Ⅰ 工作中如何进行数据分析---用数据来发现问题和机会
机会与问题是对应的，发现问题与发现机会的方法是一样的。所以下文以发现问题来叙述。 业绩的好坏是公司发展如何的最终评价标准，业务发展中的任何问题也都最终会显示在业绩上，所以发现问题是承接于业绩评估的，业绩评估过程中，尤其是其中的对比评估中，所发生的一些突出的变化都蕴藏着一定的问题和机会。大公司因为已经进入稳定发展期，一般就是用市场占有率或者利润的变化情况来判断，或者是市场占有率与对手的差距的大小来判断；而如果是起步期的小公司，则一般市场占有率比较低，那么便直接用销量的变化来判断。发现问题一般按照从宏观入手，逐步到微观的顺序，首先结合公司本身的目标与要求根据业绩评估的结果来看整个公司的业务有没有大的问题出现，然后再分具体地区，分具体分销渠道，分具体产品线结构，分具体顾客群等细分的层面，去看各层面有没有问题。挖掘到最后，问题一般都显示在最为细分的地方，比如最终发现的结果是这个月携程卖南航的西南航线的机票不是很理想。那么我们日常工作中怎么去敏锐地发现问题呢？就要求大家在日常工作中养成习惯，周期性地对周或者月度的数据进行简单总结，而不能仅仅是做个半年总结或者是年度总结；更重要的是这种总结不能只是某位同事发一个EXCEL的月报给到部门同事就结束了，而是要有专人进行跟踪和细微的分析，根据上面宏观到微观的顺序对整个业务分析，能出得一些结论性的业绩跟踪报告。另外，发现问题还有个重要的事情就是一定要搞清楚真正的问题是什么，不能只看表面的数据，就很慌张或者很乐观。比如说同比增长率的过大或者过小，是不是因为基数的问题。比如说销量降低了是不是因为整个行业的季节性问题。还比如不同地区对比的时候，要考虑到地区之间的市场差异，像机票行业，深圳在7、8两个月的旺季效应就不如广州明显，那么当我们看到深圳的增长相比广州来说很缓慢的时候，就不能直接说深圳出了问题。这也是大公司最好拿市场占有率来看不要只是拿销量来看的原因之一。 后注：很多时候企业业务发展的问题是隐性的，现阶段并没有在销售数据上显示出来的，也因此无法从数据中发现这种问题。比如说当市场上突然出现一种新型产品，迎合或者领导了顾客的需求，上市后迅速地夺走了大量的顾客，这种问题在竞争产品没有上市或者刚上市时期是很那被发现的。
Ⅱ 工作中如何进行数据分析---用数据来发现问题和机会
数据分析怎么做？做一份数据分析前必须明白数据分析遵循的原则，然后按照常规数据分析步骤进行。
1、数据分析遵循的原则：
① 数据分析为了验证假设的问题，提供必要的数据验证；
② 数据分析为了挖掘更多的问题，并找到原因；
③ 不能为了做数据分析而坐数据分析。
2、步骤：
① 调查研究：收集、分析、挖掘数据
② 图表分析：分析、挖掘的结果做成图表
3、常用方法：
利用数据挖掘进行数据分析常用的方法主要有分类、回归分析、聚类、关联规则、特征、变化和偏差分析、Web页挖掘等， 它们分别从不同的角度对数据进行挖掘。
① 分类。分类是找出数据库中一组数据对象的共同特点并按照分类模式将其划分为不同的类，其目的是通过分类模型，将数据库中的数据项映射到某个给定的类别。它可以应用到客户的分类、客户的属性和特征分析、客户满意度分析、客户的购买趋势预测等，如一个汽车零售商将客户按照对汽车的喜好划分成不同的类，这样营销人员就可以将新型汽车的广告手册直接邮寄到有这种喜好的客户手中，从而大大增加了商业机会。
② 回归分析。回归分析方法反映的是事务数据库中属性值在时间上的特征，产生一个将数据项映射到一个实值预测变量的函数，发现变量或属性间的依赖关系，其主要研究问题包括数据序列的趋势特征、数据序列的预测以及数据间的相关关系等。它可以应用到市场营销的各个方面，如客户寻求、保持和预防客户流失活动、产品生命周期分析、销售趋势预测及有针对性的促销活动等。
③ 聚类。聚类分析是把一组数据按照相似性和差异性分为几个类别，其目的是使得属于同一类别的数据间的相似性尽可能大，不同类别中的数据间的相似性尽可能小。它可以应用到客户群体的分类、客户背景分析、客户购买趋势预测、市场的细分等。聚类分析的方法可以学习CPDA数据分析的课程。
④ 关联规则。关联规则是描述数据库中数据项之间所存在的关系的规则，即根据一个事务中某些项的出现可导出另一些项在同一事务中也出现，即隐藏在数据间的关联或相互关系。在客户关系管理中，通过对企业的客户数据库里的大量数据进行挖掘，可以从大量的记录中发现有趣的关联关系，找出影响市场营销效果的关键因素，为产品定位、定价与定制客户群，客户寻求、细分与保持，市场营销与推销，营销风险评估和诈骗预测等决策支持提供参考依据。
⑤ 特征。特征分析是从数据库中的一组数据中提取出关于这些数据的特征式，这些特征式表达了该数据集的总体特征。如营销人员通过对客户流失因素的特征提取，可以得到导致客户流失的一系列原因和主要特征，利用这些特征可以有效地预防客户的流失。
⑥ 变化和偏差分析。偏差包括很大一类潜在有趣的知识，如分类中的反常实例，模式的例外，观察结果对期望的偏差等，其目的是寻找观察结果与参照量之间有意义的差别。在企业危机管理及其预警中，管理者更感兴趣的是那些意外规则。意外规则的挖掘可以应用到各种异常信息的发现、分析、识别、评价和预警等方面。
⑦验证假设和结果的关系。数据分析的结果是不是合理，是不是符合逻辑要求，是不是和假设的原因一致，为什么会有结果和假设不相符合的，这些都是最后的报告听取者可能问的问题，同时也是进行数据分析得到的问题的症结所在。