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 如何用数据分析实现高效运营(一) 2.4K 爱运营 2018年6月1日 数据分析 如何通过数据分析实现用户增长?【案例分享】 1.7K 爱运营 2021年9月1日 网站运营 运营人员如何从统计学角度完成专业的数据分析 1.5K 爱运营 2015年8月28日 产品经理 不懂数据分析还好意思叫产品经理? 887 爱运营 2016年5月5日 数据分析 数据分析必备思维之:逻辑思维 1.0K 爱运营 2023年6月8日 数据分析 数据分析中,你认为用户行为分析最重要的3个点是什么? 1.8K 爱运营 2020年12月8日 数据分析 数据分析常见业务指标 955 爱运营 2023年5月29日 数据分析 如何做竞品的数据分析 | 推荐收藏 2.0K 爱运营 2022年3月18日 产品运营 产品运营中的数据分析该怎么做? 1.4K 鸟哥笔记 2015年9月17日 数据分析 数据分析真的能驱动用户快速增长么? 1.2K 爱运营 2016年8月5日 数据分析 TalkingData于洋:在移动端时代你不能不掌握的数据分析策略 1.0K 鸟哥笔记 2015年11月11日 数据分析 酷传:2015年8月电影APP数据分析 1.3K 199it 2015年9月25日 微信运营 公众号掉粉不断,找不到运营思路?数据分析帮你找出问题所在 3.3K 爱运营 2018年9月21日 APP营销 App Store需要分析哪些数据 955 鸟哥笔记 2015年10月28日 运营 36个顶级数据分析方法与模型 2.4K 爱运营 2022年11月8日 B2B运营 TOB用户运营之数据分析 518 cici手记 2024年6月4日 数据分析 极简数据分析法:3个步骤+3个模型 1.5K 爱运营 2017年6月8日 微信运营 微信公众号背后有怎样的数据支撑 138 爱运营 2022年5月11日 产品推荐 DEBORAH YEH:用“数字战术”带领丝芙兰登顶 1.3K 数据观 2018年7月12日 运营基础 运营都会写分析报告了!数据分析该怎么办? 1.3K 爱运营 2021年5月5日 数据分析 64个数据分析常用语 1.8K 爱运营 2022年1月29日 职场 20个Excel操作技巧,提高你的数据分析效率 877 爱运营 2019年7月8日 数据分析 DAU是啥,数据指标是啥?必知必会的数据分析常识 2.8K 爱运营 2021年2月7日 数据分析 如何让数据分析在内容运营中发挥作用? 2.3K 爱运营 2020年10月6日 发表回复 请登录后评论...登录后才能评论 提交