两大思维开启你的数据分析之路（订单分析篇）

各位小伙伴，大家好。我是5颜6色的世界。

今天来补发一篇文章。

早在春节前，知识星球小群内组织了一次年终分享交流会，短达2天11个小时的分享里，大家热情高涨，各自分享了自己的介绍，特长，成长和愿望。日产消息数千条，红包轮炸持续四五日。不亦乐乎。

分享内容涵盖了沟通、业务、设计、规划、运营、心得、谷歌搜索、工具网站及数据接口等多方面的内容，大家各抒己见，相互结识。非常感谢各位小伙伴的时间和分享。

2月9号，原本拟定四个小时的轮番分享，紧紧凑凑的拖延至6个小时，结束时已经到后半夜，导致有些小伙伴没有赶上一次性的直播演示。今天来以文字的形式重新分享下。其他小伙伴分享的干货内容不便公开，这里只写一下我个人分享的主题：订单分析。

在正式分享前，我们先简述了数据分析的两种思维。这两种数据分析思维，是我个人常用的，也相信它能够帮助更多的小伙伴开始数据分析之路，在混乱的数据中找出方向，也在茫茫数据中，沉淀出无穷的思路。

先来说第一个，当我们想要解决一个问题时，或者有一个数据分析的需求时，我们可以先按照要解决的问题来罗列所需数据。先不去管这些数据是否存在，只看我们是否需要。然后再去尝试寻找这些数据。即先按需求结构摆放数据。

比如，我们要分析客户的行为价值，可以优先思考哪些指标是与客户价值有关的。在国际站118篇基础大纲中，提到了客户管理常用的RFM分析。即消费者的购买频次、购买金额和最近一次的购买时间。这三个指标在一定程度上反映着客户的质量和价值。

到这里，我们就容易有了一个可以分析的数据结构。如图所示。

（按需要分析的内容主观罗列数据结构）

当我们确定了需要这样子的数据结构，接下来就是思考从哪里可以获取到这些数据，通过观察后台下载的订单数据，我们是很容易得到这些数据的。接下来就是实操提取数据。

第一步是罗列客户信息。罗列客户信息时，我们首先想到的就是以姓名作为客户的标识，这是潜意识的行为。而转念一想，当客户姓名重名时，则可能导致数据混乱，不利于分析的准确性。所以我们需要一个可以唯一标识客户信息且不重复的指标，即客户邮箱。因为每一个客户的邮箱都是独一无二的，可以用来作为客户的id标识。

紧接着就是采购时间、采购频次和采购金额的提取。先来找采购时间，通过观察数据特征，每一笔订单都有采购时间，我们不需要额外提炼，可以直接使用它。

接下来是提取采购金额，如下图所示，通过观察数据，可以发现，在下载的订单数据中，已经包含了采购金额数据。但是同一笔订单，如果有多种商品，则会生成多条数据。且每一条数据中，都会出现一次订单总金额。所以，为了计算过程中数据不重复，我们需要对数据进行去重处理。

（数据处理过程中的数据观察）

单独复制一份数据，点击数据选项卡下的删除重复值按钮，在弹出的窗口中，选择按订单编号进行去重。单击确定，即可删除重复的订单编号，只保留其中一条订单数据。数据中含有本次订单的成交金额。

（数据处理过程中的去重处理）

到此，采购时间数据，采购金额数据我们就提取出来了。接下来就是思考如何获取采购的频次。有了这些订单数据。我们只需要按照邮箱，也就是客户的唯一标识，对订单数进行计数统计，就可以知晓每一个客户采购了多少笔订单，即为总采购次数，分析某一段时间的采购频次，也很容易同步推倒出来。

到这里，不论是采购时间，采购频次还是采购金额。我们都已经知晓，只需要通过简单的数据透视即可完成此类数据结构的陈列。这里需要注意的是，我们导出的订单数据，是所有订单的数据。其中包含未支付的订单。所以在制作和分析数据时，我们需要在透视表中，额外添加一个筛选功能，只筛选出交易成功类型的订单，然后再对其进行数据统计和求和。详见模板。

如图所示，对客户的采购次数、采购金额进行排序。即可筛选出高价值的客户类型。对不同类型的客户进行分组。即可完成客户的针对性营销和管理。（Excel表格使用问题，可在各自的交流群内讨论交流，不做展开。详见模板。）

（数据处理过程生成数据透视表）

双击透视表值字段数据，亦可进入对应客户全部的订单详情。我们可以对重点客户的采购时间频次进行分析。总结其规律，并试图询问客户了解更深入的情况，来为客户制定帮助计划。

如果一段时间有老客户尚未返单，则可主动跟进，防止重点客户流失。订单分析可以在一定程度上，加强和加速对客户的管理和营销。防止业务员由于工作繁杂而遗漏掉重要客户的跟进维护工作，导致客户逐步流失。

（双击透视表值字段进入对应的详细数据展示）

当然，我们还可以根据实际需求，罗列更多类型的数据结构来分析问题。然后去尝试获取这些数据并按所需数据结构进行陈列，用以分析和解决问题。

这种分析思维可分析的问题种类较多，且更贴近真实问题的解决，大家平时可以积累一些常用的分析模型框架，也可以根据需要自创一些模型框架。篇幅有限，不做过多的演示和讲述。

第二种常用的数据思维，是收集数据之后先看数据标签，都有什么数据，然后从中选取两个或多个指标进行关联，试图分析出有价值的东西。如图所示，罗列标签。

（罗列数据标签，组合标签挖掘数据价值）

在如图所示的数据标签中，我们可以根据需要任选标签进行组合分析。图中罗列了十几种较有分析价值的标签组合。当然，我们也可以罗列出更多种类更多维度的数据组合来做数据分析。

不过，我们通常并不需要将数据分析搞的异常复杂，最核心最具价值的数据分析往往是最朴素的数据组合。我们只要能够从中挖掘出影响最终产出的问题或方向即可。如下所示。

随着时间的推移，金额和单量的变化和趋势

（时间、单量和金额分析）

不同国家对不同产品的采购偏好分析

（不同国家采购产品偏好分析）

客户价值分析

（客户交易频次、采购内容多维分析）

以上简单罗列几种分析类型。因为篇幅有限，无法将图中的十几个分析类型一一演示讲述，但大体的分析和执行思路基本一致。有兴趣的小伙伴可以私下练习。关于Excel的使用技巧和使用过程中遇到的问题，也可以在各自所在的交流群内进行交流，不再展开赘述。

在做数据分析的过程中，我们往往会产生一些新的思路和玩法，或新奇或惆怅。同时也会发现一些小的问题。比如在上述分析过程，筛选订单状态时，关闭的纠纷订单和关闭的未支付订单，显示类型同为订单关闭，难以区分此单实际是否已经完成支付。分析产品销售情况时，随着标题的定期优化，会导致同一个产品实际上会有多个不同的标题。造成分析过程产生误差，甚至是错误。

这些都是数据分析的常态现象。当然我们也有一定的方法来规避和修正它。这里不展开误差修正的操作过程。因为能够导致数据分析出现问题的数据量占比极低，不影响实际的分析结果，暂且可以忽略它的存在。后续如有机会，会演示精进的数据分析过程。也欢迎擅长数据分析的小伙伴，一起交流。

在数据分析的过程中，经常有小伙伴很是苦恼，面对茫茫数据，无从下手。此文重点讲述了两种数据分析思维，希望可以帮助你打开数据分析的大门。不论何种情景，我们都可以静下心来，思考陈列所需的数据结构，亦或是罗列已有的数据标签，来尝试去分析问题，解决问题，挖掘数据的价值，不断积累商业分析模型。相信你会衍生出很多的思路，也会在数据分析的路上越走越远。

（如果你精通数据分析，擅长数据挖掘，有9成的可能性可以获取到任何想要的可见或不可见数据。有大量的实战经验，了解十种以上常用商业数据模型的分析制作，欢迎加入我们，一起组建一个最具专业的数据团体。人数不多，暂无付费开放，本着爱好聚集。欢迎擅长数据分析、数据挖掘清洗和具有分享精神的人一起成长。要求有成功的实战经验，精通数据处理手段，且需提供规划过程每一步必要的确定性依据，逻辑清晰，贴近商业底层，切实可行。共享思路，一起交流探索。）

来源：（5颜6色的世界）

以上内容属作者个人观点，不代表雨果跨境立场！本文经原作者授权转载，转载需经原作者授权同意。

（来源：5颜6色的世界）