如何数据分析,数据分析模型20种( 四 )


下图为税负率指标 , 当综合税负率过高 , 可以实现提示和预警 。
下图为重要指标预警 , 重点监控项目的毛利率 。

如何自学数据分析 数据分析有:分类分析 , 矩阵分析 , 漏斗分析 , 相关分析 , 逻辑树分析 , 趋势分析 , 行为轨迹分析 , 等等 。 我用HR的工作来举例 , 说明上面这些分析要怎么做 , 才能得出洞见 。
01) 分类分析
比如分成不同部门、不同岗位层级、不同年龄段 , 来分析人才流失率 。 比如发现某个部门流失率特别高 , 那么就可以去分析 。
02) 矩阵分析
比如公司有价值观和能力的考核 , 那么可以把考核结果做出矩阵图 , 能力强价值匹配的员工、能力强价值不匹配的员工、能力弱价值匹配的员工、能力弱价值不匹配的员工各占多少比例 , 从而发现公司的人才健康度 。
03) 漏斗分析
比如记录招聘数据 , 投递简历、通过初筛、通过一面、通过二面、通过终面、接下Offer、成功入职、通过试用期 , 这就是一个完整的招聘漏斗 , 从数据中 , 可以看到哪个环节还可以优化 。
04) 相关分析
比如公司各个分店的人才流失率差异较大 , 那么可以把各个分店的员工流失率 , 跟分店的一些特性(地理位置、薪酬水平、福利水平、员工年龄、管理人员年龄等)要素进行相关性分析 , 找到最能够挽留员工的关键因素 。
05) 逻辑树分析
比如近期发现员工的满意度有所降低 , 那么就进行拆解 , 满意度跟薪酬、福利、职业发展、工作氛围有关 , 然后薪酬分为基本薪资和奖金 , 这样层层拆解 , 找出满意度各个影响因素里面的变化因素 , 从而得出洞见 。
06) 趋势分析
比如人才流失率过去12个月的变化趋势 。
07)行为轨迹分析
比如跟踪一个销售人员的行为轨迹 , 从入职、到开始产生业绩、到业绩快速增长、到疲惫期、到逐渐稳定 。
通过面向企业业务场景提供一站式大数据分析解决方案 , 能够为企业在增收益、降成本、提效率、控成本等四个角度带来价值贡献 。
1、增收益
最直观的应用 , 即利用数据分析实现数字化精准营销 。 通过深度分析用户购买行为、消费习惯等 , 刻画用户画像 , 将数据分析结果转化为可操作执行的客户管理策略 , 以最佳的方式触及更多的客户 , 以实现销售收入的增长 。
下图为推广收支测算分析 , 为广告投放提供决策依据 。
下图为渠道销量分析 , 为渠道支持提供数据支撑 。
2、降成本

例如通过数据分析实现对财务和人力的管理 , 从而控制各项成本、费用的支出 , 实现降低成本的作用 。
下图为生产成本分析 , 了解成本构成情况 。
下图为期间费用预实对比分析 , 把控费用情况 。
3、提效率
每个企业都会出具相关报表 , 利用数据分析工具 , 不懂技术的业务人员也能够通过简单的拖拉拽实现敏捷自助分析 , 无需业务人员提需求、IT人员做报表 , 大大提高报表的及时性 , 提高了报表的使用效率 。
通过数据分析工具 , 能够在PC端展示 , 也支持移动看板 , 随时随地透视经营 , 提高决策效率 。
4、控风险
预算是否超支?债务是否逾期?是否缺货了、断货了?客户的回款率怎么样?设备的运行是否正常?哪种产品是否需要加速生产以实现产销平衡?...其实 , 几乎每个企业都会遇到各种各样的风险问题 。 通过数据分析 , 能够帮助企业进行实时监测 , 对偏离了预算的部分、对偏离了正常范围的数值能够进行主动预警 , 降低企业风险 。

推荐阅读