數據運營：數據分析模型撬動新零售實戰（簡體書）

經常有人問我：如何轉行成為數據分析師？如何提升數據分析能力？數據分析如何能落地？

也曾被咨詢：“你們的數據分析師日常輸出什麼？為何我們公司的數據分析師只是充當了取數工具，其他價值一無所出？”

而當我面對不同企業的高層領導時，經常回答同一個問題：“你的團隊能為公司帶來什麼價值？”

諸如此類問題，不勝枚舉，總體而言，大家都很疑惑數據分析怎麼做？數據分析如何驅動業務？數據分析的價值在哪？數據分析能為企業帶來什麼？這不僅是執行層的困惑，同時也是企業領導的困惑。

市場發展到現在，數據分析師職業在市場上其實相對成熟，但在實際工作中會發現強技術的分析師易找，具有業務思維或懂得數據應用的分析師一將難求，甚至有時候招聘需要篩選百份簡歷，歷經數月。所以我常思考：我們對於數據分析職業及能力的認知，是否真的從業務需求中來，最終結果可以賦能於業務？

近年，有個崗位悄然興起：數據運營。數據運營的目標是服務運營，核心前提是運用數據，它是將數據分析真正落地，進行數據變現的崗位。結合過往的項目來看，數據運營崗位工作非常複雜，它不是獨立的數據分析，也不是獨立的活動運營或者用戶運營，所以國內市場乃至國外的數據運營人才都非常稀缺。數據分析職業因人力成本投入高，如果不能從分析走到運營變現，那麼分析團隊在企業中便難以生存。

從與出版社確定寫書計劃開始，我不斷思考：事隔多年再次寫書，我應該寫些什麼內容能夠滿足大家日常工作的需求？帶著問題，綜合上述林林總總的思慮及自身的工作、分析師團隊招聘等經歷，經過較為深入的思考後最終敲定了本書的寫作方向：洞見數據價值，探索數據驅動運營。

為什麼選零售行業？如何理解“新”零售？

從商業細分看，市場上業務形態多元，品牌零售企業相對較多。從某種程度而言，具備銷售商品性質的企業都帶有零售屬性，不同的企業只是在人、貨、場上有微小的差異，但數據分析方法是通用的。

“數據分析模型撬動新零售”中的“新”不僅指零售企業借助互聯網實現在線線下融合的新場景，同時指零售企業借助數據分析手段顛覆傳統的運營方式，真正走上“創新”的數據運營之路。

本書內容特點

我曾和一個從事數據服務多年的朋友交流，他總結了多年的服務經驗，他認為要解決甲方企業的業務問題，技術不是第一位，業務思維及數據落地應用地才是首要的，同時也是最難以突破的。所以我在對內容安排經過嚴密思考後，決定本書不講工具，不限於工具，崇尚能夠解決業務問題的都是優秀的工具。

（1） 選用行業通用的經典分析模型，適用各種不同業務的企業（互聯網亦可用），且具有可持續性。

（2） 覆蓋企業業務場景廣：新零售、私域運營、客戶分析、CRM……

（3） 講業務、講商業，講數據、講分析，同時講需要的技術。

（4） 從業務問題思考、指標選取、數據分析思考、模型實現到結果應用全鏈路講解。

（5） 實戰案例豐富，總能找到你所需要的。

（6） 多數數據分析模型都有相關的實現工具推薦，不同的讀者可以按需求選用。

（7） 書中內容適用性廣，可以適應多元化、不同層級及不同工作角色的讀者。

（8） 章節內容採用敘事性寫法，閱讀數據案例不枯燥。

讀者物件&學習路徑

（1） 初級數據&商業分析師、欲轉行人員：建議您先從第1章開始閱讀，從基礎開始，循序漸進。第1章對每個分析模型的邏輯進行了介紹，有助於初步理解數據分析模型。

（2） 專業數據分析師：專業人士對書中多數分析模型較為熟悉，可以以閱讀相關案例應用為主，理解思考模型結果如何落地，即如何從數據分析走到數據變現。

（3） 專業數據運營人士：對於您來說，較為薄弱的可能是數據分析部分，可以主要閱讀每個模型的邏輯原理、案例的業務思考、指標選取及完整分析思路，了解數據結果的來源很重要。

（4） 業務決策者：如果您沒有數據分析基礎，建議先從第1章開始詳細閱讀，根據自己遇見的業務問題匹配出相應的分析模型，再各個擊破。本書分析模型實現多數採用圖形化的分析工具或者Excel，對您同樣很友好。

（5） 強數據意識企業高層領導：可以著重關注不同分析模型適應的業務場景，以及案例闡述的業務問題。

（6） 對數據分析或數據運營感興趣的人員：可以根據自己喜好或者需求閱讀。

內容勘誤

作者個人的觀點不是唯一且無比精確的，同時時間倉促，工作之余完成了本書，本書勢必存在部分內容上的不足或者錯誤，歡迎讀者批評指正。

個人微信號，有需要的讀者可以聯繫我，“三人行必有我師”，期待我們可以相互學習，相互促進。

個人公眾號，對大數據相關內容感興趣的讀者可以關注，將為您呈現更深入、更複雜的數據應用內容。

本書能夠順利完成離不開大家對我的支持和幫助，在此對默默支持幫助我的朋友們表示衷心的感謝。同時，一本書的上市更需要出版社編輯的嘔心瀝血，在此非常感謝電子工業出版社的石倩編輯對本書的指導和付出，也祝願所有看到本書的讀者工作順利！

作者

第1 篇　零售企業基礎分析方法應用

第1 章　開啟數據化業務洞察：基礎分析方法 002

1.1　趨勢分析 003

1.2　對比分析 005

1.3　分布分析 009

1.4　組成分析 013

1.5　關係分析 015

1.6　其他分析方法 017

1.7　本章小結 019

第2 章　讓客單價“飛”起來：購物籃分析 020

2.1　從經典故事的起源探索購物籃分析的奧秘 020

2.2　兩個案例：購物籃分析數據化決策怎麼用 022

2.2.1　模型適用的零售業務場景 022

2.2.2　案例1 ：不合時宜的服飾可以不打折清倉嗎 025

2.2.3　案例2 ：如何輕鬆獲取私域運營流量

（新零售場景） 030

2.3　購物籃分析模型的實現 034

2.4　本章小結 036

第3 章　擒賊先擒王，高效降本增益：帕累托分析 038

3.1　二八定律誕生的科學性 038

3.2　兩個案例：帕累托分析數據化決策怎麼用 040

3.2.1　模型適用的零售業務場景 040

3.2.2　案例1 ：降本增益，1500 多個商品如何優化 041

3.2.3　案例2 ：企業的用戶貢獻分布健康嗎

（CRM 管理） 045

3.3　帕累托分析模型的實現 049

3.4　本章小結 054

第4 章　精準定位，業績優化有方向：象限分析 056

4.1　象限分割的數學邏輯原理 057

4.2　兩個案例：象限分析數據化決策怎麼用 060

4.2.1　模型適用的零售業務場景 060

4.2.2　案例1 ：餐廳的菜品如何管理優化 062

4.2.3　案例2 ：紙業零售商如何提升門店業績 066

4.3　象限分析模型的實現 070

4.4　本章小結 074

第2 篇　零售企業進階分析方法應用

第5 章　快速厘清自己，掌握外部形勢：SWOT 分析 076

5.1　SWOT 分析的原理 076

5.2　兩個案例：SWOT 分析數據化決策怎麼用 079

5.2.1　模型適用的零售業務場景 080

5.2.2　案例1 ：用戶眼中的品牌是什麼樣的

（市場決策） 081

5.2.3　案例2 ：備選開店的3 家購物中心該如何選擇

（企業戰略） 085

5.3　本章小結 091

第6 章　1 分鐘梳理10 萬個用戶的商業價值：RFM 分析 092

6.1　RFM 分析的邏輯原理 093

6.2　兩個案例：RFM 分析數據化決策怎麼用 095

6.2.1　模型適用的零售業務場景 095

6.2.2　案例1 ：你的高價值用戶在哪裡（CRM） 097

6.2.3　案例2 ：打折清倉的靴子賣給誰（營銷決策） 103

6.3　RFM 分析模型的實現 107

6.4　本章小結 110

第7 章　不懂商業數據分析？先來聽它說：杜邦分析 112

7.1　從經典起源看杜邦分析如何“解” 112

7.2　兩個案例：杜邦分析數據化決策怎麼用 114

7.2.1　模型適用的零售業務場景 114

7.2.2　案例1 ：上個月的營業總成本為何這麼高

（財務分析） 117

7.2.3　案例2 ：如何快速學會商業分析（商業思維） 120

7.3　杜邦分析模型的實現 124

7.4　本章小結 125

第8 章　………