如何用數據做銷售分析銷售數據分析的常用方法 _銷售數據分析的常用方法

文章插圖

文章插圖
今天繼續給大家介紹結構思維、演繹推理思維、歸納總結思維和相關思維。

結構思維
很多人在分析的時候沒有思路，不知道從何下手，這就是缺少結構化思維的表現
不如我們就直接看一下下面這個例子，看看大家是否具有結構化思維：
一家線下零售企業最近某個產品的銷售額下降了，讓你找一下造成銷售額下降的原因是什么。
我們看一下甲乙兩個人的分析思路是什么？
甲：
【如何用數據做銷售分析銷售數據分析的常用方法】先從時間維度上進行分析，看看銷售額的下降是突然下降，還是持續性下降；然后再以門店為維度，看一下是不是因為地理位置的原因造成了下降；除此之外，還要對比一下橫向的競爭對手，可以去問一些銷售人員他們掌握的情況；對了，還有活動，有可能是因為活動造成的銷售額下降。
非常混亂對不對？
這是因為我們在思考問題的時候，習慣用點對點的方式，想到一點就是一點
也就是說是亂打槍，也許有可能你可以憑借著經驗找到原因
但是大多數情況下，你很難找到完全窮盡的原因，也就是為什么你的數據分析總是沒思路

乙：
我們要分析的問題是銷售額下降，一般來說會有內部和外部兩個方面的原因內部就是自身的一些原因造成了下降，外部原因是不受我們控制的不可抗力因素內部原因我們可以參照5w2h里的幾個因素，when、why、who、how等外部因素包括市場競爭、市場容量、政策等
知道了這些關鍵因素，我們再繼續進行拆解，就能找出所有的可能原因

這樣分析是不是感覺清晰了許多？
結構化思維方法是怎么處理這個問題呢？在面對這么一個問題時，結構化思維方法首先做的并不是立刻著手清洗數據。
而是根據對業務的理解，先為數據分析畫一個思維導圖，它的作用相當于你來到一個陌生的城市拿出百度地圖查詢乘坐交通工具到入住的酒店的路線圖。
這個思維導圖就是一個知道你到達目的地的路線圖。
事實上，結構化思維就是由麥肯錫提出的著名的“金字塔思維”，如下圖就是典型的結構化：

無論是作為表達者、或者是信息接受者，都要先建立起符合金字塔結構的框架，然后按照邏輯、順序等進行重點內容闡述
而關于金字塔結構，我理解的關鍵核心就是“主要-重要-次要”
其中的“主要”就是明確中心思想，對此書中提出了4種要求：“結論先行、以上統下、歸類分組、邏輯遞進”，這也是金字塔原理的四個原則
其中的“重要”就是在建立金字塔結構時，一定要遵守先重要后次要、先全局后細節、先結論后原因、先結果后過程的原則進行內容安排
最后的“次要”就是要把無關的、邏輯性差的、相關性低的因素和內容篩選出去
更詳細來講就是：
結論先行：中心思維要放在最前面以上統下：上一層一定要是對下一層內容的總結歸類分組：每組的思想要屬于同一邏輯范圍邏輯推進：每組的順序要按照一定的邏輯關系
歸納與演繹
首先什么是歸納和推理？我直接簡單舉個例子就行了：
歸納：樹能燃燒、紙能燃燒、筷子能燃燒，所以木制品能夠燃燒
推理：木制品能夠燃燒，筷子屬于木制品，所以筷子能夠燃燒。

很顯然，歸納是從個體屬性出發，尋找因子之間的共性，總結出一個一般的特性
而演繹則相反，是從一般整體出發，尋找事物之間的邏輯，從而得到某個個體的特性
在實際的業務分析場景中，我們會潛移默化的用到演繹和歸納思維，比如說演繹法，我們最常見的就是三段論：大前提、小前提和結論。

但是演繹法要注意避免一個大誤區：比如“最近公司利潤率下降，是因為成本過高，所以我們要降低大家的薪資。”
首先這個論斷是基于演繹法的三段論，每一段論之間的邏輯關系都是正確的，利潤率確實與成本過高有關，而成本自然也包括人力薪資的成本，看似好像邏輯緊密，但如果這個論斷是真的，可能每個公司都會用這個理由裁員降薪了
問題出在哪呢？
明明每一段輪之間的關系都是有邏輯的，問題就出在大前提和小前提之間的論證是否真的有說服力
比如說公司的利潤率是否僅僅是因為成本過高？這是大前提的論證
成本過高是否只能降低大家的薪資？這是小前提的論證
很顯然，這兩個前提的論證過程是不嚴密的，因此會出現邏輯上的不通。

那么歸納法就比較簡單了，歸納法是從結果出發，尋找原因，通過觀察對比、分析，找到事物之間因果關系的一種方法
同樣的，歸納法也要注意一個誤區：黑天鵝事件。
農場主每天早上7點準時到雞場里喂雞，久而久之火雞們都得出了一個結論就是農場主每天7點都會來喂雞，但是圣誕節這天等到火雞們的卻是一把刀。

這就是歸納法的一個致命誤區，也就是以偏概全，我們無法阻止黑天鵝事件的發生
相關思維
在大數據時代，核心就是相關思維，這種思維是建立在相關分析的基礎上。
啤酒與尿布的故事，是一個相關分析的經典案例。

這個故事產生于20世紀90年代的美國沃爾瑪超市中，當時沃爾瑪擁有世界上最大的數據倉庫系統
為了能夠準確了解顧客在其門店的購買習慣，沃爾瑪對其顧客的購物行為進行購物籃分析，想知道顧客經常一起購買的商品有哪些
沃爾瑪利用數據挖掘方法對這些數據進行分析和挖掘，一個意外的發現是：
跟尿布一起購買最多的商品竟是啤酒
經過大量實際調查和分析，揭示了一個隱藏在「尿布與啤酒」背后的美國人的一種行為模式：
在美國，一些年輕的父親下班后經常要到超市去買嬰兒尿布，而他們中有30%～40%的人同時也為自己買一些啤酒
產生這一現象的原因是：美國的太太們常叮囑她們的丈夫下班后為小孩買尿布，而丈夫們在買尿布后又隨手帶回了他們喜歡的啤酒。
舉個簡單例子，一般來說女性去超市買的東西是化妝品、服裝、時蔬等等，而男性去超市買的東西大多是日用品，所以超市里會設置女性專柜和男性專柜，通過簡單的客戶分群實現商品分類。

如何用數據做銷售分析 銷售數據分析的常用方法

如何用數據做銷售分析銷售數據分析的常用方法