各位小伙伴，大家好。我是5顏6色的世界。

今天來補發一篇文章。

早在春節前，知識星球小群內組織了一次年終分享交流會，短達2天11個小時的分享里，大家熱情高漲，各自分享了自己的介紹，特長，成長和愿望。日產消息數千條，紅包輪炸持續四五日。不亦樂乎。

分享內容涵蓋了溝通、業務、設計、規劃、運營、心得、谷歌搜索、工具網站及數據接口等多方面的內容，大家各抒己見，相互結識。非常感謝各位小伙伴的時間和分享。

2月9號，原本擬定四個小時的輪番分享，緊緊湊湊的拖延至6個小時，結束時已經到后半夜，導致有些小伙伴沒有趕上一次性的直播演示。今天來以文字的形式重新分享下。其他小伙伴分享的干貨內容不便公開，這里只寫一下我個人分享的主題：訂單分析。

在正式分享前，我們先簡述了數據分析的兩種思維。這兩種數據分析思維，是我個人常用的，也相信它能夠幫助更多的小伙伴開始數據分析之路，在混亂的數據中找出方向，也在茫茫數據中，沉淀出無窮的思路。

先來說第一個，當我們想要解決一個問題時，或者有一個數據分析的需求時，我們可以先按照要解決的問題來羅列所需數據。先不去管這些數據是否存在，只看我們是否需要。然后再去嘗試尋找這些數據。即先按需求結構擺放數據。

比如，我們要分析客戶的行為價值，可以優先思考哪些指標是與客戶價值有關的。在國際站118篇基礎大綱中，提到了客戶管理常用的RFM分析。即消費者的購買頻次、購買金額和最近一次的購買時間。這三個指標在一定程度上反映著客戶的質量和價值。

到這里，我們就容易有了一個可以分析的數據結構。如圖所示。

（按需要分析的內容主觀羅列數據結構）

當我們確定了需要這樣子的數據結構，接下來就是思考從哪里可以獲取到這些數據，通過觀察后臺下載的訂單數據，我們是很容易得到這些數據的。接下來就是實操提取數據。

第一步是羅列客戶信息。羅列客戶信息時，我們首先想到的就是以姓名作為客戶的標識，這是潛意識的行為。而轉念一想，當客戶姓名重名時，則可能導致數據混亂，不利于分析的準確性。所以我們需要一個可以唯一標識客戶信息且不重復的指標，即客戶郵箱。因為每一個客戶的郵箱都是獨一無二的，可以用來作為客戶的id標識。

緊接著就是采購時間、采購頻次和采購金額的提取。先來找采購時間，通過觀察數據特征，每一筆訂單都有采購時間，我們不需要額外提煉，可以直接使用它。

接下來是提取采購金額，如下圖所示，通過觀察數據，可以發現，在下載的訂單數據中，已經包含了采購金額數據。但是同一筆訂單，如果有多種商品，則會生成多條數據。且每一條數據中，都會出現一次訂單總金額。所以，為了計算過程中數據不重復，我們需要對數據進行去重處理。

（數據處理過程中的數據觀察）

單獨復制一份數據，點擊數據選項卡下的刪除重復值按鈕，在彈出的窗口中，選擇按訂單編號進行去重。單擊確定，即可刪除重復的訂單編號，只保留其中一條訂單數據。數據中含有本次訂單的成交金額。

（數據處理過程中的去重處理）

到此，采購時間數據，采購金額數據我們就提取出來了。接下來就是思考如何獲取采購的頻次。有了這些訂單數據。我們只需要按照郵箱，也就是客戶的唯一標識，對訂單數進行計數統計，就可以知曉每一個客戶采購了多少筆訂單，即為總采購次數，分析某一段時間的采購頻次，也很容易同步推倒出來。

到這里，不論是采購時間，采購頻次還是采購金額。我們都已經知曉，只需要通過簡單的數據透視即可完成此類數據結構的陳列。這里需要注意的是，我們導出的訂單數據，是所有訂單的數據。其中包含未支付的訂單。所以在制作和分析數據時，我們需要在透視表中，額外添加一個篩選功能，只篩選出交易成功類型的訂單，然后再對其進行數據統計和求和。詳見模板。

如圖所示，對客戶的采購次數、采購金額進行排序。即可篩選出高價值的客戶類型。對不同類型的客戶進行分組。即可完成客戶的針對性營銷和管理。（Excel表格使用問題，可在各自的交流群內討論交流，不做展開。詳見模板。）

（數據處理過程生成數據透視表）

雙擊透視表值字段數據，亦可進入對應客戶全部的訂單詳情。我們可以對重點客戶的采購時間頻次進行分析。總結其規律，并試圖詢問客戶了解更深入的情況，來為客戶制定幫助計劃。

如果一段時間有老客戶尚未返單，則可主動跟進，防止重點客戶流失。訂單分析可以在一定程度上，加強和加速對客戶的管理和營銷。防止業務員由于工作繁雜而遺漏掉重要客戶的跟進維護工作，導致客戶逐步流失。

（雙擊透視表值字段進入對應的詳細數據展示）

當然，我們還可以根據實際需求，羅列更多類型的數據結構來分析問題。然后去嘗試獲取這些數據并按所需數據結構進行陳列，用以分析和解決問題。

這種分析思維可分析的問題種類較多，且更貼近真實問題的解決，大家平時可以積累一些常用的分析模型框架，也可以根據需要自創一些模型框架。篇幅有限，不做過多的演示和講述。

第二種常用的數據思維，是收集數據之后先看數據標簽，都有什么數據，然后從中選取兩個或多個指標進行關聯，試圖分析出有價值的東西。如圖所示，羅列標簽。

（羅列數據標簽，組合標簽挖掘數據價值）

在如圖所示的數據標簽中，我們可以根據需要任選標簽進行組合分析。圖中羅列了十幾種較有分析價值的標簽組合。當然，我們也可以羅列出更多種類更多維度的數據組合來做數據分析。

不過，我們通常并不需要將數據分析搞的異常復雜，最核心最具價值的數據分析往往是最樸素的數據組合。我們只要能夠從中挖掘出影響最終產出的問題或方向即可。如下所示。

隨著時間的推移，金額和單量的變化和趨勢

（時間、單量和金額分析）

不同國家對不同產品的采購偏好分析

（不同國家采購產品偏好分析）

客戶價值分析

（客戶交易頻次、采購內容多維分析）

以上簡單羅列幾種分析類型。因為篇幅有限，無法將圖中的十幾個分析類型一一演示講述，但大體的分析和執行思路基本一致。有興趣的小伙伴可以私下練習。關于Excel的使用技巧和使用過程中遇到的問題，也可以在各自所在的交流群內進行交流，不再展開贅述。

在做數據分析的過程中，我們往往會產生一些新的思路和玩法，或新奇或惆悵。同時也會發現一些小的問題。比如在上述分析過程，篩選訂單狀態時，關閉的糾紛訂單和關閉的未支付訂單，顯示類型同為訂單關閉，難以區分此單實際是否已經完成支付。分析產品銷售情況時，隨著標題的定期優化，會導致同一個產品實際上會有多個不同的標題。造成分析過程產生誤差，甚至是錯誤。

這些都是數據分析的常態現象。當然我們也有一定的方法來規避和修正它。這里不展開誤差修正的操作過程。因為能夠導致數據分析出現問題的數據量占比極低，不影響實際的分析結果，暫且可以忽略它的存在。后續如有機會，會演示精進的數據分析過程。也歡迎擅長數據分析的小伙伴，一起交流。

在數據分析的過程中，經常有小伙伴很是苦惱，面對茫茫數據，無從下手。此文重點講述了兩種數據分析思維，希望可以幫助你打開數據分析的大門。不論何種情景，我們都可以靜下心來，思考陳列所需的數據結構，亦或是羅列已有的數據標簽，來嘗試去分析問題，解決問題，挖掘數據的價值，不斷積累商業分析模型。相信你會衍生出很多的思路，也會在數據分析的路上越走越遠。

（如果你精通數據分析，擅長數據挖掘，有9成的可能性可以獲取到任何想要的可見或不可見數據。有大量的實戰經驗，了解十種以上常用商業數據模型的分析制作，歡迎加入我們，一起組建一個最具專業的數據團體。人數不多，暫無付費開放，本著愛好聚集。歡迎擅長數據分析、數據挖掘清洗和具有分享精神的人一起成長。要求有成功的實戰經驗，精通數據處理手段，且需提供規劃過程每一步必要的確定性依據，邏輯清晰，貼近商業底層，切實可行。共享思路，一起交流探索。）

來源：（5顏6色的世界）

以上內容屬作者個人觀點，不代表雨果跨境立場！本文經原作者授權轉載，轉載需經原作者授權同意。

（來源：5顏6色的世界）