1. 索引
在進行資料分析過程中，通常需要使用各種模型來證明自己的分析觀點，一是為了使自己的結論更具備說服力，二是讓自己的論證過程更具備邏輯性和條理性。
FineBI 推出部分資料分析方法，幫助使用者更好的使用 BI 進行資料分析。
| 分析型別 | 模型/方法 |
|---|---|
| 對外使用者分析 | RFM 分析 |
| ABC分析 | |
| 波士頓矩陣圖 | |
| 轉化分析 | |
| 購物籃分析-聯動規則 | |
| 留存分析 | |
| 使用者畫像分析 | |
| 月復購分析 | |
| AARRR 使用者營運分析 | |
| 使用者流入流出分析 | |
| 使用者生命狀態分析 | |
| 使用者粘性分析 | |
| 內部營運分析 | 需求分析方法-KANO模型 |
| 庫存週轉分析 | |
| 杜邦分析 | |
| 盈虧平衡分析 |
2. RFM模型
1）概述
RFM 用於對使用者進行分類，並判斷每類細分使用者的價值。
透過
最近一次消費時間（R）：客戶距離最近的一次採購時間的間隔。
最近一段時間內消費頻次（F）：指客戶在限定的期間內所購買的次數。
最近一段時間內消費金額（M）:客戶的消費能力，通常以客戶單次的平均消費金額作為衡量指標。
這三個關鍵指標判斷客戶價值並對客戶進行觀察和分類，針對不同的特徵的客戶進行相應的營銷策略，如下圖所示：
2）實現方式
FineBI 實現效果如下圖所示：
說明文檔請點選：RFM 分析
儀表板查看請點選：RFM分析
3. 帕累託分析
1）概述
帕累託分析又叫 ABC 分析，分類的核心思想：少數專案貢獻了大部分價值。以款式和銷售量為例：A 款式數量佔總體 10% ，卻貢獻了 80% 的銷售額。
把產品或業務分為A、B、 C三類，用於分清業務的重點和非重點，反映出每類產品的價值對庫存、銷售、成本等總價值的影響，進而實現差異化策略和管理。
2）實現方式
FineBI 實現效果如下圖所示：
說明文檔請點選：ABC分析
儀表板查看請點選：ABC分析
4. 波士頓矩陣
1）概述
波士頓矩陣透過銷售增長率（反映市場引力的指標）和市場佔有率（反映企業實力的指標）來分析決定企業的產品結構。
波士頓矩陣將產品型別分為四種，如下圖所示：
2）實現方式
FineBI 實現效果如下圖所示：
說明文檔請點選：波士頓矩陣圖
5. 轉化分析
1）概述
轉化漏斗模型，是分析使用者使用某項業務時，經過一系列步驟轉化效果的方法。
轉化分析可以分析多種業務場景下轉化和流失的情況，不僅找出產品潛在問題的位置，還可以定位每個環節流失使用者，進而定向營銷促轉化。
2）實現方式
FineBI 實現效果如下圖所示：
說明文檔請點選：轉化分析
儀表板查看請點選：轉化分析
6. 購物籃分析-聯動規則
1）概述
大家應該都聽過這樣一個經典案例：超市裏經常會把嬰兒的尿不溼和啤酒放在一起售賣，原因是經過資料分析發現，買尿不溼的家長以父親居多，如果他們在買尿不溼的同時看到了啤酒，將有很大的概率購買，進而提高啤酒的銷售量。
這種透過研究使用者消費資料，將不同商品之間進行聯動，並挖掘二者之間聯絡的分析方法，就叫做商品聯動分析法，即「購物籃分析」
透過「支援度」、「置信度」、「提升度」三個指標判斷商品見的聯動。
2）實現方式
FineBI 實現效果如下圖所示：
說明文檔請點選：購物籃分析-聯動規則
儀表板查看請點選：購物籃分析
7. 留存分析
1）概述
留存分析是一種用來分析使用者參與情況/活躍程度的分析模型，考查看進行初始行為後的使用者中， 經過一段時間後仍然存在客戶行為（如登入、消費）。
計算公式：某一段時間內（時間段a）的新增使用者在若干天后的另一段時間（時間段b）的留存數量 / （時間段a）的新增使用者總量
2）實現方式
FineBI 實現效果如下圖所示：
說明文檔請點選：留存分析
儀表板查看請點選：留存分析
8. 庫存週轉分析
1）概述
庫存週轉率是企業在一定時期銷貨成本與平均存貨餘額的比率，用於反映庫存週轉快慢程度。週轉率越高表明存貨週轉速度越快，從成本到商品銷售到資金迴流的週期越短，銷售情況越好。
庫存週轉天數是企業從取得存貨開始，至消耗、銷售為止所經歷的天數。週轉天數越少，說明存貨變現速度越快，銷售狀況越良好。
2）實現方式
FineBI 實現效果如下圖所示：
說明文檔請點選：庫存週轉分析
儀表板查看請點選：庫存週轉分析
9. 杜邦分析
1）概述
杜邦分析法利用幾種主要的財務比率之間的關係來綜合地分析企業的財務狀況，用來評價公司盈利能力和股東權益回報水平，從財務角度評價企業績效。
其基本思想是將企業淨資產收益率逐級分解為多項財務比率乘積，這樣有助於深入分析比較企業經營業績。
2）實現方式
FineBI 實現效果如下圖所示：
說明文檔請點選：杜邦分析
儀表板查看請點選：杜邦分析
10. 使用者畫像分析
1）概述
使用者畫像就是與該使用者相聯動的資料的視覺化的展現；一句話來總結就是：使用者資訊標籤化。
透過對使用者人口屬性：使用者的年齡、性別、所在的省份和城市、教育程度、婚姻情況、生育情況、工作所在的行業和職業等和行為特徵：活躍度、忠誠度等指標進行分析，進而幫助企業對使用者進行精準營銷、輔助業務決策。
2）實現方式
FineBI 實現效果如下圖所示：
儀表板查看請點選：使用者畫像分析
11. 同環比分析
1）概述
同比發展速度主要是為了消除季節變動的影響，用以說明本期發展水平與去年同期發展水平對比的相對發展速度。
環比表示連續2個統計週期（比如連續兩月）內的量的變化比。
計算公式：
同比：（本期銷售額-去年同期銷售額）/去年同期銷售額
環比：（本期銷售額-上個週期銷售額）/上個週期銷售額
2）實現方式
FineBI 實現效果如下圖所示：
說明文檔請點選：求同比和環比-表維度非日期、求同比和環比-表維度為日期
儀表板查看請點選：同環比分析
12. AARRR 使用者營運分析
1）概述
AARRR 模型又叫海盜模型，是使用者營運過程中常用的一種模型，解譯了實現使用者增長的 5 個指標：獲客、激活、留存、收益、傳播。從獲客到傳播推薦，整個 AARRR 模型形成了使用者全生命週期的閉環模式，不斷擴展使用者規模，實現持續增長。
2）實現方式
FineBI 實現效果如下圖所示：
說明文檔請點選：AARRR 使用者營運分析
儀表板請點選：AARRR 儀表板