铺的销售能力。

第二

必须随时知道每个人已经喝了多少，这就需要采用透明且有明确容量的杯子。

49