此前篇章：
数据分析思维（二）：分析方法——5W2H分析方法、逻辑树分析方法、行业分析方法
数据分析思维（三）：分析方法——多维度拆解分析方法
数据分析思维（四）：分析方法——对比分析方法、A/B测试
数据分析思维（五）：分析方法——假设检验分析方法
数据分析思维（六）：分析方法——相关分析方法
数据分析思维（七）：分析方法——群组分析方法
数据分析思维（八）：分析方法——RFM分析方法
数据分析思维（九）：分析方法——AARRR模型分析方法
数据分析思维（十）：分析方法——漏斗分析方法
用数据分析解决问题
一、数据分析解决问题的过程
1、明确问题
2、分析原因
两个点：
- 哪里出了问题？
- 为什么会出现这个问题？
3、提出建议
找到原因并还没有完事，还需要找到对应的解决办法，这才是数据分析的终点。
二、如何明确问题？
弄清楚问题很重要，这决定了后面工作的成败。
2.1 明确问题常见的错误
误区案例：一个小伙子看到一个老头，老头脚边有一条狗。小伙子问：“你的狗咬人不
？”。老头说：“不咬人。”于是小伙摸了狗，被狗咬了：“你不是说你的狗不咬人吗？”老头回答：“对啊，但是这不是我的狗。”
小伙子想摸狗，但是没有正确定义问题。这种错误在生活中随处可见。又例如，领导问你告诉你：”可能是客单价高，最近利润下降了。“于是你就将老板的问题定义为：”客单价高导致利润下降，要怎么办“。但是这样定义有什么风险呢？
答案是，在定义的问题中，已经包括了原因（这个场景中”是客单价高“），这样你的后续工作都变成了收集与客单价相关的价格数据。但是，利润下降确实可能是客单价高导致的，但是这样定义问题你可能会忽略其他可能导致利润下降的原因。
因此，在定义问题时，避免将经验“主观”地加入问题中，避免“我觉得或我认为是xxx导致的”等代入问题的定义中。数据分析不是主观臆断，应是一种客观分析。
2.2 如何明确问题
明确问题可以参考下图的方法：
1）明确数据来源和准确性
在明确问题时，也要保证数据本身是准确的，才能进行后面的步骤。例如，看一篇新闻，你要知道是不是假新闻，最直接可以看是否是官方发布的，而不是什么八卦平台，否则这篇新闻看了等于没看，因为是假的。同样，数据分析时也一样，从数据中，我们发现了问题，前提是数据要准确，否则，分析解决这个问题没有什么实际意义。
如何做呢？可以从时间、地点、数据来源 来确认问题表现为哪些现象。
- 时间：问题是由哪个时间范围的数据发现的？
- 地点：是哪个地区的数据？
- 数据来源：数据源自于哪里？是否核对过？
例如（后续内容均以这个案例讲解），通过观察销售部门（数据来源）提供的1~6月上半年（时间）全国（地点）每个月的实际利润和计划利润表：
发现目前需要解决的问题：上半年（1~6月）利润落后于计划的原因是什么？如何在完成下半年计划利润的同时，完成上半年未达标的利润？
2）业务指标理解
对于业务指标，可以分析指标的含义、以及和谁比。
案例中，“利润”是指标，我们可以去问相关部门：“利润这个指标是这么定义的”。然后明确指标的定义：
利润 = 销售收入 - 销售成本 - 营业外支出
继续追问：销售收入和销售成本又怎么定义？
最后得出：
销售收入 = 客单价 * 用户数
销售成本 = 销售费用 + 商品采购成本
营业外支出 = 各项非营业支出（比如罚款支出、捐赠支出等）
其中，人均付费在电商领域也叫客单价
此外，需要解决的问题中若含有“高”、“大”、“小”等字眼，要问清楚和谁比！（对比分析）。这个案例中，利润下降就是实际利润与计划利润对比得出的问题。
三、如何分析原因？
影响问题的原因有很多，如果把所以原因都分析一遍，那么这个工作量是非常大的。因此，在原因分析的过程中，要优先分析那些关键的因素。
如何知道哪些是关键的因素呢？可以使用这3步来分析：
- 使用多维度拆解分析方法对问题进行拆分，将一个复杂问题细化成各个子问题。
- 对拆解的每个部分，使用假设检验分析方法找到哪里出了问题。分析的过程可以使用对比分析方法等多个方法辅助完成。
- 分析出哪里出了问题后，多问自己为什么出了这个问题，然后使用相关分析方法进行深入分析。
3.1 案例原因分析过程
前文已知案例问题：上半年（1~6月）利润落后于计划的原因是什么？如何在完成下半年计划利润的同时，完成上半年未达标的利润？
根据问题，我们需要找到“哪里出了问题”，可以使用“多维度分析方法”根据“利润”定义对利润这一指标进行拆解，如下：
要拆解问题到什么程度，没有同一标准，需要根据实际业务和问题灵活把握。接下来，使用假设检验分析方法对每一个子问题部分进行验证。
1）营业外支出
提出假设：营业外支出增加导致上半年利润落后于计划。
收集数据：营业外支出汇总表
得出结论，上半年没有营业外支出，假设不成立，因此，不是由于营业外支出增加导致问题产生。
2）销售成本
提出假设：销售增加导致上半年利润落后于计划。
收集数据：今年、去年上半年销售成本数据 。
其中，总销售成本同比 = （今年总 - 去年总）/ 去年总
分析：总销售成本同比=3.18%，说明今年上半年的总销售成本比去年是增加了3.18%。为了方便分析，对数据进行可视化：
结论：今年上半年的销售成本出现明显增长。
那么是什么原因导致销售成本增加的呢？因为，销售成本 = 销售费用 + 商品采购成本，接下来进一步分析。
a）分析销售费用
收集数据：
可视化：
可见，上半年的销售费用是逐步增加的 ，但是，这不一定是由于销售费用增加导致利润下降的。为什么呢？
因为，销售成本增加，是为了提升销售增长的，如果销售费用增加带来销售收入增长是合理的。因此，我们需要将销售费用、销售收入结合起来分析。这需要关注一个指标：即费率比，费率比越低，说明通过投入的费用带动销售增长的效果越好。
费率比 = 投入的费用 / 产生的销售收入。
收集数据：销售费用、销售收入
可视化：
结论：可见，费率比是逐步下降的，说明销售费用增加是合理的。销售费用增加不是导致利润下降的主要原因。
b）分析商品采购成本
收集数据：
从表格可以发现，今年的平均采购成本是低于去年的平均采购成本的。
结论：商品采购成本不是影响利润下降的主要原因。
进一步的，由于销售费用、采购成本都不是主要原因，因此，销售成本不是导致利润下降的主要原因。假设不成立。
3）销售收入
提出假设，销售收入减少导致上半年利润落后于计划。
收集数据：
结论：总销售收入同比为 -8.07%，说明销售收入减少是造成利润落后于计划的主要原因。
那么是什么原因呢？由于销售收入 = 客单价 * 用户数，接下来进一步分析。
a）分析客单价
收集数据：
结论：由于今年上半年的平均客单价是高于去年的，因此，肯单价不是主要原因。
b）分析用户数
收集数据：
结论：今年上半年的平均用户数是低于去年上半年的，因此，用户数减少是导致利润下降主要原因。
如果分析到这里就结束，那么分析结果将无法产生实际的意义。因为只看用户数下降还不能决定“接下来要采取那些具体措施才能解决问题”。因此，要继续分析导致“用户数”下降的原因是什么。
现在把“用户数”按用户、产品、竞品这3个维度进行拆解。根据具体问题可以决定优先分析的维度。在案例中，可以从竞品维度来比较用户数。通过和竞争对手比较可以发现，公司用户数比同行竞争对手低很多。
进一步分析用户数低的原因，可以梳理本公司、竞争对手的业务流程，方便从业务流程中提出假设。
业务流程：
第一步：用户选择所需商品
第二步：用户比较不同店铺（本店和竞争对手）中的商品价格
第三步：用户付款后，销售部门安排送货上门，即售后服务。
再次使用假设检验分析方法，依次假设其中的一个步的问题导致用户数下降：
1——用户找不到所需的商品（没有新产品）。
2——没有价格优势。
3——售后服务用户不满意。（可以通过用户满意度问卷进行分析验证）
具体分析过程就忽略了，我就直接写结论了：
- 假设1不成立。虽然不是因为用户找不到所需商品所致，但是也与本店们没有即使展出新产品，老产品多有关。
- 假设2成立。通过分析发现，本店铺没有价格优势：商品定价跟竞争对手相同，但是竞争对手经常举办促销活动，被优惠价格吸引，用户流失到竞争对手那去了。
- 假设3成立。用户满意度逐步下降。
原因1可以快速解决，原因2和原因3并不是立马能解决的。公司资源有限，一个阶段只能解决一个问题，这两个因素，哪个对用户数下降影响最大，最需要优先解决呢？
这时候就需要通过相关分析方法进行分析了。
我们可以通过计算商品的价格、用户满意度和用户数的相关系数，观察相关系数大小来决定优先级。 相关系数的计算可以通过数据分析工具进行计算，比如Python、Excel等。
原因分析小结：
四、如何提出建议 ？
这一步，是根据前面找到的原因提出建议。在这一步，常用的分析方法是通过回归分析或者AARRR模型分析方法。
4.1 回归分析
只知道a和b高度相关，领导是无法根据“相关”采取行动的。虽然找到了利润没达标的原因，但是不知道要改善到什么程度才能实现下半年利润目标（下半年利润目标包括上半年未达标的部分利润，假设总的目标为4008.63万）。这时候就需要计算出某个原因能够对目标造成多大程度的影响。
我们可以是计算出利润与销售收入的相关系数的，如下：
画出散点图，做出回归线，预测下半年销售收入要达到多少才能达成下半年利润计划。
涉及回归分析的内容就不多赘述了，是一种用于辅助决策者决策的方法。
通过分析，提出部分建议：
五、总结
数据分析解决问题的过程：
注意事项：
- 找到问题的原因并不是数据分析发终点，还要给出针对建议。
- 决策建议不能太多，会增加决策成本，还会让决策者迷失，无从下手。相对简单的问题，可以提4个左右选项；复杂问题可以提4~7个选项。
- 决策是可以落地实施的具体措施，不可以模糊不清。
# 文章仅供学习参考使用，参考教材《数据分析思维——分析方法和业务知识》
