要使各種結(jié)構(gòu)化的、非結(jié)構(gòu)化的、海量的數(shù)據(jù)實(shí)現(xiàn)標(biāo)準(zhǔn)化、信息化，能夠提供業(yè)務(wù)績效評估、業(yè)務(wù)決策支持等要求，我們首先需要進(jìn)行數(shù)據(jù)分析。這里筆者整理出了一套針對不同數(shù)據(jù)分析對象所采用的6大類分析方法，每類里面包含各種小方法。常見的六大類分析方法主要包含:分解主體分析、鉆取分析、常規(guī)比較分析、大型管理模型分析、財(cái)務(wù)和因子分析、專題大數(shù)據(jù)分析。詳見下圖：

圖1 六大類分析方法

所謂分解主題分析，是指對于不同分析要求，我們可以初步分為營銷主題、財(cái)務(wù)主題、靈活主題等，然后將這些大的主題逐步拆解為不同小的方面來進(jìn)行分析。

針對銷售業(yè)務(wù)的分析，可以分解為客戶分析、品類分析、區(qū)域分析、消費(fèi)頻率、價(jià)值鏈分析、促銷、渠道、經(jīng)銷商、門店分析、同比環(huán)比、社交大數(shù)據(jù)分析、行業(yè)市場分析、行業(yè)景氣指數(shù)的分析、市場占有率分析等。例如營銷主題單店分析可以分解為以下不同方面來分析，見下圖：

圖2 門店?duì)I銷分析分解

針對財(cái)務(wù)業(yè)務(wù)的分析，可以分解為成本費(fèi)用分析、利潤、歷史對比、財(cái)務(wù)法定報(bào)告及分析、資本性支出分析、財(cái)務(wù)預(yù)算分析、營銷投入產(chǎn)出效率分析、會計(jì)核算分析、企業(yè)合并分析、償債能力分析、盈利能力分析、經(jīng)營現(xiàn)金流量分析等。例如財(cái)物主題預(yù)算分析可以分解為以下不同方面來分析，見下圖：

圖3 財(cái)務(wù)預(yù)算分析分解

包括價(jià)格分析、靈活區(qū)域分析、貢獻(xiàn)度分析、供應(yīng)商管理分析、采購價(jià)格分析、采購返利分析、采購對標(biāo)分析、倉儲數(shù)量流分析、存貨分析、貨損/質(zhì)量分析、采購預(yù)測分析、產(chǎn)能分析、產(chǎn)量分析、EHS分析、價(jià)值鏈分析、供應(yīng)鏈分析、運(yùn)營成本分析、替代品分析及預(yù)測、銷售渠道分析、員工薪酬福利分析、銷售網(wǎng)點(diǎn)分析、招聘管理分析、培訓(xùn)管理分析、銷售預(yù)測分析、下游物流分析、員工成本分析、購買者分析、員工績效分析、終端退貨分析、售后服務(wù)質(zhì)量分析、人工競爭力分析等。例如靈活主題區(qū)域分析可以分解為以下不同區(qū)域時(shí)間來分析，見下圖示例：

圖4 某公司遭受網(wǎng)絡(luò)攻擊時(shí)間/區(qū)域分析示例

二鉆取分析

所謂鉆取分析，是指改變維的層次，變換分析的粒度。按照方向方式分為：向上和向下鉆取。向上鉆取是在某一維上將低層次的細(xì)節(jié)數(shù)據(jù)概括到高層次的匯總數(shù)據(jù)，或者減少維數(shù)；是自動生成匯總行的分析方法。向下鉆取是從匯總數(shù)據(jù)深入到細(xì)節(jié)數(shù)據(jù)進(jìn)行觀察或增加新維的分析方法。

按照鉆取的維度屬性劃分，可以分為按組織樹鉆取、按品類樹鉆取、按其他維度鉆取。通過鉆取的功能，使用戶對數(shù)據(jù)能更深入了解，更容易發(fā)現(xiàn)問題，做出正確的決策。

組織樹可以按職能結(jié)構(gòu)、層次結(jié)構(gòu)、部門結(jié)構(gòu)、職權(quán)結(jié)構(gòu)來建立。要了解與職權(quán)相聯(lián)系的業(yè)務(wù)情況，了解了職權(quán)的組織樹就可以進(jìn)行鉆取分析，要了解部門銷售業(yè)績情況，可以按部門鉆取分析等。某大型集團(tuán)組織樹結(jié)構(gòu)見下圖：

圖5 某大型集團(tuán)組織機(jī)構(gòu)圖

所謂品類樹就是指依據(jù)產(chǎn)品的特點(diǎn)，劃分為的大、中、小分類結(jié)構(gòu)。品類樹是品類差異化的基礎(chǔ)，必須結(jié)合經(jīng)營管理的實(shí)際情況進(jìn)行落地。例如要了解與物料大中小類相關(guān)的業(yè)務(wù)情況，可以按品類樹鉆取分析等。某大型集團(tuán)物料品類樹見下圖示例：

圖6 某大型集團(tuán)物料品類樹示例

例如對于各地區(qū)各年度的銷售情況，可以生成地區(qū)與年度的合計(jì)行(向上鉆取)。例如，用戶分析“各地區(qū)、城市的銷售情況”時(shí)，可以對某一個(gè)城市的銷售額細(xì)分為各個(gè)年度的銷售額，對某一年度的銷售額，可以繼續(xù)細(xì)分為各個(gè)季度的銷售額(向下鉆取)。

所謂常規(guī)比較分析，是指一般比較常見的對比分析方法，例如有時(shí)間趨勢分析、構(gòu)成分析、同類比較分析、多指標(biāo)分析、相關(guān)性分析、分組分析、象限分析等。

所謂時(shí)間趨勢分析是指將某種現(xiàn)象某一個(gè)統(tǒng)計(jì)指標(biāo)在不同時(shí)間上的各個(gè)數(shù)值，按時(shí)間先后順序排列而形成的序列。它是一種定量預(yù)測方法，亦稱簡單外延方法，在統(tǒng)計(jì)學(xué)中作為一種常用的預(yù)測手段被廣泛應(yīng)用。例如，記錄了某地區(qū)第一個(gè)月，第二個(gè)月，…，第N個(gè)月的降雨量，利用時(shí)間趨勢分析方法，可以對未來各月的雨量進(jìn)行預(yù)報(bào)。見下圖示例：

圖7 某地未來各月月降水量預(yù)測

在統(tǒng)計(jì)分組的基礎(chǔ)上計(jì)算結(jié)構(gòu)指標(biāo)，來反映被研究總體構(gòu)成情況的方法。應(yīng)用構(gòu)成分析法，可從不同角度研究投資構(gòu)成及其變動趨勢，觀察投資構(gòu)成與產(chǎn)業(yè)結(jié)構(gòu)、社會需要構(gòu)成的適應(yīng)關(guān)系，可以揭示事物由量變到質(zhì)變的具體過程。 例如要了解某公司各季度銷售收入情況，可以使用構(gòu)成分析，見下圖示例：

圖8 某公司各季度銷售情況概覽

在同類事物之間通過比較分析揭示其相異點(diǎn)而產(chǎn)生新認(rèn)識的方法。在實(shí)際研究中人們經(jīng)常會遇到一些表面上相同但實(shí)際上并不同的現(xiàn)象，如果對這些現(xiàn)象不仔細(xì)地進(jìn)行比較研究，就有可能以假當(dāng)真，或以真當(dāng)假。因此，在分析研究中對新發(fā)現(xiàn)的現(xiàn)象不要輕易地歸類，應(yīng)該認(rèn)真地反復(fù)進(jìn)行比較研究，尤其對那些小的差異點(diǎn)，更不能放過。同類比較分析經(jīng)常應(yīng)用到與競爭對手分析中，例如食品行業(yè)同一類食品的銷量比較，鞋服行業(yè)同一類型鞋子的對比分析等。

為統(tǒng)計(jì)方法的一種，包含了許多的方法，最基本的為單指標(biāo)，再延伸出來的多指標(biāo)分析。統(tǒng)計(jì)資料中有多個(gè)指標(biāo)同時(shí)存在時(shí)的統(tǒng)計(jì)分析，是統(tǒng)計(jì)學(xué)的重要分支，是單指標(biāo)統(tǒng)計(jì)的發(fā)展。 例如某公司經(jīng)營綜合情況就可以使用多指標(biāo)分析，見下圖示例：

圖9 某公司經(jīng)營綜合情況分析

指對兩個(gè)或多個(gè)具備相關(guān)性的變量元素進(jìn)行分析，從而衡量兩個(gè)變量因素的相關(guān)密切程度。相關(guān)性的元素之間需要存在一定的聯(lián)系或者概率才可以進(jìn)行相關(guān)性分析。例如某年對國內(nèi)各城市人均GDP與商品住宅成交均價(jià)的相關(guān)性分析，見下圖示例：

圖10 各城市人均GDP與商品住宅成交均價(jià)相關(guān)分析

指將客體（問卷、特征、現(xiàn)實(shí)）按研究要求進(jìn)行分類編組，使得同組客體之間的差別小于各種客體之間的差別，進(jìn)而進(jìn)行分析研究的方法。其特點(diǎn)在于不依賴于原始資料分布的正常性假設(shè)，可以按任意規(guī)律分布，在分析既包括數(shù)量資料，又包括質(zhì)量資料的混合資料時(shí)尤為重要。例如某公司上半年每月銷量與收入情況分析，見下圖示例：

圖11 某公司上半年每月銷量與收入情況分析

所謂象限分析是時(shí)間管理理論的一個(gè)重要觀念是重點(diǎn)地把主要的精力和時(shí)間集中地放在處理那些重要但不緊急的工作上，這樣可以做到未雨綢繆，防患于未然。在人們的日常工作中，很多時(shí)候往往有機(jī)會去很好地計(jì)劃和完成一件事。但常常卻又沒有及時(shí)地去做，隨著時(shí)間的推移，造成工作質(zhì)量的下降。因此，應(yīng)把主要的精力有重點(diǎn)地放在重要但不緊急這個(gè)“象限”的事務(wù)上是必要的。要把精力主要放在重要但不緊急的事務(wù)處理上，需要很好地安排時(shí)間。一個(gè)好的方法是建立預(yù)約。建立了預(yù)約，自己的時(shí)間才不會被別人所占據(jù)，從而有效地開展工作。在數(shù)據(jù)處理工作中，將事情按照緊急、不緊急、重要、不重要的排列組合分成四個(gè)象限，從而有效地開展工作的方法。詳見下圖：

圖12 象限分析示例

所謂大型管理模型分析，是指依據(jù)各種成熟的、經(jīng)過實(shí)踐論證的大型管理模型對問題進(jìn)行分析的方法。這些管理模型有的是由高校研究機(jī)構(gòu)建立的,也有一部分是由大企業(yè)或者管理咨詢機(jī)構(gòu)建立的,它們在長時(shí)間的企業(yè)管理理論研究和實(shí)踐過程中,將企業(yè)經(jīng)營管理中一些經(jīng)典的相關(guān)關(guān)系以一個(gè)固定模型的方式描述出來,揭示企業(yè)系統(tǒng)內(nèi)部很多本質(zhì)性的關(guān)系,供企業(yè)用來分析自己的經(jīng)營管理狀況，針對企業(yè)管理出現(xiàn)的不同問題,能采用最行之有效的模型分析往往可以事半功倍。比較常見的大型管理模型分析包括RCV模型、阿米巴經(jīng)營、品類管理分析等。

以資源(R)、能力(C)、價(jià)值(V)3個(gè)方面建立的價(jià)值鏈分析體系。例如要了解某大型制造企業(yè)，從供應(yīng)商采購到物流中心到干線運(yùn)輸以及門店的一系列情況，我們可以通過分析人員數(shù)量，設(shè)備成本，備選供應(yīng)商總量，活躍供應(yīng)商數(shù)量，采購量，新品導(dǎo)入量等來了解供應(yīng)商采購這一環(huán)節(jié)情況；從交易面積，建筑成本，收貨能力，收貨量，周轉(zhuǎn)量等來了解物流中心這一環(huán)節(jié)的情況；從車輛數(shù)量和總噸位，用油量，運(yùn)輸能力，運(yùn)輸量等來了解干線運(yùn)輸這一環(huán)節(jié)的情況；從門店數(shù)量，經(jīng)營面積，房租成本，流量，成交量，銷售收入等來了解門店這一環(huán)節(jié)的情況。

圖13 RVC分析應(yīng)用示例

將整個(gè)公司分割成許多個(gè)被稱為阿米巴的小型組織，每個(gè)小型組織都作為一個(gè)獨(dú)立的利潤中心，按照小企業(yè)、小商店的方式進(jìn)行獨(dú)立經(jīng)營。這種分割整體逐步細(xì)化的思想也適用于數(shù)據(jù)分析。同時(shí)對產(chǎn)品生命周期的分析我們可以參照一下產(chǎn)品線阿米巴，見下圖。

圖14 產(chǎn)品線阿米巴-產(chǎn)品生命周期

公司根據(jù)產(chǎn)品品類來進(jìn)行的品牌管理，它包括高效的產(chǎn)品組合、貨架管理、定價(jià)與促銷、補(bǔ)貨及新品引進(jìn)等。例如通過品類管理我們可以分析哪些品類最受消費(fèi)者喜愛，某品類購買的消費(fèi)者是哪些人，消費(fèi)者用什么方式購買，消費(fèi)者喜歡在哪里購買等等。在品類管理的過程中我們需要分析了解這些方面，詳見下圖：

圖15 企業(yè)通過品類管理實(shí)現(xiàn)其目標(biāo)示例

所謂財(cái)務(wù)和因子分析，主要是指因子分析法在財(cái)務(wù)信息分析上的廣泛應(yīng)用。因子分析的概念起源于20世紀(jì)初的關(guān)于智力測試的統(tǒng)計(jì)分析，以最少的信息丟失為前提，將眾多的原有變量綜合成較少的幾個(gè)綜合指標(biāo)，既能大大減少參與數(shù)據(jù)建模的變量個(gè)數(shù)，同時(shí)也不會造成信息的大量丟失，達(dá)到有效的降維。比較常用的財(cái)務(wù)和因子分析法有杜邦分析法、EVA分析、財(cái)務(wù)指標(biāo)、財(cái)務(wù)比率、坪效公式、品類公式、流量公式等。

利用幾種主要的財(cái)務(wù)比率之間的關(guān)系來綜合地分析企業(yè)的財(cái)務(wù)狀況。具體來說，它是一種用來評價(jià)公司贏利能力和股東權(quán)益回報(bào)水平，從財(cái)務(wù)角度評價(jià)企業(yè)績效的一種經(jīng)典方法。其基本思想是將企業(yè)凈資產(chǎn)收益率逐級分解為多項(xiàng)財(cái)務(wù)比率乘積，這樣有助于深入分析比較企業(yè)經(jīng)營業(yè)績。見下圖示例：

圖16 杜邦分析法算凈資產(chǎn)收益率

是指總結(jié)和評價(jià)企業(yè)財(cái)務(wù)狀況與經(jīng)營成果的分析指標(biāo)，包括償債能力指標(biāo)、運(yùn)營能力指標(biāo)、盈利能力指標(biāo)和發(fā)展能力指標(biāo)。對企業(yè)財(cái)務(wù)報(bào)表進(jìn)行分析與評價(jià)通常是由報(bào)表分析者來完成的。如下圖所示，常見財(cái)務(wù)指標(biāo)分析項(xiàng)目內(nèi)容：

圖17 常見財(cái)務(wù)指標(biāo)分析具體內(nèi)容示例

根據(jù)同一時(shí)期財(cái)務(wù)報(bào)表中兩個(gè)或多個(gè)項(xiàng)目之間的關(guān)系，計(jì)算其比率，以評價(jià)企業(yè)的財(cái)務(wù)狀況和經(jīng)營成果。財(cái)務(wù)比率可以評價(jià)某項(xiàng)投資在各年之間收益的變化，也可以在某一時(shí)點(diǎn)比較某一行業(yè)的不同企業(yè)。財(cái)務(wù)比率分析可以消除規(guī)模的影響，用來比較不同企業(yè)的收益與風(fēng)險(xiǎn)，從而幫助投資者和債權(quán)人作出理智的決策。

EVA是經(jīng)濟(jì)增加值模型（Economic Value Added）的簡稱，是Stern Stewart咨詢公司開發(fā)的一種新型的價(jià)值分析工具和業(yè)績評價(jià)指標(biāo)，是基于剩余收益思想發(fā)展起來的新型價(jià)值模型。 EVA分析法具體公式：附加經(jīng)濟(jì)價(jià)值（EVA）=息前稅后利潤-資金總成本。

此外常見的還有坪效公式：總毛利（元/月）=平均坪效（元/坪/月）*面積（坪）*毛利率（%）； 品類公式：總毛利（元/月）= ∑單價(jià)(元/件)*單價(jià)體積(件/坪)*占坪(坪)*周轉(zhuǎn)率(次/月)*毛利率(%) ；流量公式：總毛利（元/月）=坪流量（次/坪/月）*面積（坪）*轉(zhuǎn)化率（%）*客單價(jià)（元/次）*毛利率（%）。

所謂專題大數(shù)據(jù)分析，是指對特定的一些規(guī)模巨大的數(shù)據(jù)進(jìn)行分析。大數(shù)據(jù)常用來描述和定義信息爆炸時(shí)代產(chǎn)生的海量數(shù)據(jù)，并命名與之相關(guān)的技術(shù)發(fā)展與創(chuàng)新。常見特征是數(shù)據(jù)量大、類型繁多、價(jià)值密度低、速度快、時(shí)效低。比較常見的專題大數(shù)據(jù)分析有：市場購物籃分析、重力模型、推薦算法、價(jià)格敏感度分析、客戶分組分析等分析方法。

通過購物籃/購物車所顯示的信息來研究顧客的購買行為。購物籃分析最出名的一個(gè)案例就是“啤酒與尿布”：20世紀(jì)90年代的美國沃爾瑪超市中，其管理人員分析銷售數(shù)據(jù)時(shí)發(fā)現(xiàn)在某些特定的情況下，“啤酒”與“尿布”兩件看上去毫無關(guān)系的商品會經(jīng)常出現(xiàn)在同一個(gè)購物籃中，經(jīng)過調(diào)查發(fā)現(xiàn)，原來在美國有嬰兒的家庭中，一般是母親在家中照看嬰兒，年輕的父親前去超市購買尿布。父親在購買尿布的同時(shí)，往往會順便為自己購買啤酒。隨后沃爾瑪開始在賣場嘗試將啤酒與尿布擺放在相同的區(qū)域，讓年輕的父親可以同時(shí)找到這兩件商品，并很快地完成購物；而沃爾瑪超市也可以讓這些客戶一次購買兩件商品、而不是一件，從而獲得了很好的商品銷售收入，這就是“啤酒與尿布”故事的由來。

圖18 購物籃分析之啤酒與尿布案例

應(yīng)用最多的一種“出行分布模型”。因表述形態(tài)與牛頓重力定律而得名。模型認(rèn)定兩區(qū)間內(nèi)的出行次數(shù)同出發(fā)區(qū)的出行產(chǎn)生數(shù)成正比，同兩區(qū)間的交通阻抗的某一乘方數(shù)成正比。

是計(jì)算機(jī)專業(yè)中的一種算法，通過一些數(shù)學(xué)算法，推測出用戶可能喜歡的東西，目前應(yīng)用推薦算法比較好的地方主要是網(wǎng)絡(luò)，其中淘寶做的比較好。所謂推薦算法就是利用用戶的一些行為，通過一些數(shù)學(xué)算法，推測出用戶可能喜歡的東西。

是指從眾多不確定性因素中找出對投資項(xiàng)目經(jīng)濟(jì)效益指標(biāo)有重要影響的敏感性因素，并分析、測算其對項(xiàng)目經(jīng)濟(jì)效益指標(biāo)的影響程度和敏感性程度，進(jìn)而判斷項(xiàng)目承受風(fēng)險(xiǎn)能力的一種不確定性分析方法。見下圖：

圖19 敏感性分析示例

根據(jù)用戶的屬性數(shù)據(jù)分析，對用戶進(jìn)行了分組歸類來分析。它其實(shí)就是常規(guī)比較分析里面的分組分析，不過主要針對的是客戶群體。例如某年對小鎮(zhèn)青年與都市青年最喜愛的購物APP分組分析得出的結(jié)論如下圖：

圖20 小鎮(zhèn)青年&都市青年最喜歡的購物APP類型