常用数据分析模型与方法

  • 文档创建者:Roxy
  • 编辑次数:4次
  • 最近更新:Roxy 于 2020-12-25
  • 1. 索引

    在进行数据分析过程中,通常需要使用各种模型来证明自己的分析观点,一是为了使自己的结论更具备说服力,二是让自己的论证过程更具备逻辑性和条理性。

    FineBI 推出部分数据分析方法,帮助用户更好的使用 BI 进行数据分析。

    分析类型
    模型/方法
    对外用户分析RFM 分析
    ABC分析
    波士顿矩阵图
    转化分析
    购物篮分析-关联规则
    复购率分析
    留存分析
    用户画像分析
    内部营运分析库存周转分析
    杜邦分析

    2. RFM模型

    1)概述

    RFM 用于对用户进行分类,并判断每类细分用户的价值。

    通过

    • 最近一次消费时间(R):客户距离最近的一次采购时间的间隔。

    • 最近一段时间内消费频次(F):指客户在限定的期间内所购买的次数。

    • 最近一段时间内消费金额(M):客户的消费能力,通常以客户单次的平均消费金额作为衡量指标。

    这三个关键指标判断客户价值并对客户进行观察和分类,针对不同的特征的客户进行相应的营销策略,如下图所示:

    1607478978447266.png

    2)实现方式

    FineBI 实现效果如下图所示:

    帮助文档请点击:RFM 分析

    仪表板查看请点击:RFM分析

    1606268127560030.png

    3. 帕累托分析

    1)概述

    帕累托分析又叫 ABC 分析,分类的核心思想:少数项目贡献了大部分价值。以款式和销售量为例:A 款式数量占总体 10% ,却贡献了 80% 的销售额。

    把产品或业务分为A、B、 C三类,用于分清业务的重点和非重点,反映出每类产品的价值对库存、销售、成本等总价值的影响,从而实现差异化策略和管理。

    1607482846377892.png

    2)实现方式

    FineBI 实现效果如下图所示:

    帮助文档请点击:ABC分析

    仪表板查看请点击:ABC分析

    1607331866538696.png

    4. 波士顿矩阵

    1)概述

    波士顿矩阵通过销售增长率(反映市场引力的指标)和市场占有率(反映企业实力的指标)来分析决定企业的产品结构。

    波士顿矩阵将产品类型分为四种,如下图所示:

    1584346314954153.png

    2)实现方式

    FineBI 实现效果如下图所示:

    帮助文档请点击:波士顿矩阵图

    2020-03-10_10-58-19.gif

    5. 转化分析

    1)概述

    转化漏斗模型,是分析用户使用某项业务时,经过一系列步骤转化效果的方法。

    转化分析可以分析多种业务场景下转化和流失的情况,不仅找出产品潜在问题的位置,还可以定位每个环节流失用户,进而定向营销促转化。

    2)实现方式

    FineBI 实现效果如下图所示:

    帮助文档请点击:转化分析

    仪表板查看请点击:转化分析

    1607481422344712.png

    6. 购物篮分析-关联规则

    1)概述

    大家应该都听过这样一个经典案例:超市里经常会把婴儿的尿不湿和啤酒放在一起售卖,原因是经过数据分析发现,买尿不湿的家长以父亲居多,如果他们在买尿不湿的同时看到了啤酒,将有很大的概率购买,从而提高啤酒的销售量。

    这种通过研究用户消费数据,将不同商品之间进行关联,并挖掘二者之间联系的分析方法,就叫做商品关联分析法,即「购物篮分析」

    通过「支持度」、「置信度」、「提升度」三个指标判断商品见的关联。

    2)实现方式

    FineBI 实现效果如下图所示:

    帮助文档请点击:购物篮分析-关联规则

    仪表板查看请点击:购物篮分析

    1607482164726922.gif

    7. 复购率分析

    1)概述

    复购率是指最近一段时间购买次数,用于说明用户的忠诚度,反向则说明商品或服务的用户黏性。

    2)实现方式

    FineBI 实现效果如下图所示:

    帮助文档请点击:复购率分析

    仪表板查看请点击:复购分析

    1607482451643943.png

    8. 留存分析

    1)概述

    留存分析是一种用来分析用户参与情况/活跃程度的分析模型,考查看进行初始行为后的用户中, 经过一段时间后仍然存在客户行为(如登录、消费)。

    计算公式:某一段时间内(时间段a)的新增用户在若干天后的另一段时间(时间段b)的留存数量 / (时间段a)的新增用户总量

    2)实现方式

    FineBI 实现效果如下图所示:

    帮助文档请点击:留存分析

    仪表板查看请点击:留存分析

    1607482772676673.png

    9. 库存周转分析

    1)概述

    库存周转率是企业在一定时期销货成本与平均存货余额的比率,用于反映库存周转快慢程度。周转率越高表明存货周转速度越快,从成本到商品销售到资金回流的周期越短,销售情况越好。

    库存周转天数是企业从取得存货开始,至消耗、销售为止所经历的天数。周转天数越少,说明存货变现速度越快,销售状况越良好。

    2)实现方式

    FineBI 实现效果如下图所示:

    帮助文档请点击:库存周转分析

    仪表板查看请点击:库存周转分析

    1607483235123177.png

    10. 杜邦分析

    1)概述

    杜邦分析法利用几种主要的财务比率之间的关系来综合地分析企业的财务状况,用来评价公司盈利能力和股东权益回报水平,从财务角度评价企业绩效。

    其基本思想是将企业净资产收益率逐级分解为多项财务比率乘积,这样有助于深入分析比较企业经营业绩。

    2)实现方式

    FineBI 实现效果如下图所示:

    帮助文档请点击:杜邦分析

    仪表板查看请点击:杜邦分析

    1607483372656872.png

    11. 用户画像分析

    1)概述

    用户画像就是与该用户相关联的数据的可视化的展现;一句话来总结就是:用户信息标签化。

    通过对用户人口属性:用户的年龄、性别、所在的省份和城市、教育程度、婚姻情况、生育情况、工作所在的行业和职业等和行为特征:活跃度、忠诚度等指标进行分析,从而帮助企业对用户进行精准营销、辅助业务决策。

    2)实现方式

    FineBI 实现效果如下图所示:

    仪表板查看请点击:用户画像分析

    1607483768852891.png

    12. 同环比分析

    1)概述

    同比发展速度主要是为了消除季节变动的影响,用以说明本期发展水平与去年同期发展水平对比的相对发展速度。

    环比表示连续2个统计周期(比如连续两月)内的量的变化比。

    计算公式:

    同比:(本期销售额-去年同期销售额)/去年同期销售额

    环比:(本期销售额-上个周期销售额)/上个周期销售额

    2)实现方式

    FineBI 实现效果如下图所示:

    帮助文档请点击:求同比和环比-表维度非日期求同比和环比-表维度为日期

    仪表板查看请点击:同环比分析

    1607484022247082.png

    附件列表


    主题: 数据分析进阶
    • 有帮助
    • 没帮助
    • 只是浏览
    • 评价文档,奖励 1 ~ 100 随机 F 豆!