纯干货讲解!数据分析最经典的实用模型! 爱运营 • 2021年4月13日 下午6:10 • 数据分析 今天给大家介绍一个我非常推崇的、非常常用,也是非常适合入门新手的一种模型,或者说是分析思路——5W2H模型! 如果你觉得自己的业务分析没有任何的思路,那么想都不用想,直接套用5w2h吧 这个模型的好处就是提供了一种几乎全面的分析角度解剖,帮助我们迅速地去界定问题,可以说是非常实用的模型 但是5w2h模型只适用于分析宏观问题或者简单问题,面对非常具体的复杂问题时比较吃力,但是我们仍然可以借鉴5w2h的思维方式,去分析实际的业务问题 我之前也曾经介绍过很多次,所谓的5w2h其实就是针对5个W以及2个H提出的7个关键词进行数据指标的选取,根据选取的数据进行分析 (1)WHAT–是什么?目的是什么?做什么工作? (2)WHY–为什么要做?可不可以不做?有没有替代方案? (3)WHO–谁?由谁来做? (4)WHEN–何时?什么时间做?什么时机最适宜? (5) WHERE–何处?在哪里做? (6)HOW –怎么做?如何提高效率?如何实施?方法是什么? (7) HOW MUCH–多少?做到什么程度?数量如何?质量水平如何? 这个模型我们直接举个例子来看一下,根据后方业务人员统计显示,我们公司这几个月的营业额有些异常升高,想让我们分析一下原因。 What:发什么了什么事?Why:为什么会发生这个? Who:异常的客户是谁?异常的销售员是谁? When:什么时候发生的?——10月 Where:哪里发生的? How:什么渠道发生的?方法是什么? How much:多少?数据?产出? 1、what+when: 首先我们看横向对比,很显然是8-10月份的销售额异常升高,11月的数据偏低很可能是11月的数据尚未统计完全,否则应该不会出现如此明显的下跌。 此外我们要看趋势,可以看出这样的异常升高是连续渐变的,不是突然增加的,这种情况下很可能是增加某条业务线、或者是某区域的客户增多导致的,或者是某个产品销量的走红。 因此我们下一步要从产品角度和地区角度以及具体的时间角度查看。 2、where: 首先从地区角度出发,我们这里要用到细分和溯源的思想,这部分我制作了四个图表,我们可以先看一下哪些大区出现了异常,纵向对比一下就能看出是华北大区和华东大区出现了销售额的猛涨,其他大区增长情况一般。 因此我们继续细分到省份,可以直接联动,查看华北与华东两个大区省份的异常情况,然后我们可以通过填充地区,继续下钻到不同的城市 通过不断的下钻和细分,我们就可以基础得出一个结论:华东和华北区域销售情况增长迅速,同时以北京、天津和济南的客户为多。 3、who 那么既然华北华东的客户销售情况好,那么我们就可以从客户角度入手,继续下钻到某个具体的客户,也即是我们的WHO。 这里的who其实就是对象,除了是客户用户之外,也可以指商品产品。 因此我们这部分制作了两张图,首先我们将客户的销售额从高到低进行排列,就能够找出对我们的销售额贡献最大的用户。 我们直接联动其他组件,就可以看出每个区域的最佳客户是什么,这里我们能够发现,在8-10月的期间,这位客户每个月都会下一笔很大的订单,而且收货地址是北京、河北、上海等地,说明这个客户属于企业的专道销售员,这种客户是我们需要建立强关系的客户 因此可以建议前方销售对这个客户进行关注,同样的对其他客户也都进行关联分析,当然了也可以建立用户矩阵来直接查看用户的分层。 这是客户角度,那么产品角度呢? 我们可以对产品按照利润和销售额进行分组,可以看到利润最高的三个产品分别是鸭肉、奶酪、绿茶 其中绿茶的销售额是最高的,说明绿茶在运货和进价成本比较高的情况下仍然存在较高的购买力,所以可以适当提高绿茶的销售价格来提升利润 而对于存在与左下角的大部分产品,其销售额低、利润均为负值(也就是产品积压在库存当中没有卖出去),应当适当减少该产品的进货,或者降低处理,尽量将其进入右下角的象限 然后我们可以从产品类别和采购商的角度对产品进行分析,比如鸭肉,我们选择联动,可以看出我们的进货商有两个,伊美和佳佳 但是从利润和成本上看,伊美明显是我们最成功的进货商,物美价廉,所以这有可能也是鸭肉爆红的一个原因。 从类别上我们可以选择联动分析,比如分析肉类,可以看出鸭肉最火。 4、WHY 我们分析完了地区和客户,下一步就要进行溯源,为什么会发生这样的情况? 一般来说溯源的方法我之前讲过,就是拆解,比如我们可以将销售额进行拆解: 销售额=销售量*单价 这里我们分析一下单价与销售量,那么为什么销售额会增加?这个问题就转变成了为什么销售量会增加? 那么销量的影响因素其实有很多的,比如单价、种类、质量、市场存量、运货时长等,比如我们从运货时长进行分析,这个问题就又变成了为什么运货时长影响了销售量? 运货时长再进行拆解,运货时长与发货地、送货地以及运货商相关,这里我们可以分析一下。 其中影响销售量的因素除了与单价相关之外,还可能与运货时长有关,我们可以分析运货时长与销售额的关系,说明10-20天左右是客户可接受的范围,超过30天就会超出客户的可承受范围,也就是说对于我们的客户来说,20天内送达与10天内送达是可以接受的。 那么从不同地区的运货时长看,时长最高的四川等地销售额是最低的,说明我们的发货地是距离该地比较远的,而我们如果联动山东,就会发现最为理想的情况也是运货市场少于20天,而30-40天的运货费用竟然比所有的还要低,产生这种现象的原因可能是运货商的政策,因为一般来说你的发货量越大,运货商所要求的运货费就是越低的。 从运货市场的时间分布图上看,运货时间越长,销售额就越低,而8-10月份的运货时长是明显降低的,基本保持在20天以内。从运货单价上看,7、8、9月份略有上涨,10月份下降。 那么渠道和how much我们这里就不分析了,大家感兴趣的话可以自己尝试着进行这两个方面的分析。 原文始发于微信公众号(数据分析不是个事儿) 本文转载于微信公众号(数据分析不是个事儿),本文观点不代表爱运营立场,转载请联系原出处。如内容、图片有任何版权问题,请联系爱运营处理。 5W1H5w2h实用模型数据分析 赞 (0) 爱运营管理员 1 0 生成海报 电动车的呐喊与彷徨 上一篇 2021年4月13日 下午6:05 深度揭秘:裂变增长的三大要点 下一篇 2021年4月13日 下午6:11 推荐资讯 数据分析 Jacob Olsufka:《星球大战》大数据分析 谁的存在感最强? 1.4K 爱运营 2018年1月8日 数据分析资料 数据分析必会的六大实用模型 1.2K 爱运营 2019年8月20日 数据分析 数据分析师常用的十种数据分析思路 2.2K 商助科技 2018年11月13日 数据分析 GEO:2015上半年移动旅游用户数据分析 1.2K 199it 2015年10月10日 APP营销 App Store需要分析哪些数据 989 鸟哥笔记 2015年10月28日 数据分析 途家网 BI 总监 | 数据分析团队的搭建和思考 1.1K 爱运营 2017年4月13日 数据分析资料 数据职场生存书单,带你一步一步成为大咖 1.7K 爱运营 2018年1月23日 网站运营 网站运营优化专题分析:订单转化流程分析 2.3K 商助科技 2018年2月7日 运营基础 何为互联网运营?(5W1H框架解答) 1.7K 爱运营 2018年6月19日 抖音运营 抖音直播带货数据复盘怎么做 ?主要从三个方面去分析? 889 飞瓜智投 2022年4月25日 营销知识 《狮子王》案例研究:数据如何为营销提供信息? 1.6K Meltwater 2019年11月18日 数据分析 听出租车司机通过数据分析将成本控制 1.5K 爱运营 2014年8月23日 微信运营 微信公众号背后有怎样的数据支撑 178 爱运营 2022年5月11日 数据分析 如何进行数据挖掘并利用大数据 1.3K 爱运营 2014年9月30日 网站运营 数据分析对运营工作的5个指导作用 2.1K 爱运营 2016年7月18日 数据分析 科普完整的数据分析流程 1.7K 爱运营 2023年3月10日 数据分析 小红书 | 千瓜2022年5月服饰行业数据洞察报告 2.0K 千瓜数据 2022年6月30日 小红书运营 年轻消费开启老年模式?小红书数据分析,未来消费趋势探索 1.1K 小红薯 2023年9月6日 数据分析 业务数据分析的通用流程 1.7K 爱运营 2023年7月26日 数据分析 作为产品经理,你应该懂的数据分析入门知识(上) 1.2K 爱运营 2016年6月14日 网站运营 运营人必备的7大技能——数据分析能力是未来运营的分水岭 1.1K 爱运营 2017年1月12日 小红书运营 小孩哥、小孩姐硬控互联网,新世代人群透视丨小红书用户画像 1.5K 夏夏爱运营 2024年10月8日 数据分析 我做的到底是不是数据分析? 1.6K 爱运营 2021年6月21日 数据分析资料 三大医药业实例:公开数据的力量远超你想象 1.8K Meltwater 2019年11月6日 发表回复 请登录后评论...登录后才能评论 提交