1.1 数据分析的三大核心目的

数据分析的目的可以有很多，但究其核心，不外乎发现问题、预测未来与优化决策这3类。这3类目的实际上是从多数企业的需求中提炼出来的，具有较好的广泛适用性。

1.1.1 发现问题

企业在运营中常常会出现各种问题。出现问题并不可怕，但出现问题后如果无法找到其根源并加以解决，就会让企业不断“失血”，从而让企业发展走向颓势。在发现问题以后，如何找到问题产生的根源？靠经验或猜测不能保证准确性，多数情况下只有对数据进行分析，才能找到真正的原因。

【案例1——超标开支都到哪里去了】

某公司销售部的费用支出连续3个月超标，领导要求分析开支情况，弄清楚钱都用到哪里去了。管理室将销售部1～3月的开支进行了分类统计，并制作了一张报表，如表1-1所示。

从表中可以看出：装卸费和广告费偏高，两项加起来占比约58%，因此这两项费用是控制的重点。当然，这只是一个极简单的数据分析案例，用以说明数据分析的应用场景。在真实情况下，数据可能会很多，数据之间的关系可能非常复杂，并不是一眼就能看出问题根源的。下面就来看一个稍微复杂一些的案例。

【案例2——哪些产品是改善的重点】

公司领导很苦恼，一年投入的生产材料超过30000吨，材料成本占总成本的65%，费用高达1.5亿元，利润却没有达到预期，但又找不到改善的方向。于是领导找到财务部门的小唐，要求他对数据进行分析，以找到突破口。小唐先将数据列为表格，如表1-2所示。

作为专业人员，小唐能从表格中直接看出问题。不过由于还要让领导能看懂表格，因此必须采用更加直观的模式。于是小唐将数据按投入产出比进行降序排列，如表1-3所示。

此外，小唐还将表格数据绘制成图表，这样就显得更加直观，如图1-2所示。

从图中可以看出投入产出比最低的是P0002产品和P0005产品，那么是不是就应该把主要精力放在改善这两种产品的生产过程中呢？不一定，这是因为有的产品的原材料投入量本来就较少，改进它的收益不是很大，因此，这里还应该考虑产品的原材料投入量，找到原材料投入量较大而投入产出比较低的产品进行改善。于是，小唐对数据进行深挖，按照投入量和投入产出比这两个数据维度进行多条件组合排序分析。将数据按投入量降序排列的结果如表1-4所示。

最后，小唐将表格数据绘制成柱形图，效果如图1-3所示。

从图中可以直观地看出P0005产品和P0006产品的原材料投入量较大而投入产出比较低，因此应该把改善的重点放在P0005产品和P0006产品上。

通过对以上两个案例的学习，大家可以知道：对数据进行分析，可以找到问题产生的主要原因并给出解决方案。在分析过程中，将数据可视化呈现，可以让阅读与分析数据更加直观方便。

1.1.2 预测未来

企业常常需要对未来进行预测，如预测明年的行业状况、明年的产品销量等。通过经验或者猜想进行预测，其结果的可靠性是不高的。只有对数据进行合理的分析，如相关性分析、回归分析、假设分析等，找出其中的规律，才能较为准确地对未来进行推测与判断。当然，预测的结果不是必然的，而是一种趋势下的大概率事件。

【案例3——明年的销售情况如何预测】

某公司今年的销售数据如表1-5所示。公司领导要求运营部门预测明年的销售情况，并要求预测结果必须有理有据，不能是“空中楼阁”。

有人用本年平均值6133进行预测，公司领导不满意，认为没有前瞻性。

有人用上一年的数据进行预测，公司领导也不满意，认为没有基于本年度的数据，是一种敷衍行为。

有人则采用回归分析方法进行预测，结果如图1-4所示。

预测结果如下。

✧ 对数预测法：悲观。

✧ 线性预测法：乐观。

✧ 多项式预测法：中性。

相信如果给领导展示这个结果图，并选择中性的（多项式预测）结果，领导起码不会认为分析结果没有根据。

【案例4——哪个价格更合适】

生产厂家经常需要向客户提供产品的报价。显而易见，报价并不是越高越好，恰到好处的报价可以兼顾双方的利益，有利于建立长期稳定的合作关系。现在一家公司要向采购方提供电机报价，需要从电机的功率和价格的关系，找出价格与功率的规律，从而预测采购方的目标价格，并根据预测价格给出一个合适的报价。

公司的电机型号及价格如表1-6所示，可以看到其中有一些不是很合理的地方，例如功率不同的电机，其价格却一样，这些数据可使用红色标注。

现这家公司要对功率为1400kW的电机进行报价，价格定为多少算相对合理？由于已知数据中并没有功率为1400kW的电机的价格，因此需要进行预测。这里分别采用线性预测法、对数预测法和多项式预测法进行预测，结果如图1-5所示。

预测结果如下。

✧ 线性预测法：15194元。

✧ 对数预测法：13393元。

✧ 多项式预测法：12935元。

从预测结果可以看出，最低的目标价格应该在12935元左右，因此报价应定在13300～14000元，这样被砍价的概率比较低，或者说砍价空间不大。这就是一个典型的通过数据分析进行合理预测的案例。

1.1.3 优化决策

在企业的运营过程中，经常会遇到需要从多种方案中进行选择的情况。决策者通过对比数据，可以选择较优方案进行经营。

【案例5——哪个价位适合建立库存】

在制造行业，原材料成本在制造成本中的占比非常高，因此企业对原材料的价格比较敏感。影响原材料价格的因素有很多，如国际铁矿石、原油等价格的变化，导致企业无法对原材料的价格进行有效掌控。因此，对企业来说，最好的办法是原材料在低价位时买入，合理增加库存，尽量降低市场行情变化对企业的负面影响。

某公司需要对牌号为“40MnBH”的原材料的价格进行预测，以便在低价位时购入。运营者对该材料历年来每月的价格走势进行了可视化分析，最低价格、最高价格、平均价格（不是最低和最高价格的简单算术平均，而是所有价格的加权算术平均）一目了然，如图1-6所示。

根据图1-6，公司建立了一套规则：当原材料价格低于平均价格时，作为监控区；当原材料价格在平均价格与最低价格之间时，选择一个点设立库存储备预警线；当原材料价格接近预警线时，公司就要开会决定是否大批量购进原材料。规则设立以后运行良好，已经为公司节省了3000多万元。

【案例6——哪个候选人更适合】

市场部需要从公司内部招聘一名业务经理。经过笔试和面试层层筛选，最后留下3名候选人。领导感觉这3个人都比较优秀，不知道怎么决策。于是领导让人力资源部拿出一个科学有效的评估方案。人力资源部经理从5个维度分析，并赋予分值，将3名候选人的能力数据化，以便领导进行决策。3名候选人的能力评价如图1-7所示。

从图中可以直观地看到，小唐5个维度的能力都比较好，最后领导选择了小唐作为业务经理。事实证明，小唐确实很优秀，不仅能够很好地胜任业务经理的工作，还在两年后就被提升为主管。 cUDv6eEnWKAQBLNJxax5JBCOR3ONQj3u4acayubqOyIsuWKV+QbBVlp6gKtFwnB0