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 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 数据分析 分析2018年「人人都是产品经理」网站的文章数据 803 爱运营 2019年1月19日 数据分析 9种最常用数据分析方法,解决90%分析难题 2.0K 爱运营 2022年9月21日 数据分析 7种最常用数据分析思维,解决90%分析难题 1.7K 爱运营 2022年3月12日 小红书运营 小红书数据分析:借势礼赠场景,挖掘年终品牌营销新增量! 827 夏夏爱运营 2024年1月20日 数据分析 图解:2014屌丝生存现状报告 951 爱运营 2014年11月4日 数据分析 数据分析你需要知道的都在这!干货! 1.6K 爱运营 2021年3月30日 数据分析 从数据挖掘的角度看草榴社区 3.6K 爱运营 2019年1月23日 小红书运营 小红书数据分析工具:高颜值,精致化!小家电品牌种草指南 770 小红书那些事 2022年7月22日 运营基础 何为互联网运营?(5W1H框架解答) 2.7K 爱运营 2018年11月30日 电商运营 电商数据分析之总体运营指标 2.2K 爱运营 2022年12月10日 小红书运营 热门趋势方向一览!三伏天养生话题升温,AI分析小红书热榜 955 小红薯 2024年7月26日 数据分析 怎样辨别渠道作弊—数据分析篇 927 爱运营 2016年10月17日 数据分析 做好数据分析必备的 5 种典型可视化图表 2.5K 爱运营 2017年8月18日 bilibili运营 从2022年B站爆款商单数据中,我们能分析出什么? 781 火烧云数据 2023年4月20日 微信运营 腾讯资深运营:微信公众号运营之数据分析 1.1K 人人都是产品经理 2015年9月28日 数据分析 优衣没有裤,数据盘点优衣库事件 1.2K 爱运营 2015年7月16日 小红书运营 小红书数据分析!3分钟读懂小红书流量大盘(二)达人篇 637 小红书那些事 2021年9月22日 网站运营 如何通过数据分析解决精细化运营…. 1.2K 爱运营 2017年3月28日 增长黑客 数据分析入门:如何做好用户增长项目中的数据分析 2.1K 爱运营 2019年11月12日 杂项 在互联网产品或运营面试中怎样体现数据分析能力 1.1K 爱运营 2015年12月2日 数据分析 35个常用的分析方法及模型 1.9K 爱运营 2021年11月25日 微信运营 微信公众号背后有怎样的数据支撑 136 爱运营 2022年5月11日 APP营销 App数据分析的目的及运营该关注那些数据 1.3K 鸟哥笔记 2015年9月8日 发表回复 请登录后评论...登录后才能评论 提交