如何做数据分析

在进行数据分析过程中，我们通常需要使用各种模型来证明自己的分析观点，使自己的结论更具备说服力，同时也让自己的论证思路更具备逻辑性和条理性。

今天老李就给罗列了6个常用的数据分析模型，并附上实际的案例讲解以及分析模板，希望能让大家快速掌握这些模型和方法！

话不多说，上干货！

1、RFM模型

RFM 分析是美国数据库营销研究所提出的一种简单实用的客户分析方法，发现客户数据中有三个神奇的要素：

• 最近一次消费时间（R）：客户距离最近的一次采购时间的间隔。
• 最近一段时间内消费频次（F）：指客户在限定的期间内所购买的次数。
• 最近一段时间内消费金额（M）:客户的消费能力，通常以客户单次的平均消费金额作为衡量指标。

这三个要素构成了数据分析最好的指标，RFM 分析也就是通过这个三个关键指标对客户进行观察和分类，针对不同的特征的客户进行相应的营销策略，如下图所示：

案例讲解：已知某公司销售信息，分析该公司客户消费能力，并将其分类进行营销。

分析思路：

• 1）获取R、F、M 3 个关键指标。
• 2）根据实际业务情况，设置并求出阈值，可以是平均值、中位数，示例使用R、F、M三个指标的平均值。
• 3）将三个指标R、F、M进行特征向量化，对于M、F，如果客户消费金额和频率高于阈值，计为1，否则计为0；对于R则相反。
• 4）根据特征向量将客户分类。

利用FineBI制作

结论：客户类型中占比最多的是一般发展客户（最近购买过，但频率和金额都不大），应向该客户推送公司主营业务，通过宣传推广让产品信息送达客户手中。

其次占比较多的是一般挽留客户（很长时间未买，购买的频率和金额较少），应该面向该部分人群推出促销活动，拉动消费的积极性
此外还可计算各地区客户消费能力与消费流失情况，由于M、F 为正向指标，则用M、F作为横纵轴代表客户消费的能力，值越大表示消费能力越高

R为负向指标，则代表消费流失情况，图形越大表示最近消费距今时间越长，流失越严重。

结论：成都和北京地区客户消费金额较大，但客户流失情况比较严重，需要重点关注。武汉、沈阳地区客户以小额消费为主，但消费次数多。

2、帕累托分析

帕累托分析法又称ABC 分类法，平常也称之为「80 对 20」规则，常用于商品的库存管理分析中。

把产品或业务分为A、B、 C三类，用于分清业务的重点和非重点，反映出每类产品的价值对库存、销售、成本等总价值的影响，从而实现差异化策略