留下您的联系方式,我们稍后将与您联系。

广东商城小程序制作多少钱已更新(你了解吗/热点)

时间:2023-01-11  责任编辑:唐小美  来源:技术开发网

作为数据分析师,我们每天都在跑数,做分析,但是分析出来的内容总是被他人评价没有高度。那么,究竟什么样的数据分析,才能算得上有高度?作者分享了几点做有高度的分析的技巧,一起来看看吧。


我们经常抱怨:每天工作都在跑数,做出来的东西,总被嫌弃“没高度”。都是统计计算,咋就需要“有高度”了?今天通过我的一个真实案例,看看数据分析是怎么做到被评价为【有高度】的。

问题场景:某传统企业的电商部门,市场部领导找到数据分析师,拿了商品当前库存数据与周销售数据报表,请帮忙分析。业务方表示:没有明确分析要求,做一个探索性分析。

问:这个分析该如何做?

01 负分滚粗的分析

    多维性与ERP或者MES管理系统数据实时对接,带来更直观高效的管理。随时随地可在PC端、移动端进行实时查看和管理,远程运维决策。数据随需而动,组合、筛选、联动、钻取,实现自助式BI应用,在建筑、园区、工厂等都拥有广泛的应用实践,为全行业数字化转型赋能。
  • 昨天库存120
  • 今天库存220
  • 环比增长83%,建议搞低

点评:懒得点评了,大家自行吐槽。

02 一般的分析

  • A产品周销量100,库存还有400,还能用4周
  • A产品补货周期为3周,可继续观察
  • B产品周销量100,库存还有200,还能用2周
  • B产品补货周期为2周,建议本周开始着手补货

点评:知道进、销、存的数据得连起来看,知道考虑补货周期,这起码及格了。

03 有点高度的分析

  • A产品有季节规律,目前在周期末尾,预计库存够消耗3周,不建议补货
  • B产品已到产品生命周期后半段,每周销量递减,应加速出货
  • C产品为非季节性标品,周销量100,库存200,还能用2周,本周可补货

点评:做数据分析工作和上学做作业的最大区别,就是“实际工作中没有标准考题,只有待解决的问题”。因此并不是说业务部门甩一个数据,就只能看这一个数据的!并且,产品生命周期、自然周期、是否稳定销售,是不需要业务部门叨叨,数据分析师可以自己通过数据来发现的。因此想发现问题,没必要等着业务来教,完全可以自己主动出击。

从业务常识和数据表现两个角度,发现数据背后的规律。季节性商品:比如冬季保暖防寒、夏季降温解暑的产品,应季销量才好,并且如果今年冬天没这么冷/夏天没这么程序化交易系统优化方法针对上文提出的两类交易系统开发陷阱,下文提出相应的优化解决方案。(一)消除前视偏差投资者在实现程序化交易系统的过程中需要严格规避前视偏差的出现,一旦策略系统中包含有未来函数导致偷价或信号闪烁,即使历史数据回测时收益表现优异,但发出的买卖信号在实际操作中毫无价值,是一种交易欺骗行为。热,销量会打折,表现在数据上如下图所示:


生命周期性商品:比如电子产品、每季新款服装,上市后卖得价格最贵、销量最好,越往后越不值钱,等季节一换,新款一出,只能降价清仓。表现在数据上如下图所示:


稳定销售型商品:比如米、面、油、蛋,纸巾、洗发水、沐浴露,日常生活都需要,可能每周跟着整体销量(比如门店客流、网站流量)有波动,但大体上不会大起大落。表现在数据上如下图所示:


是的开源电子商务插件,其优势在于不受平台限制,不会无缘无故封店,另外不需要像Saas建站工具一样每月需要缴纳月租以及销售额的抽佣,需要也是需要在Godaddy或者阿里云上面购买域名,然后在siteground买一个虚拟主机,最后进行解析。主要感受就是第一就是数据的安全性。

这些可以在平时日常数据中就发现规律,积累经验,不用等业务方叨叨才动手(很有可能,业务方自己清楚这些差异,所以自己动手算了数,也不会再问)。

04 这里有2个小细节要处理

细节一:如果不是经常补货的产品,而是新款产品,如何预测未来走势?最简单的做法是根据产品品牌、价格段,对产品定级别,根据过去同级别、同价格段的产品表现做参考(如下图)。


细节二:如果周期性销售产品,受到外部影响,比如下雨了,没生意,如何评估走势?最简单的做法是看影响因素的持续时间,根据过往影响,直接在未来持续时间内做调整(如下图)


当然还可以用更复杂的预测方法。有趣的是,这种预测会改变业务方的行为,因此不见得需要特别准地预测,比如二分类预测:2周内能销完/不能销完,就已经能促使业务方决定清不清货了。关于预测的更多知识,戳【预测不准,别只会怪数据分析师!!】

这就又涉及到一个关键问题:精确度多少能接受。企业里数据分析工作和做作业的第二大区别,就是:“真实工作需要和各部门沟通,不是完了卷子等正确答案的”。

特别是在本案例的场景里:业务部门自己都稀里糊涂,没有明确目的!此时更不必强行追求计算结果的准确度,而是有了初步结论以后,就能开会沟通一轮,提示风险,了解内情。除非遇到库存成本特别高且保质期很短的,比如生鲜中进口水果、海鲜,医疗用品中的冷柜存放的疫苗一类的特殊产品。

一般的产品都有一定周转空间,因此控库存的最终目标不是100%压点清仓,而是把库存控制在安全范围内即可。所以与其自己纠结要死,不如看看目前市场部的库存压力是否能承受。那么,是否有更有高度的分析呢?

05 更有高度的分析

问一个简单的问题:市场部身为运转中枢,为啥销量、库存这么核心的数据还要跑来问呀!市场部的人跑上门问,这个动作本身就是大问题。敏感度高的数据分析师,在跑数之前就应该感觉到不对劲了。事出反常必有妖,事前沟通很重要!具体情况可能有很多,但有个核心问题要首先解决:业务方到底是真不懂,还是假不懂!


不要笑!不要以为核心数据业务方就真的了如指掌。很有可能之前业务发展顺风顺水,所以大家都习惯拍脑袋了;也有可能之前吃了行业红利,真的是母猪飞上天。总之,如果是真不懂的话,就需要:

  • 建立数据监控体系
  • 诊断现有问题
  • 提供建议先处理眼前问题

培训相关人员,建立长效监督机制这样把商品运营的工作从原始状态,推进到数字化管理的状态。如果是假不懂,还要看是缺人手还是缺帮手!

如果是缺人手,需要人帮忙清理数据,这时候牢记:

  1. 上产品
  2. 上产品
  3. 上产品

数据产品才是解决处理数据人手不足的最优方案,不是再招聘几个Excel boy填坑。Excel boy/Sql boy 的存在,本身就是数据工作的负担。既浪费成本,又不能体现绩效。业务能力强就上数据集市让他们拖拉拽;业务能力弱就固定看板,然后教他们看。

如果是缺帮手,就得看帮着干什么:

  • 某几款产品运作得不好,想提前清掉库存
  • 某几款新品想上,想把之前的几款当标杆,作为支撑依据
  • 某几款产品想大量补货,但是怕老板不批,想多一个人发声

这些目的可不是业务方不表态,数据分析师能直接猜到的。所以业务方想让数据分析师帮忙发声,就老老实实表明来意,大家一起合计合计。

确实有业务方,喜欢阴阳怪气,有想法不说,非让数据分析师猜,猜不中就说:“好像分析得没高度,不符合业务期望呀”。这种做法就是在为事后甩锅做准备,不搭理也罢。

06 小结一下

在企业内谈分析高度,和在学校做科研谈高度完全不一样。科研领域才讲高精尖,用的方法越复杂、越前瞻、越先进越好。企业的目的是挣钱,挣钱讲究效率,讲究配合,讲究实用。因此,有高度的顺序是:

  1. 结合业务情况 ≥ 单纯计算数字
  2. 发现业务问题 ≥ 单纯铺陈结果
  3. 达到业务目标 ≥ 单纯就数论数

在这个过程中,需要有基础业务理解,需要和业务紧密沟通,需要看具体目标量体裁衣,这才是提升分析高度的最有效手段。

专栏作家

接地气的陈老师,微信公众号:接地气学堂这里推荐甜薪工场远程工作平台,凭借十余年的人力资源打造的远程招聘平台不仅可以大幅降低用人成本,还能够增强工作灵活性,甚至实现跨地区选择最优人才,从专业角度精心评估、筛选候选人,为需求方提供跨区域顶尖人才。前期考量期平台帮助企业把控工作交付质量,后期双方均满意可以签订长期合作的协议,由工作者全权负责各种指标。最重要的是,企业不用支付任何平台费用,就可以在甜薪工场找到心仪的人才。,人人都是产品经理专栏作家。资深咨询顾问,在互联网,金融,快消,零售,耐用,美容等15个行业有丰富数据相关经验。

本文原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自pexels,基于CC0协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。