在「数据分析的 8 种思维」这篇文章中,我用了一个简单的故事,说明对比思维随处可见。
因为我觉得对比思维实在是太重要了,所以下面通过一个示例展开来讲一讲。
以下数据都是假设数据,为了展示对比思维在实践中的运用,假设有一家零售企业,今年 9 月份的销售额是 110 万元。
下面我们运用 5 种常见的对比思维,来对它进行数据分析。
1. 跟目标相比
首先,我们把它跟目标进行对比,今年 9 月份的销售目标是 100 万元,目标完成率为110%,超额完成任务目标,整体来看表现很好。
2. 与上月环比
其次,我们再把它与上个月进行对比,8 月份的销售额是 95 万元,9 月份环比增加了 15.8%,销售呈现增长的态势。
3. 与去年同比
为了进一步了解销售的态势,我们与去年同期进行对比,去年 9 月份的销售额是 55 万元,今年 9 月份的销售额同比增加了 100%,销售额同比实现翻番。
4. 分渠道对比
接下来,我们分渠道进行对比,该企业有 A、B、C 三种销售渠道,虽然今年 9 月份整体合计是超额完成目标的,但是渠道 C 并没有完成销售目标,应该予以重点关注,并进一步分析原因。
5. 与同类对比
最后,我们拿渠道 C 与同类进行对比,寻找它没有完成目标的原因。与同类对比的时候,指标的选择要更加慎重,通常用体现效率的指标更加合适,这里采用人均销售额来进行对比。
渠道 C 的人均销售额是 5 万元,而行业平均水平是 6 万元,渠道 C 的人均效率较低,不仅低于企业内部的其他销售渠道,而且低于其他同类企业的平均水平,这是它没有完成目标的主要原因。所以,要想方设法提升渠道 C 的人均效率。
小结
要做好数据分析,首先就要学会对比,因为没有对比,就不知道好坏;不知道好坏,也就不知道下一步应该如何行动。
数据分析的对比思维有很多种,其中比较常见的是跟目标相比、与上月环比、与去年同比和分渠道对比。
在条件允许的情况下,除了内部数据之间的对比,还应该与外部进行对比。比如说,与同类企业进行对比,与行业的平均水平进行对比。
在对比之前,要确保指标具有可比性,对象要具有相似性,还要让量纲保持一致。比如说,身高的单位是【厘米】,体重的单位是【千克】,属于不同的计量单位,你不能拿 A 的身高 180 厘米, 与 B 的体重 80 千克进行对比。单从数字上来看,180 比 80 要大,但是它们之间的对比没有意义。
当你拿到一个数据之后,可以用不同的方法去进行对比,先观察在时间趋势下的波动情况,看是突然的大幅波动,还是在正常范围内的小幅波动。再按照不同的渠道进行细分,看看不同渠道的差异情况。还可以根据市场环境等情况,对同业其他竞争对手的数据进行数据分析。
数据分析的过程,就是先确认事实是什么,通过对比等思维,然后分析原因,找到为什么,得出分析的结论和建议,从而指导业务决策,让管理者知道下一步应该怎么办。
微信:DaasCai
邮箱:ccjiu@163.com
QQ:2286075659
如何看待数据模型在数据管理中的位置?
数据模型:数字化转型的核心能力
重磅|市场监管总局《商业秘密保护规定(征求意见稿)》(全文)
【公益微讲座】数据治理公益讲座—深度解读《数据治理:工业企业数字化转型之道》
实时数仓在滴滴的实践和落地
如何解决企业各个部门间的“数据孤岛”问题?
【新书荐读】《数据治理:工业企业数字化转型之道》(文后有福利)
史上最全指标体系建设解读:滴滴数据仓库指标体系建设实践
原创 | 新技术加速隐私暴露,如何应对?(四)《个人金融信息保护技术规范》影响几何?
咨询公司的数据分析模型有多高大上?带你涨涨姿势!
数据库(DB)、操作数据存储(ODS)和数据仓库(DW)的区别与联系
我们的使命:普及数据管理知识、发展数据管理工程师行业、改变中国企业数据管理现状、提高企业数据资产管理能力、推动企业走进大数据时代。
我们的愿景:凝聚行业力量、打造数据工程师全链条平台,培养不同层级数据工程师人才、构建数据工程师生态圈。
我们的价值观:分享数据管理知识,持续提升数据管理和运营能力。
了解更多精彩内容
长按,识别二维码,关注我们吧!
数据工程师
微信号:sjgcs
构建数据工程师生态圈