
数据分析第1步:学会用数字思考
学会用数字思考
无论是做项目报告,还是跟老板汇报,在描述事情的时候,我们都要慢慢练习,学会用数字思考,把这件事情用一个可以量化的数字描述出来,可以让我们的观点,更有说服力。
比如公司效益持续下滑,需要一些方案来改善现状。这件事情,在不会用数字思考的人那里,说出来是这样的
再这样下去,公司要亏钱了,我有两个建议:
1- 赶紧发布新开发的产品,用这些产品刺激销售量,提升收益
2- 还有适当的削减一部分人,节省人事费用开支
我觉得这样咱们很对就能重新盈利的。
同样的事情,在习惯用数字描述的人那里,说出来是这样的。
如果公司继续维持现状,七个月以后,公司就会陷入赤字了,不过,我细致的做了一下数据模拟,如果能够在3个月内完成以下动作,盈利还是比较乐观的:
1- 新开发的商品尽快上市,刺激产品销售量,预计可以带来10%的销量增长。
2- 对重复人力、冗余人力进行适当削减,在不影响生产的情况下,大约可以节省15%的人事费用。
综合以上估算,预计3个月后,利润能达到10亿(日元)
很明显,第2种描述的方式更有说服力。因为数字给我们一个直观的衡量依据,让我们在对比自己的价值体系后,对结果有一个更明确的期望。
/ 2 /
用户思维,分析数据结构
老板要让我们针对去年的数据,出个报告,你会怎么写?
去年整体销售状况还不错,很稳步的上升。出了几款新产品,销量也非常可观。
今年我们再多推几款新产品,争取延续去年的趋势,让销售业绩再创新高。
你觉得上面的汇报怎么样?除了一堆的好话,看不到实际的内容。
怎么把报告写到老板的心坎里去呢?一个中心思想:从用户思维出发,分析数据结构。
老板关心的是什么?今年的销售额上升了没有?成本有没有增加?新开发的产品,到底赚没赚钱?有什么成功经验,可以推广到其他产品,实现更多的盈利?
因此,在制作表格之前,我们最好,按照用户的思维,把数据结构进行拆分,梳理出对应的结构框架。
有了个框架之后,我们再对数据进行分类汇总,输出对应的结论式描述,让老板能够看到他们想要的数据,而且听的很舒服。
结论式描述非常的重要,因为它可以让我们用一句话,把老板的注意力吸引住。
比如上面的图表,用销售额增长16%,和销售量降低了40%这个两个结论,让我们快速的对当年的销售状况,有了一个直观的印象,并且想去了解这两个数据背后的故事。
千万别直接丢一个图表出来,什么都不说,这和听到电话那头说“猜猜我是谁”一样,让人感觉无聊和无知。
/ 3 /
如何分析数据结构?
很多时候,在密密麻麻的数据面前,我们曾经叫好的、收藏的那些技巧、方法,突然会变的不灵光了。如何分析数据的结构呢?先思考数据关键指标。
1- 先思考数据关键指标
我们可以通过下面几个方法,来寻找写关键指标。
1- 老板经常问你的数据。销量怎么样啊?成本有没有上升啊等等,老板关心的肯定是关键数据。
2- 每天都要重复统计的数据。销售实际、计划啊,生产数量、质量啊等等。
3- 以前的报告中传承下来的指标。很多的表格,我们都是从上一任同事那里交接过来的,很多数据都已经梳理好了,我们只需要输出的时候突出一下就好。
这些指标的根本出发点就是:梳理用户的关注点,找到创造利润的因素(价值动因)。
2- 用一个数字来说明结果
关键指标出来之后,切记不要从1月1号到12月31号,或者从产品1到产品10,把所有的数据都罗列给老板看。
而是把这些数据、按照时间或者空间进行汇总,用一个数字、一个结论来说明结果。
3- 构思数据结构的诀窍
在思考把哪些数据呈现在报告里的时候,有两个重点:
1- 先大致完成框架。
2- 尽量让数字联动。
1)先大致完成框架
意思就是一开始,不要想着把所有的项目、所有的数据都加进来。一方面,这样会耽误表格制作的进度;另一方面,数据一多,我们很容易失去耐心,数据越理越乱。
比如要整理销售数据明细,不要一股脑的,把事业部A、B、C…产品1、2、3,地区1、2、3等等都全部填进来。可以大致的写一下:产品收入、服务收入。
然后再慢慢的填写详细的数据。而且这个详细的数据,最好是另建一个工作表,这样之前的框架表格,可以作为目录,让整个Excel文档的结构,更加的清晰。
2)尽量让数字联动
就是让相关的指标、数据都联动起来。用公式,把这些数据连接起来,这样我们修改任何一个参数,最后的计算结果,都有联动发生变化。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15