下载掌阅APP，畅读海量书库
立即打开
如果只对数据进行简单计算和汇总，而不进行深入分析，那么这些数据应有的价值可能就未被挖掘出来。而数据分析的意义就在于挖掘数据背后的价值。在商务活动的过程中，数据分析人员需要借用各种数据分析手段，将收集的相关数据进行加工处理，并从中提取有用的信息，帮助企业做出正确的判断和决策。例如，某商家想要预测“双11”的店铺商品销量，以便备货，就需要结合商家的往年数据和近期的市场行情进行缜密的数据分析，才能得到预测结果。
对商务数据进行分析，首先要明确商务数据分析的目的。总的来讲，商务数据分析的目的可以归纳为发现问题、找出机会、预测未来和优化决策，如图1-2所示。换句话说，商务数据分析以商务活动为对象，通过对数据进行筛选、甄别、分析等处理，发现问题、找出机会、预测未来、优化决策，从而解决问题，做出决策。
我们可以通过图1-2中的4个象限理解商务数据分析的目的。
图1-2
① 预测未来。宏观经济数据，如全行业、全国、全球的经济数据等，对企业而言是不可控的，但是企业可以根据已经公布的数据进行预测，例如做经济走势预测、原材料市场走势预测、消费指数预测等。一旦有了科学的预测，企业就可以提前准备，规避风险，减少
损失。
② 找出机会。可以从历史宏观数据中寻找机会，比如针对某个行业的市场，企业发现年龄在30～40岁的人群的消费能力还未被完全激发，就可以重点开发适合30～40岁的人使用的商品。这就是从数据中找出机会。
③ 发现问题。企业拥有自己的历史微观数据，可以分析这些数据，进而发现商务活动过程的问题，并对问题进行改善。
④ 优化决策。企业可以模拟数据，进行仿真调研，在商品开发过程中最大程度地做到预见未来，便于做方向上的调整，优化决策。
某网店今年花费大量资金研发、投放5款新产品，第1季度的退货数据如表1-1所示。店主要求运营人员对数据进行分析，给出结论和建议。
表1-1
【分析】通过对5款产品的退货数进行求和，然后排序，最后得出5款产品的退货数占比及降序排列结果，可以发现连衣裙4和连衣裙2的占比很高，这两款产品的退货数占5款产品退货数总和的80%，如表1-2所示。
表1-2
店主通过收集、整理7天无理由退货的相关数据，让代加工厂做质量鉴定和分析。发现连衣裙4和连衣裙2存在吊牌字迹不清晰、产品面料手感不佳等问题。代加工厂改进了这两款产品的质量，客户好评度逐渐提升，退货量也慢慢降低了。
由此可见，在商务活动中，我们不能只看数据的表象，要透过数据表象寻找隐藏在数据背后的问题，最后找到解决问题的方法和措施。
某公司生产EH75和MH98 这两款产品，两款产品1～6月的销量、销售指导价和商务费用总额如表1-3所示。公司要求找出商务费用率高于8%的产品，然后进一步挖掘商务费用高的原因，从而降低商务费用。
表1-3
【分析】要了解一款产品的商务费用是否高于设定的正常值，应该计算每款产品每月的商务费用率。因此，分析时先计算每款产品的单品费用额和商务费用率，如表1-4所示。
表1-4
从表1-4可以看出，EH75产品2月的商务费用率为20%，MH98产品5月的商务费用率为19%，均远超公司设定的8%。在识别出这两个月为异常点后，仔细查找原因，发现EH75产品在2月的销量太低，应该提高销量；MH98产品在5月的销量虽然不算低，但商务费用太高，需要降低商务费用。
在进行商务数据分析时，为了让运营人员能够很直观地看出两款产品每月的商务费用率与设定的商务费用率的对比情况，数据分析人员通常使用柱形图对商务费用率进行展示，如图1-3所示。
图1-3
某汽车厂计划投放一款新汽车，但是现在汽车市场竞争态势非常严峻，公司总经理很犯愁，不知道该投放什么级别、什么价位的汽车才有市场竞争力？于是，他要求产品规划部给出方案和建议。
【分析】产品规划部接到任务后，开始收集上一年度汽车价格和销量方面的相关数据，整理结果如表1-5所示。
表1-5
单从表1-5的数据统计中很难看出问题。但数据分析人员将这些数据进行可视化处理，即将这些数据制作成柱形图进行分析就容易看出问题了，如图1-4所示。
图1-4
数据分析人员从图1-4发现，价格区间为20000～80000元的汽车销量非常高，且主要集中在BTC市场；价格区间为80000～180000元时，BTB和BTC市场的汽车销量都相对较高；价格区间为240000元以上时，BTC市场的汽车销量相对较高。
根据各价格区间的销售表现，数据分析人员研究了客户群体的偏好、需求、经济状况等因素，最后给出建议：投放一款价格区间为180000～240000元的汽车，从中挖掘潜在的机会。公司企划部与销售部共同讨论后最终采纳了这个建议，决定研发一款价格区间为180000～240000元的纯电动的SUV车型，计划在两年内投放，以抢占市场
先机。
由此可见，通过商务数据分析，可以发现潜在的机会，帮助企业提升竞争力；也可以发现潜在的风险，帮助企业降低风险。
某汽车零部件公司安排专员对材料价格进行监控、分析、预测，目的是在价格最高点销售存货，在价格最低点购进现货以获得丰厚的利润。图1-5所示为材料牌号为Q10的材料在2008—2018年的价格趋势。
图1-5
【分析】从图1-5中可以看出：在2008—2014年，Q10材料的价格在2000～4615元波动，价格从2008年上半年的最高位一路下跌。由于专员长期从事对材料市场的追踪，根据多年的经验，他决定在2015年下半年分批低价采购Q10材料进行囤积。不出所料，Q10材料在2016年1月之后价格一路上涨，最高超过2796元，由于公司对Q10材料需求很大，该专员在2015—2016年为公司节约了3000多万元。
甲乙两家公司是竞争对手，它们在某年10月分别投放了A品牌手机和B品牌手机，这两款手机从配置来说差不多，价格差异也不大，一款售价为3500元，另一款售价为3400元。两款手机上市前6个月的销量与负面评价率数据如表1-6所示。
表1-6
【分析】通过对A品牌和B品牌前6个月的销量和负面评价率的分析，我们可以发现A品牌的销量逐月下滑，负面评价率逐月上升；B品牌的销量则逐月上升，负面评价率逐月下降。
根据较长周期数据分析结论，产品投放失败与否与其负面评价率具有强相关性。因此，需要对A、B两个品牌的销量和负面评价率进行相关性分析，如图1-6所示。
图1-6
通过对A品牌和B品牌前6个月的销量和负面评价率的相关性分析，我们可以发现销量和负面评价率呈现非常强的负相关性。结合前6个月两个品牌的负面评价率的走势，可以预测A品牌产品后续销量会继续下滑，投放失败；B品牌产品后续销量会继续上升，投放成功。
某公司产品今年的销量如表1-7所示。领导要求运营部门预测明年销售情况，并要求预测必须有理有据，不能是“空中楼阁”。
表1-7
【分析】有同事用本年度销量的平均值6133进行预测，领导不满意，认为没有前瞻性。有同事直接把今年的销售数据复制过来，领导认为没有基于本年度销售数据进行预测，是一种敷衍的行为。有个别同事则采用回归分析法对本年度的销售数据进行分析，从而得到预测结果，如图1-7所示。
图1-7
显然，前两种预测方法很粗糙，也不准确，都是基于经验，没有理论支撑。最后这种采用回归分析法的方法是一种科学的做法，它可以对数据进行预测或估算。
某家做消费品的公司，这几年产品定价基本采取跟随策略，即定价与竞争对手的差不多，但是产品销量不高。公司领导让商务部对此情况进行分析。
【分析】接到任务后，商务部员工开始从客户反馈信息入手进行调查，主要对外观、质量、广告费投入、维保、舒适性、安全、口碑等进行调查，然后把近7年的销售数据进行了整理。由于公司的主要竞争对手有两家，于是商务部员工把本公司与这两家公司近7年的负面口碑率、正面口碑率进行统计和打分，如表1-8所示；然后分别整理各公司的广告费投入，如表1-9所示；最后整理本公司销量、外观、质量、广告费投入、维保、舒适性、安全、口碑等方面的得分，结果如表1-10所示。
表1-8
表1-9
表1-10
通过对整理好的竞争对手数据从相关性入手进行分析，商务部员工发现舒适性、口碑与销量相关性较强，其分析结果分别如图1-8和图1-9所示。
图1-8
图1-9
由此可见，现在的消费者主要关注产品的舒适性和口碑，而不再一味追求产品的低价格。因此，公司最后决定，对产品在舒适性和口碑方面进行改进。从体感、互动性等方面下功夫改进舒适性，并让公关部在网络上宣传，以提升正面口碑率，同时要求财务部对广告费进行预算控制。
