excel数据分析方法五种 5种常用的分析方法

导读：

数据分析师的核心技能是什么？若有人建议你去学习R语言、Tableau、PowerBI等工具，我建议你不如先从最基础且核心的数据分析方起。在一个年销售规模不超过十亿的电商公司中，掌握基础的数据分析方法并辅以Excel表格，便足以应对各种数据化运营工作。

本文将详细讲解日常数据分析中的三大核心方法。虽然内容简单，但其中却蕴含了丰富的实用技巧。

对比，是所有数据分析方法中最基础且常见的一种。俗话说，“无对比，不分析”，指的就是对比分析法。

在实际分析场景中，对比具有多种应用维度。如环比、同比、横比、纵比、绝对值对比及相对值对比等。接下来，我们将逐一解释这些对比的应用场景。

一、绝对值对比与相对值对比

从概念上讲，绝对值包括正数、负数和零值。在电商数据分析中，一般指的是正数之间的对比，如销售额、退货额等；而相对值对比，则是指转化率、完成率等这类相对数之间的对比。

二、环比与同比

环比是统计周期内数据与上期数据的比较，例如2017年6月与2017年5月的数据比较。在电商数据分析中，由于每月销售数据差异较大，采用绝对指标难以观察业务变化，因此常采用相对指标进行环比分析。

例如，若2017年6月的销售达标率为102%，而5月为96%，通过环比分析可轻易判断6月份的销售表现较5月份有所提高。

同比则是统计周期内数据与去年同期数据的比较，如2017年6月销售额与2016年6月销售额的对比。同比分析能帮助我们判断店铺的运营能力在过去一年中是保持增长还是下滑趋势。

三、横向对比与纵向对比

横向对比与纵向对比是空间与时间两个不同维度之间的对比。其中，横向对比指同类型不同对象在统一标准下的数据对比，常用于“本店”与“竞品”之间的对比；而纵向对比则是同一对象在不同时间轴上的对比，如前述的环比和同比均属于纵向对比。

四、份额分析

份额分析是横向对比的一种特殊形式，常被忽略但在实际分析场景中具有重要意义。在某些情况下，加入“份额”数据能使数据表格更加清晰明了。例如，在分析“某品牌天猫、京东、唯品会三大渠道的上衣、下衣、连衣裙和其他产品销售趋势和表现”时，通过加入份额分析，我们可以更直观地掌握每个销售类别在不同渠道和不同时期的销售趋势。

五、细分分析法

细分分析法是一种从概念上理解容易但实际应用起来较难的分析方法。它常用于为分析对象找到更深层次的问题根源。在电商数据分析中，选择正确的“细分”方法至关重要，因为不同的“细分”思路可能导致分析结果大相径庭。

1. 分类分析

分类分析是对所有需要被分析的数据单元按照某种标准进行分类，再使用汇总或对比的方法进行分析。在服装行业，常用的分类标签包括“类目”、“价格带”、“折扣带”、“年份”和“季节”等。通过这些标签的细分，我们可以轻松了解商品的库存情况和店铺的盈利情况。

2. 人-货-场分析

“人-货-场”是一种宏观视野的分析方法。在实际应用场景中，我们首先为分析对象打上“人”、“货”、“场”的标签，然后进行相应的数据分析与处理。这种方法常被用于初步诊断某一竞品店铺的情况。

3. 杜邦分析法在电商中的应用

杜邦分析法是一种财务分析方法，但在电商数据分析中，它常被用于寻找销售变化的细小因素。通过杜邦分析的原理，我们可以将所有影响到销售额的量化指标都统计出来，从而从细小的数据颗粒中找到影响销售变化的元素。

六、转化分析

转化分析是电商、游戏等互联网行业的特定分析方法，主要用于页面跳转分析和用户流失分析等业务场景。它以漏斗模型的形式展现从某个转化路径开始到结束的各节点数据，帮助我们洞察转化过程中的问题所在。例如在大促活动期间，我们可以通过转化分析来诊断活动页面的流量转化效果如何。