2.3 常用的数据处理流程与工具

数据处理流程：数据采集 >> 数据清洗 >> 数据建模与可视化。

1）数据采集

从各个目标网站采集到需要的数据，采集常用的工具有：复制粘贴、爬虫软件（后羿采集器等）、RPA、SQL（从已有数据库中取数）。

2）数据清洗

拿到手的数据很可能不规范，会有各种各样的问题，此时需要对数据清洗。常见的清洗思路有：剔除重复值、处理空值等操作，具体的根据实际情况而定。如果数据量不大，使用Excel处理即可，需要学会常见的Excel函数、VLOOKUP函数以及数据透视表，基本上能解决大多数问题。

3）数据建模与可视化

根据业务模型搭建指标体系，并进行数据可视化，使用最基本的Excel处理即可。

注释：各类工具的使用，网上有很多教程，这里就不具体解释了，也可以参考我的另外一份作品* 高效信息搜集的若干方法与技巧*，里面有信息搜集的方法，同时还有后羿采集器使用的详细教程。

3、掌握「分析」的三大核心

3.1 操盘手一定要学会的三大分析方法

1）对比

数据如果我们不赋予它意义，那么它只能是一个孤零零的数字。所以，先弄清楚每一个数据背后所代表的含义。

其次，数据要有比较，要有参照物，比如和竞品做对比，比如说和历史同期做对比，再比如说不同板块的数据做对比。没有对比，就没有标准，就无法判断这个数据的表现是好还是不好。

这里也列举一下常见的对比基准线：

2）细分

当发现一个重要的数据指标有异常时，此时需要对这个指标进行细分，定位出具体的问题。

比如，销售额突然有一天下滑了非常多，那我们怎么去定位问题呢？核心是往下做细分，看看具体是哪一块出了问题。比如说，把它分成ABCD4个板块，在这个基础上判断是哪一个板块出现了异常，还是好几个板块都出现了异常。对问题进行更加聚焦的定位。如果定位是A板块出了问题，那么我们就可以对A板块继续往下做细分，一直细分到可以做运营动作的程度。

这个地方和大家提一下，往下做细分的逻辑一般有两种：加法和乘法。

• 总销售额 = 华北区销售额 + 华东区销售额 + 西南区销售额 + ... +
• 总销售额 = 流量 * 转化率 * 客单价 * （ 1- 退款率）

3）溯源

溯源有两层含义。

1）回到数据统计本身进行判断，比如说，指标口径、指标定义、数据采集、计算方法等出现问题（指标口径一定要重视，初期这种问题会非常普遍，很可能校对了很长时间数据，却发现大家的口径不一致，就比如说GMV，有退前GMV、退后GMV、付费GMV、30天付费GMV、15天付费GMV，一个不小心指标定义大家就没对齐）；

• 2）回到业务本身，比如流量突然暴涨，想办法站在业务或者用户视角上思考这个问题，当下发生了什么才导致我这个数据发生异常。

3.2 操盘手必须要清晰的四个分析层级

从商业分析的四个层级来看这件事：描述、诊断、预测、规范。即：

举个例子，某品牌公司，22年双11线上销售不达预期。接下来需要分析师找出问题，并给出未来的策略。

1）描述：过去发生了什么？

「22年双11线上销售不达预期」，这句话很虚，到底是销售额不达预期，还是用户数不达预期，还是销量不达预期，还是结算价不达预期，到底是哪一个？

为了更清晰地定位问题，我们需要通过数据来对现状进行更精准地描述。比如刚刚聊到的四个指标，分别写出目标，以及实际数据。此时就可以有清晰的定位，比如22年双11期间（9月1日到11月11日），目标销售额4亿，实际销售额3.6亿，完成率90%（当然这里先暂时忽略掉指标口径的统一问题）。

但仅仅是把现状精准地描述出来了，显然并没有办法解决问题，接下来需要知道到底是哪儿出了问题，才会导致未达成目标。

2）诊断：为什么会发生？

接下来往往会按照部门/平台进行拆解，比如品牌类公司核心是三大平台：天猫、京东、抖音。那么我们就可以拆解，比如说：

• 天猫（目标2.5亿，实际1.5亿，达成率60%）
• 京东（目标1亿，实际1.1亿，达成率110%）
• 抖音（目标0.5亿，实际1亿，达成率200%）

拆解下来会发现，并非所有的平台业绩都不好，而是天猫平台的业绩出了问题，与之相反，抖音、京东的业绩超出预期，还可以有很多经验值得总结。

所以，站在老板这一层级：可以进一步明确问题：22年双11线上销售不达预期，是因为天猫达成率只有60%，欠缺1.0亿，而抖音超出预期，达成率200%。

接下来需要对天猫渠道进行更加深入的诊断（抖音业绩好的原因暂时我们不做定位，只关注天猫）

1）达成率 = 实际销售额 / 目标销售额

• 是目标销售额定高了，还是实际销售额确实太低了？这是需要明确的第一个问题（比如接下来先默认实际销售额不行）

2）实际销售额不行，分内外部两个视角来看这个问题（不可直接看内部）

外部：先做外部分析，判断是只有自家品牌销售额下滑，还是整个行业都在下滑。比如，该类目行业销售额双11期间增长如何，核心竞争品牌双11期间增长如何（基于实际数据，这里面会产生大量的场景，需要深入挖掘，在此暂不赘述）

• 内部视角一：实际销售额 = 流量 * 转化率 * 客单价 * （1 - 退款率）「此处一般会与其他大促活动进行对比分析，看看哪个指标出了问题」

内部视角二：实际销售额 = 品类A的实际销售额 + 品类B的实际销售额 + ...「此处要看公司的实际情况，有些品牌是品类优先策略，就非常重要，有些品牌是单品策略，就不太重要」

内部视角三：实际销售额 = 渠道A的实际销售额 + 渠道B的实际销售额 + ... 「基于流量渠道进行拆解也是常用的手段，不同渠道的策略会有部分差异，且拆解到流量渠道更容易制定可执行的运营策略」

3）预测：将来可能会怎样？

常见的使用场景是预测第二年的品牌销售额。我见过的有两种预测方法：

• 自上而下：基于目标用户群体的需求进行预测，公式为：目标用户数 * 增长率 * 产品覆盖率 * 平均单个用户年度产品消耗数 * 客单价
• 自下而上：基于历史各个平台的销售额数据进行预测，比如最基础的时间序列分析，以及各种各样的预测算法

预测一定是不准的，一般会结合两种预测模型进行交叉验证。与此同时，需要与老板沟通下一年的运营动作，是否与往年一样，还是说会有新的规划，比如增加细分的产品线，那么这部分要考虑进去。

4）规范：未来应该做什么？

回到刚刚的案例，当定位出问题之后，就可以有对应的策略。天猫平台销售额下滑是因为天猫该类目均在下滑，且大盘比我们下滑的更加厉害。那么此时，大概率需要寻找新的渠道、新的增长点，不然品牌已经做到了天花板级别，且大盘在下滑，不管怎么做可能都于事无补。

另外，刚刚的案例会发现虽然抖音平台体量小，但增长迅速，那么是不是可以对抖音渠道进行更加深入的研究呢？

总结一下，就是说基于现状、问题和预测等，帮助我们选择最优的方案。甚至说，并不清楚哪种方案最优，也可以通过A/B测试进行判断。