小白入门数据分析

来到传统私企后，发现很多人还停留在明细数据的阶段。相对好一些的，却是被毒害的青年，开局RFM、帕累托，然后解密宇宙。

提起数据分析，很多人容易陷入过于复杂的模型和工具中，为了“打破迷信”也为了有一份相对能看的数据，决定写一篇易于理解的保姆级实践指南。

01 数据科学，不是量子力学

无论多么高大上的语言或工具，数据分析绕不过这3点：获取数据、清洗数据、理解数据。

它的难，难在热搜里充斥着不实用和听不懂。

接下来用一个案例来正式开启这篇文章：

案例背景：你需要为景区设计文创产品，但不清楚哪类文创产品受欢迎。你想通过分析文创产品的类型、价格和销量等数据来获取灵感。比如，哪些类型的文创产品卖得最好？价格与销量之间是否存在相关性？

数据需求：销量排名前100个商品数据，包含名称、分类、价格、销量、用途、人群、材质、风格。

02 获取原始数据，减少无效需求。

我们总觉得平台取数速度太慢，或者研发诸多刁难，其实是要了太多没用的数据。

在提需求时，要再三问自己：是否有必要、是否有替代方法。

其次请要原始数据，要更少的原始数据。

通过控制数据提取的范围，减少处理冗余信息的计算和人工负担。而原始数据便于组合，但结果数据不仅提取复杂，也很难二次加工。

在获取了数据后，先不要着急进行数据分析，因为原始数据往往是杂乱的。

如果不清洗数据，后续的分析结果很可能会失真或者错误。只有数据“干净”了，分析工具和模型才能发挥作用。

接下来，让我们看看如何进行数据清洗，让它变得“可读”和“可用”。

03 清洗到你看得懂，机器才看得懂

工具层面，我建议使用飞书多维表格，后续的图形化也更加方便。

1、数据清洗

首先清理无用的关键词，例如：“故宫”、“文创”、“官方旗舰店”等。

清洗过后，不仅提高了阅读体验，也降低了机器处理数据的算力需求。

必要时，可以增加其他的清理手段，例如：补全空值或统一标签格式，确保数据清晰规范。

2、数据分类

2-1、特征提取

第二步，我们要提取有价值的特征。例如商品标题中的节日、用途、人群。

最简单的方式是使用飞书的字段捷径进行智能标签，但对于这类容易标准化的数据，更好的方法是函数提取。

例如REGEXEXTRACTALL函数：

REGEXEXTRACTALL([商品标题], “教师节礼物|生日礼物|乔迁礼物|儿童节礼物|结婚礼物|创意礼物|伴手礼”)

这个函数从商品标题中提取匹配的礼物类型，将其转换为“用途标签”。

提取标签后要注意再次清除相关关键词。

2-2、数值分类

在分析品类价格分布时，稀疏的价格数据无法帮助我们有效识别问题。

但如果我们将价格收窄为区间，数据就会变得集中，便于我们的分析。

IFS( [商品价格] <= 50,”50以下”,[商品价格]<=100,”100以下”,[商品价格]<=200,”200以下”,[商品价格]<=500,”500以下”,[商品价格]<=10000,”500以上”)

除了AI，更方便的方法是使用IFS函数。它会把价格匹配范围内的数值，归类到对应的区间。

通过清洗和分类，我们和机器都看得懂了，那就能进行下一步分析了。

04 分析好好拧螺丝，不要造火箭

分析常用的图表是：趋势图、饼图、柱状图、条形图还有词云，它们能应对80%的问题，就别再波特五力我了…..

趋势的波动让我们更快发现问题，而占比及变化帮助我们聚焦重要的问题。组合图的交叉、下钻分析则是进一步识别问题了。

回到我们的分析问题上。

1、文创的类型、销量、价格

通过分析饼图可以发现：销量占比与分类占比大致匹配。

但在“其他”分类中，纸袋的销量有2万个，导致数据失真。

因此我剔除了纸袋类商品，重新分析装饰、文具、器皿等主要品类的销售情况。

品类主要集中在装饰（29.4%），文具(22.6%)，器皿(20.17%)，品类多的也是卖得好的。其中，平均价格最高的是器皿（210元），最低的是文具（76元）。

2、销量与和价格的关系

将商品收窄至分类进行后续分析，注意到右上角的按钮了吗？飞书文档生成的图表能够进行智能分析，帮助我们进一步提效。

洞察：

不同分类商品中，器皿的商品价格最高（210），但销量并非最高（877）。

首饰的商品价格（154）处于中等水平，销量（506）相对较低。

分析：

价格和销量的相关性较弱。以器皿为例，虽价格较高，但销量可观；首饰价格中等，销量却较低。这表明价格并非决定销量的唯一因素，可能受产品特点、市场定位等影响

飞书多维文档

3、用途、人群、材质对价格和销量的影响

洞察：教师节礼物的销量达到 1012，为所有用途中最高。

儿童节礼物的商品价格仅为 35，相对较低。

分析：

用途、价格和销量存在一定相关性。例如，价格较高的中秋礼物销量为 700，而价格较低的儿童节礼物销量为 400。教师节礼物价格并非最高但销量突出，可能因其更符合市场需求或推广更有效。

整体上，价格与销量呈正相关，较高价格商品往往有相对较高的销量。

细分用途后，价格和销量相关性结论不一样了，我们可以用相同的办法去验证人群、材质、创意的影响。

基于标签生成的词云，创意部分非常奇怪，这也说明了非标的数据不适合直接提取。

最后就是输出建议了，分析必须要有观点和建议。

观点:

1）装饰、文具、器皿品类表现优异：生产得多也卖得好，装饰品类销量占比最高，达到29.4%；

2）销量和价格关系较复杂：整体上非强相关，部分高价值的商品如器皿销量可观，但其他类别没有呈现相关的特点；

3）节日影响显著：教师节销量（1012件）明显领先，价格较高的中秋礼物也表现不俗（700件），特定节日对销量有较大推动作用；

4）人群、创意数据参考意义不大：标题由于SEO仅部分有明确目标人群，创意词云较为混乱，建议选择品类Top5销量的产品定向查询。

建议：

1）考虑到定制化成本，建议在装饰、文具品类发力；

2）结合词频，前期建议优先设计泛人群的日常产品，如出行使用的包袋、家居摆放的装饰等，减少季节性和节日波动对销量的影响；

3）此外，可以基于节日主题开发成本低、生产快的产品，如圣诞节冰箱贴。

05 最后

在业务量没有到达一定级别的时，别花太大的力气在高深的名词上，而且很可能名词都找错了，其次站得高不一定看得远。

当到了那个级别，我相信也会请专门的数据分析师来做这件事情，希望不同岗位的同学看了这篇文章后能够快速入门。