1、由粗到细
可协助初步定位发生问题的点,核心是找到切分问题的维度,维度取决于行政架构、业务模型,一般零售企业可从人、货、场切入:
人:购买用户进行分类。
货:售卖的全部商品及商品分类,如卖肉的里面分前腿肉和后腿肉,水果有进口和国内。
场:售卖的区域及划分,有国家通用的行政区域,如全国->省->市->县->门店,企业的区域划分,如华东大区->某区域->某门店。
2、粒度组合
粒度数据由不同维度交叉组合而成,同一度量值在不同粒度下的变化趋势,可帮助精准定位问题及找到可能的机会。
如:江苏区19年3月(区域维度=江苏区,时间维度=19年3月);华东区19年的猪肉(区域维度=华东区,时间维度=19年,商品维度=猪肉)。
3、度量
是衡量业务实际表现的指标,不同度量值之间存在此起彼伏或间接相关的关系。
如:销售提升毛利提升,客流上升客单却下降,这种关系对于分析很关键。
4、对比对象
无对比无惊喜,很多惊喜源于对比,选择合适的对比对象很关键。
通用对比:空间对比(如:不同区域对比),时间对比(如:不同年同月份对比),流程对比(如:下单量对比到货量),但对比往往取决于实际看数过程的一些拆分组合,但也都基于原始维度的拆分,万变不离其宗。
关于 深入看数据的通用方法及关键点,该如何下手的内容,青藤小编就和您分享到这里了。如果您对大数据工程有浓厚的兴趣,希望这篇文章可以为您提供帮助。如果您还想了解更多关于数据分析师、大数据工程师的技巧及素材等内容,可以点击本站的其他文章进行学习。