(七)教你数据分析烹饪大法,做出美味佳肴

一、分析目的

  • 为企业战略决策、投资决策、营销决策提供依据

二、分析思路

  1. 按时间维度
  2. 按空间维度,如企业成功关键因素的分析思路                                                  
  3. 按综合维度

三、分析方法——厨艺大比拼

  数据分析的过程

  1. 基础分析方法

    • 对比
    • 分类
    • 相关:相关分析研究的是事物间的某种联系,最常见的联系就是因果分析。
    • 分布:分布分析就是集中和离散趋势。
  2. 衍生分析方法:对比、分类、分布、相关这4种基础分析方法除了可以直接应用外,还可派生出很多衍生方法,这些衍生方法在企业经营决策中经常会用到。

四、分析应用

  1. 战略分析:战略的本质是抉择、权衡和各适其位。换句话说战略的目的是选择做正确的事情。      

        1. 分析内容

          • 宏观环境:PEST分析——政治(Political)环境、经济(Economic)环境、社会文化(Social)环境、技术(Technological)环境
          • 市场特征:市场特征是指市场的具体现状,衡量市场特征的指标有很多,比如市场类型、利润水平、增长速度、成长潜力、竞争激烈程度等。这些指标就是我们可选的分析内容,其中最关键的衡量指标是市场规模和生命周期。       
          • 竞争态势:分析竞争态势,要回答三个问题:

            ·与谁竞争——谁是你的竞争对手?(影响生存状态的力量可归纳为波特五力)                                                                           
            ·竞争地位——你占据多大的市场份额?(可以用兰查斯特战略模式判断)
            ·竞争要素——竞争要素分析的价值有两个——发现现有产品的问题寻找市场空白点;展示企业和竞争对手相比的优势和劣势。

            2. 分析方法:战略分析常用矩阵分析法和层次分析法                                                                                                                                   

2. 投资分析

    • 分析内容                                                                                                                                                      
    • 分析方法
      • 针对预测:(1)定性预测:类比法、德尔菲法(如下图);(2)定量预测:回归预测&时间序列
      • 针对收益:(1)设计现金流量表;(2)经济评价指标的计算:按照是否考虑资金的时间价值,经济评价指标分为静态和动态两种。
            
      • 针对风险:投资有收益也有风险。我们不仅要重视项目收益,还要控制项目风险。

    3. 经营分析  

    • 分析内容                                                         
  1. 分析方法:                                                                                                                                                                                               (1)聚类分析(针对用户行为):市场细分有很多方法,比如决策树、回归分析、对应分析、判别分析、聚类分析、因子分析等,其中聚类分析最常用。它包括层次聚类(系统聚类)、迭代聚类(K-Means聚类分析)                                                                                                                                                  (2)新产品开发时,设计者经常遇到一个困境——在最终产品中,应该包含哪些属性?许多方法可帮助设计者筛选属性,其中KANO模型最常用(针对4P营销Production)。KANO模型起源于赫兹伯格的双因素理论,也被称作激励-保健理论。日本学者KANO教授将赫兹伯格的理论引入产品质量管理中,1984年提出了KANO模型。20世纪90年代初KANO模型被广泛应用于新产品开发。                                                                                                                                                                              (3)PSM模型(针对4P营销:Price)                                                                                                                                                                 (4)PSM模型(针对4P营销:Promotion)                                                                                                                         (5)定标比超分析(针对4P营销:Place),即确定标标杆、建立评价指标体系、比较差异,提出赶超举措。                                                                           (6)用户满意度:方差对应分析(针对营销效果)                                                                                                                                               (7)品牌资产诊断:漏斗分析(针对营销效果),如品牌资产漏斗图                                                                                                                              (8)广告效果评估:AIDA模型                                                                    

五、小结

  至此我们介绍了营销分析的基本内容与方法。回忆一下,营销分析的内容有用户行为、4P营销和营销效果。方法有聚类分析、KANO模型、PSM模型、定标比超分析、品牌知觉图分析、方差分析、对应分析、漏斗分析和AIDA模型。

  聚类分析和KANO模型体现了分类和对比的思想。聚类分析按照距离将市场分为若干类,KANO模型按照用户态度将产品属性分为四类,体现分类。聚类分析通过方差分析检验类别间差异是否显著;KANO模型遵循产品属性开发优先原则,体现对比。

  定标比超分析将自己与标杆对比,体现对比。指标体系中的指标与权重分别体现分类和相关。PSM模型让受访者选择便宜和贵的价格点,体现对比;将用户分为可接受者、有保留接受者和不可接受者三类,体现分类;统计三类用户的规模分布,体现了分布的思想。

  方差分析体现了对比分析差异要显著的思想;对应分析是用点与点的距离来描述变量之间的相关关系,体现了相关分析的思想。漏斗分析将品牌资产分为5类,体现分类;接着从中找最低转化率,体现对比;分析转化率低的原因,体现相关。AIDA模型用多指标衡量广告效果,体现相关;将广告对用户的影响分为4个阶段,体现分类;寻找最佳的投放媒体、内容和时间,体现对比。                        

【参考文献】《数据分析:企业的贤内助》 陈哲 著

时间: 2024-12-29 17:36:37

(七)教你数据分析烹饪大法,做出美味佳肴的相关文章

教你在浏览器里做出EXCEL的效果

在浏览器里做出EXCEL的效果,复制.粘贴.设置公式.双击编辑等效果,如果自己开发的话,比较麻烦,建议使用成熟的插件.这里介绍使用智表ZCELL插件,实现用户快捷操作. 首先下载插件,引入到页面中,一共4个文件,包括jquery 基础文件,插件和样式文件. <script src="http://www.jq22.com/jquery/jquery-1.10.2.js"></script> <script type="text/javascrip

大数据分析—全运会

全国运动会一般是中华人民共和国全国运动会,简称"全运会".全国运动会是中国国内水平最高,规模最大的综合性运动会.全运会的比赛项目除武术外基本与奥运会相同,其原意是为国家的奥运战略锻炼新人.选拔人才.全运会每四年举办一次,一般在奥运会年前后举行.前九届全运会由北京.上海.广东三地轮流举办.2001年初,国务院办公厅正式发布了<关于取消全国运动会由北京.上海.广东轮流举办限制的函>,2011年8月16日,经过三轮不记名投票,天津市获得2017年第十三届全运会主办权. 本届全运会

计算机大会CNCC参会报告by tsy

计算机大会CNCC参会汇报by tsy 声明: 1)本报告由博客园bitpeach撰写,版权所有,免费转载,请注明出处,并请勿作商业用途. 2)若本文档内有侵权文字或图片等内容,请联系作者bitpeach删除相应部分. 3)本文档内容涉及参会感受,总结参会内容.仅仅作为参考用途,抛砖引玉,不作为证据证明用途,请自行取舍,核实引用. 0目录 目录 0目录    1 1报告背景    1 1.1撰写的主观背景    1 1.1.1为什么要写参会汇报?    1 1.1.2如何学习去写参会汇报?   

2018.7.13 上半年课程总结-经济学1

1.为什么学经济学 应用于生活,做理性决策.改进你的思考方式和观测社会的角度 2.基本经济问题 三个重要概念: a稀缺:时间,资源,精力 都是稀缺的,稀缺的东西才有更高溢价,大城市的房子是稀缺的,高级岗位是稀缺的,生产四要素(劳动力:体力与脑力,土地:位置和资源,资本:物质和金融,科技:技能与才能)是稀缺的. b选择:有舍才有得,我们必须做出选择,经济学教我们理想思考后做出经济决策. c机会成本:打游戏就意味着失去加班学习的机会,赌博就意味了浪费时间和金钱的可能,去做A职业就可能埋没了做B职业的

2018个人年终总结

看到很多人写年终总结,一个人在屋子里坐着,也不知道想干什么,自己也写一写吧.很久没有写过文字了,约略是几年或者好几年. 一.伊始之前 2018年的事情得从2017年说起,要不然显得不够有观赏性.奇葩性.冲折性和无奈性. 2017年研究生毕业,非计算机或统计学科班出身.研二时一时兴起报班学了数据分析,那时接触人生中第一门编程语言,也就是python.当然,数据分析只是教如何使用numpy.pandas.sklearn.matplotlab和nltk,水平不够惊艳以至于中途全班同学强烈要求换了授课老

中国IT职业培训市场经历的几波浪潮,未来的浪潮又是那一波?

第一波 电脑普及性培训时代 2000年至2003年左右,中国正处于PC计算机普及阶段,而IT职业教育也刚开始兴起,这一波浪潮主要以计算机办公自动化.平面设计.计算机硬件维修.为主:几家大的IT培训机构脱颖而出,比如:新华电脑教育.文达电脑学校.世杰电脑学校等: 第二波 网络工程师培训阶段 2004年至2006年左右,中国迎来了网络工程阶段,随着PC电脑的普及和网络宽带的发展,企业开始建立局域网,整个就业市场对网络工程师人才需求巨大,此阶段的网络工程师职业培训火爆,以思科网络工程为首的厂商认证培训

&nbsp; 痛并快乐,机器如何表达情绪?

据国外媒体报道,德国科学家日前开发出了一套人工神经系统,可以让机器人感觉到疼痛,使其在面对潜在危险时能迅速做出反应,避免受到伤害,同时,也能保护站在身边的自然人类.研发人员介绍说,让机器人感觉到疼痛,其实并不困难,只需要在机器手臂上安装一个类似手指的传感器,他们就能探测到环境的压力和温度,而且这套系统也能把收到的感觉进行分类:轻度.中度和重度疼痛等等,依照不同程度的疼痛,启动相应的保护机制.事实上,如果编程者的数据足够强大,机器人的胳膊在被女朋友咬了一口之后,脸上甚至会出现一个痛苦的表情,且能跪

Cardboard虚拟现实开发初步(一)

Google Cardboard 虚拟现实眼镜开发初步(一) 虚拟现实技术简介 不得不说这几年虚拟现实技术逐渐火热,伴随着虚拟现实设备的价格迅速平民化,越来越多的虚拟现实设备来到了我们眼前,也因此虚拟现实方面的开发离我们也越来越近. 这几年迅速崛起的Oculus,其成功就在于拉近了虚拟现实与群众的距离,把原本价格高不可攀的虚拟现实设备放到了我们可以触手可及的位置,Oculus的技术开辟了全新的体验和可能性,不仅仅在游戏领域,还在生活.教育.医疗等诸多领域拥有广阔的想象空间,Facebook在20

Hadoop生态圈介绍及入门(转)

本帖最后由 howtodown 于 2015-4-2 23:15 编辑 问题导读 1.Hadoop生态圈介绍了哪些组件,分别都是什么? 2.大数据与Hadoop是什么关系? 本章主要内容: 理解大数据的挑战 了解Hadoop生态圈 了解Hadoop发行版 使用基于Hadoop的企业级应用 你可能听别人说过,我们生活在“大数据”的环境中.技术驱动着当今世界的发展,计算能力飞速增长,电子设备越来越普遍,因特网越来越容易接入,与此同时,比以往任何时候都多的数据正在被传输和收集. 企业正在以惊人的速度产