京公网安备 11010802034615号
经营许可证编号:京B2-20210330
“我们的利润率上升了,但销售额却没变,这是为什么?”
“某个业务的市场份额在下滑,到底是什么原因?”
“公司整体业绩稳定,但某些部门的表现差异巨大,哪些因素影响了它们?”
......
以上是企业经营过程中经常会遇到的问题,如何才能找到这些问题的答案,使用构成分析拆解数据可能会有奇效。
接下来,通过一个业务案例,带大家理解什么是构成分析以及如何使用它分析业务问题。
有一家食品经销商,主要销售休闲零食、饮料和主食。最近,财务部门发给经营者一份报告,显示过去三个月的销售额保持在 300 万元不变,但利润率却从 20% 上升到 25%。
这个数据让人不禁疑惑:销售额没变,利润率为什么会提升? 是因为商品售价提高了,还是因为更高利润的品类卖得更多了?
经营者把这个问题抛给了数据分析师,数据分析师尝试用构成分析方法找出利润率上升的原因。
构成分析是通过分析整体中各部分所占的比例,了解各部分对整体的贡献程度。

构成分析的核心是:拆解整体数据,看清内部结构的变化。它关注的是各组成部分的占比,以及这些占比如何随时间或外部条件变化。

构成分析的关键不在于单看“总数”的变化,而是深入拆解各部分的贡献,从而发现真正的业务动因。
构成分析是CDA数据分析师一级的知识点,业务分析是CDA数据分析一级考核的重点,因为数据分析工作岗位就要基于业务分析,如果是销售或者业务负责的小伙伴,可以去重点学习。

所处位置:第二章数据分析方法 >第二节由基础分析范式引申出的六种分析方法 >第三小节 构成分析方法
第一步:获取关键数据
为了搞清楚利润率变化的真正原因,数据分析师整理了过去三个月各品类的销售额:

先不看利润率,而是关注销售额的构成变化,会发现:
· 休闲零食的销售占比从 33.3% 上升到 46.7%
· 主食的销售占比从 50% 降到 33.3%
· 饮料的占比略有提升
也就是说,虽然总销售额没变,但利润率较高的休闲零食销售占比上升,利润率较低的主食占比下降,这可能是利润率提高的关键因素。
第二步:数据可视化,直观呈现变化
为了更直观地理解销售构成的变化,使用百分比堆叠柱状图来展示各品类的占比变化。

从图表可以清晰看到:
· 休闲零食占比不断上升,表明其销售额在整体收入中的比重越来越大。
· 主食占比下降,说明低利润率的产品销售占比减少。
· 饮料略有上升,但整体影响较小。
这个分析结果说明,利润率提升主要是因为高利润的品类占比增加了,拉高了整体利润率。这为食品经销商提供了一个重要的业务洞察:未来应该继续加强高利润品类的推广,而不是单纯追求总销售额的增长。
由此可见,构成分析可以帮助企业:
1. 精准拆解业务问题
识别业绩变化的真正驱动因素,而不是停留在表面的数据增长或下降。
2. 优化产品或用户结构
发现高价值产品或用户的比例变化,并调整营销策略。
3. 支持长期战略决策
帮助企业识别哪些业务或产品线值得重点投入。
构成分析是一个极其实用的分析方法,它不仅仅是简单的比例计算,而是一种深层次的数据解读手段。通过对数据的结构变化进行分析,可以找到影响业务增长或下滑的真正原因,避免单纯依赖总量指标做出错误决策。
如果您也想做数据分析类的工作,可以透过CDA专业的数据分析能力测试,真正做到心理有数。

数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14