营销数据分析怎么做，数据分析模型及工具介绍？
这几天在私信里，经常看到新来的数据分析师跟我抱怨:“工作的时候，没有自己的分析思路。经常机械的完成老板布置的任务，无法形成自己的数据分析方法论。”
的确，作为一名商业数据分析师，我也能理解我的新生们的烦恼。我们在分析数据的时候，经常会用到一些基本的分析思维，比如时间趋势、下钻查询、比较等等。但是它缺乏数据分析思想的完整集成。
接下来我分享一下我个人从事数据分析领域以来总结出的七个常见的基础数据分析思路，可以满足你的大部分职场需求:
一、数据分析前的准备
在开始数据分析之前，你需要想好我的分析结果的目的以及你想要传达给观者的信息。
只有分析的目的明确了，数据分析的结果才能直观的展现出来(重点)。
二、数据分析的七个思路
下面描述了您可以采用的七种不同的基本数据分析思想，并为每种方法提供了示例。
数据故事类型描述
随着时间而改变
随时间变化。角色:用时间段来说明趋势。
例:采购成本降低分析:供应商采购金额分析，查看时间趋势下的单价数据。
下钻查询
钻取查询角色:设置上下文，以便查看者可以更好地理解特定类别下更细粒度的数据信息。
示例:营销组织的销售分析:从团队绩效向下钻取到个人绩效得分。
缩小
缩小功能:描述观看者的注意力与全局的关系，以及某一具体内容对全局的影响。
例:客户数量下降分析:哪些客户类型和级别下降幅度较大，影响客户总数。
对比
比较角色:指出两个或多个主题之间的区别。
例:客户数量下降分析:对比两年(2017年、2018年)客户类型和水平的下降情况。
十字路口十字路口功能:当一个类别超越另一个类别时，突出重要的变化。
因素
因子角色:通过将主题分成不同的类型或类别来解释主题。
例:2020年上半年经营分析报告:从销售额、毛利率、费用、人力成本三个方面分析上一年度的经营情况。
离群值
异常值功能:显示事件的异常或特殊异常。
例:毛利率异常分析:通过定位毛利异常月份、异常门店、异常商品/品类、异常订单明细，找出问题所在。
三。数据分析后的注意事项
1。突出数据的关键点
数据呈现应该简明扼要。如果不需要标题、图例或网格线，可以取消设置。目前国内常用Excel和一些可视化工具来显示数据。TB、FineBI等可视化工具都强调无代码、敏捷、可视化。他们已经改变了传统的BI工具SAP BO和IBM cognos(虽然他们最近几年似乎都在开发云BI)。
也推荐FineBI(国内)和Tableau(国外)等成熟的业界公认的BI工具。
以下是我使用FineBI做出的数据展示图，大家可以根据修改前后的观感，来感受数据展示简洁的重要性。
下面是我用FineBI做的数据展示图。你可以根据修改前后的观感感受到简洁的数据展示的重要性。
修改之前修改前
修改后
2。调整组件的自适应方式
因为我经常用FineBI来显示数据，这里就以FineBI为例。组件是FineBI的一部分。对于这些数据组件，可以在检索后使用自适应显示。它将调整组件的大小，使其适合要创建的仪表板，并更漂亮地显示数据，如下图所示:
四。建议
在数据分析中，数据分析思维是一个框架指南，在一些通用的分析场景中可以快速使用。如果你吃透了以上七种数据分析思维，你就不会害怕处理老板安排的项目，对以后建立数据分析模型也有帮助。
动词 （verb的缩写）数据和工具共享
最后，分享数据和分析工具。返回一个“数据”即可获得数据分析工具！
