作者：冯大福

来源：说说数据分析那些事儿

大数据，这个被炒烂了的概念，现如今已被人工智能替代。我们先不讨论人工智能，就大数据而言，我们都是在强调它的技术，例如网络热词：hadoop+spark，data mining。而我们在用大数据时候，经常神话它的影响。例如，广告投放精准化，社会安全管理有序，医药行业智能化等。

当然这些是我们的畅想，同时确实也离不开数据分析影响，但是我们有没有停下脚步去想一想，到底大数据怎么去落地呢，怎么去分析？怎么利用数据来去使企业做出决策，例如：广告投放精准化？

1

我们了解什么叫大数据分析吗？

麦肯锡给大数据定义：

“一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。”

基于我对以上定义的理解，我总结的大数据分析就是，将获取的数据打通、整合、找寻规律，立即得出决策信息。

数据获取

我总结的数据源可分类三类：

（1）一方数据：用户事实数据

例如用户在某金融机构购买的理财产品，时间、哪个出单口、姓名、电话等，或者运营数据，例如某互联金融app，用户操作行为数据。

（2）二方数据：其实这部分叫做广告投放数据

例如，广告展示量，活动页点击量，广告来源等。也有公司将这部分数据作为第三方数据，因为有些广告监测公司会利用此数据和人群数据整合构建自己dmp这样的公司一般宣称为第三方公司，三方数据。

（3）三方数据：行业数据，也叫公开数据

例如行协的数据，或者互联网行为数据，例如某互联网公司用户在此网站的行为数据，或者嵌入sdk的app后我们能采集到的安装活跃列表，以及可采集到线下数据。

打通：其实就是利用关键点的采集整合一二三方数据。例如我们可以通过手机号将一方和三方数据整合，或者利用cookie，或者imei号等将二方、三方数据整合。但是由于现在监管制度对手机号敏感数据的控制，以及互联网和移动端数据的跨平台打通技术难点，我们现实的匹配率很低，例如一方和三方的数据匹配达到20%其实就算比较不错的情况，当然运营商数据除外。

找寻规律：目标就是数据清理，从非结构化数据变成结构化数据，以便统计，数据探索，找寻规律，形成数据分析报告观点。本文将会在第三部分阐述。

立即决策：将数据分析报告中的观点系统化或产品化，目前而言，大部分公司还是会依靠人工决策。

为什么需要大数据分析？看上去大数据分析似乎按照这些步骤来，但是从第一步的数据源来说，其实已经反应了大数据的特点，就是杂乱无章，那么怎么从这些数据找寻规律，分析的内容和目标是否对应上，似乎就是我们需要大数据分析的理由。

现在，大数据的分析通常采用的数据报表来反映企业运营状况，同时，对于热点，人群分析，我们看到的统计值，目标核心都是用数据分析报告提炼的观点来指导运营，那么问题来了，怎么用数据分析来指导数据决策呢？

2

数据分析的报告思路

（从移动端的角度进行切入）

基于我对数据分析的理解，我将数据报告会分成三大类：市场分析、运营分析、用户行为分析。

市场分析

由于市场分析一般而言是定性、定量分析，最近热播剧《我的前半生》贺函和唐晶的职业就是来去咨询公司的一般会以访谈、问卷调查来一份市场分析报告去告诉客户他们的市场占有量，消费者观点等。

这里，我们以移动互联网数据的市场分析为例，通常来说，数据源是公开数据，或者在第三方数据。正如我们所讲，将sdk嵌入开发者应用，就可以收集到安装以及使用列表，那么开发者使用的sdk越多，我们能收集的数据源也越多，这样就可以形成安装app排名，使用app排名，这里面所说的覆盖率、活跃率也是这个意思，例如：即此款应用安装量、使用量在整体金融类的安装量、使用量占比。

那么，这些市场分析的作用呢，一般而言，是对公司市场营销的总结，比如某金融公司kpi是为了获客，他们做了一系列营销，下个月排名我们可以查询到此款应用的安装量，是否较上个月上升呢？ 那么我们的竞品表现呢，他们是不是也做了一些列的营销活动排名上升下降？我们都可以通过市场分析、竞品分析来观测，但是这部分的观点由于是市场数据，我们只能通过大量的搜寻官网活动，或者互联网广告推测营销来推测是否竞争对手排名上升和这些营销活动有关。

同时，根据市场的走势图，我们能发现潜在的竞争对手，例如：我们能看出下图中的工商银行由于手机属于高覆盖高活跃组，即安装xxapp活跃人群也是最高的，因此，无疑xx银行是所有银行组潜在竞争对手。需要更加注意他们的市场策略。

运营分析

移动互联网提出的方法论：3A3R，笔者之前在做咨询的时候，此方法论也可以将网站分析套用，总结来说3A3R就是：

感知 → 获取 → 活跃 → 获取 → 营收 → 传播 → 感知

这里需要注明下，运营分析只是一个公司的baseline，让产品经理、运营人员、市场人员根据自己本公司的数据参考做出合理的决定，同时，运营的数据只是参考或者叫警示，若要具体，需要特定细节的分析，例如是否app改版，怎么改？需要增加哪家渠道合作？

（1）Awareness 感知

根据广告投放数据进行分析，目的判断渠道广告页对app 或者网站引流情况，同时可以帮助广告主设计监测表格，以数字角度衡量广告投放效果。

但是，广告数据一般而言在广告监测公司手中，或者公开的使用工具上例如GA，我们需要依靠广告公司设计营销环节，例如活动页，加监测代码，或者在媒体、app应用商店加入代码便于监测广告表现，而往往这样的数据很难加载，一般是由应用商店，或者媒体提供，同时，以上数据，监测公司数据一般而言也不会提供给广告主，只是会提供统计值。

言归正传，我们看感知数据其实目的就是想衡量我们的大量的营销投放钱花的对不对，广告的展示量、点击量等是最好衡量一个公司的广告市场部门绩效，没有广告投放，就无法带来获客，因此钱花的值不值，能带来多少客人，才会有下一步 acquisition。

（2）Acquisition 获客

获客是第一步广告投放拓展，用户点击广告后到达应用商店或者着陆页后去下载app，访问网页后，登陆app后的数据是广告公司或者应用商店提供不了的数据，因此获客其实有两重目的。

目的1： 衡量第一步提供的数据是否准确，即是否渠道作弊

目的2： 判断渠道是否好坏

目的3： 判断营销活动是否有效

例如下图中，我们发现4成用户是搜索流量较上个月增加了6%，是不是我们需要增加和sem的合作呢？而在媒体引荐渠道中，我们通过渠道衡量客户转化率，点击-用户激活的，激活的注册转化，可否重点对某应用商店增加合作。

下图是目的3的应用，来衡量三个月内的新增用户，活跃用户是否受活动营销、广告投放、版本更迭等影响。例如：7月28日的版本更迭，增加新用户的利器，那么产品经理需要分析下这个版本到底哪里的改变，让用户增长这么快，而8月份的营销活动会唤醒沉睡用户，反应考核运营人员的绩效，那么，是否我们在做促活时候可以借鉴8月的成功经验呢？而这个成功经验需要进一步做专题分析。

（3）Activities 活跃

获客后，我们想看看我们的新增、活跃用户的表现情况，那么就到了第三步 活跃，其实就是为产品经理改版app或者页面提供数据支持。

活跃分析可参考以下三个步骤：

第一：从页面浏览次数，独立访问人数，来圈定主要页面分析。

例如某款app首页是pv，uv最高，我们会重点分析首页。

第二：根据圈定页面，制作点击热力图，便于产品经理对后续页面改造提供数据支持，例如我们可以将点击量小的按钮在下次改版删除，对点击量大的重新排序。

第三：根据圈定页面，制作点击热力图，便于产品经理对后续页面改造提供数据支持，例如我们可以将点击量小的按钮在下次改版删除，对点击量大的重新排序。

（4）Retention留存分析& Revenue & Refer

这几个实际上在企业运用的并不多，这里简要说明下。

① Retention

用户积累到一定数量后，我们想看下用户粘性，那么我们就来到retention，一般是衡量活动效果时候运用的比较多，来看此次活动过后，是否用户依旧会使用我们的app，但是由于金融app属性不会像游戏应用每天进行访问，因此Retention 在实际应用中不会太多，下面的例子是个展示，不做赘述。

② Revenue

这些留下来的客户给公司贡献多少现金呢？会看收入步骤， 一般公司不会将现金流数据放入在统计平台中，但是我们需要提出用户贡献的流水金额数据供我们使用，便于人群划分，例如下面简要分析：

Refer 传播：

最后，我们想让这些客户进行传播；核心是口碑营销，即用户自发的转发给其他用户链接，让他们下载app或者参与活动，因此传播的下一个环节又会转换营销，但是传播会受到很多限制，例如没有奖励机制的口碑传播，几乎转发量为0，同时，传播若要衡量比较困难，尤其在大量互联网用户基础上，这样会造成资源代码叠加，系统负担，因此一般企业也不会设计这样活动让营销人员参考。

用户分析

若说大数据分析的核心，其实就是在于用户分析，正如我们前面所讲，用户分析的步骤流程如下：

即在力所能及的搜集数据范围内，打通数据，客户用户，精准营销。

第一，我们可以筛选的条件列表，我们可以通过应用条件，位置，标签条件将数据整合，整合的目的就是刻画客户，定出营销策略。

例如：我们想筛选金融客户（应用条件筛选），出现在五星级酒店（位置条件），且为母婴人群（标签）。

但是需要注意的是，条件越多，用户轮廓越清晰，人群会越少。

第二，根据筛选的人群，我们将线上/线上统计化，或者建模多维度分析。

例如，我们根据筛选的人群，发现男性多于女性，苹果手机属性最高，常手机工具使用，那么我们可以将这部分目标人群用增加手机工具合作，或者和苹果合作获客或者促活。

第三，整合以上数据分析，形成人群画像。

中商情报网讯：2018年上半年，我国人工智能政策不断落地，技术应用商业化进程加快。十八大以来我国的信息化水平大幅提升，互联网用户数量跃居世界第一，信息领域核心技术步深刻改变了人们生活的诸多方面，而人工智能技术和应用飞速发展，带来更为持久深刻的思维与变革。政策层面，国务院发布的《新一代人工智能发展规划》提出“到2030年，使中国成为世界主要人工智能创新中心”。在我国国家战略规划中，人工智能已超越技术概念，上升为国内产业转升级、国际竞争力提升的发展立足点和新机遇;行业应用层面，巨大的行业应用需求场景、研发能力积累与海量的数据资源、开放的市场宏观环境有机结合，形成了我国人工智能发展的独特优势，依靠应用市场广阔前景，推动技术革新，形成技术和市场共同驱动。预计2018年中国人工智能市场规模将达到238.2亿元。

数据来源：中商产业研究院整理

在中国人工智能企业方面，数据显示，中国人工智能企业超900家，达到922家，其中2016年新成立人工智能企业数量达到顶峰，为192家，2017年新成立企业数量为84家。

数据来源：亿欧、中商产业研究院整理

中国人工智能企业地域分布情况中，北京企业数量最多，企业数量为368家，其次为广东，人工智能企业数量为185家，排名第三的是上海，数量为131家。

数据来源：亿欧、中商产业研究院整理

近年来，中国私募市场中人工智能企业投资频数持续攀升，数据显示，2017年人工智能企业投资数量有352件，投资金额为754亿元。

数据来源：亿欧、中商产业研究院整理

以上数据及分析均来源中商产业研究院《2018-2023年中国人工智能行业市场前景及投资分析研究报告》。

海外市场 （冯程程）

事件：周三，英国国家统计局（ONS）公布，英国二季度GDP同比初值 1.7%，符合预期，不及2%的前值；二季度GDP季环比初值 0.3%，符合预期，高于0.2%的前值。

评论：年初以来，英国经济增速放缓，通胀则攀升至四年来最高水平。8月3日 19:00，英国央行将宣布利率决议、会议纪要及通胀报告，市场预期其按兵不动。英国二季度GDP环比增速较一季度小幅加快，受服务业、电影行业以及零售业提振，农业几乎没有影响，制造业和建筑业则成为拖累。今日数据料强化市场对英国央行下周按兵不动的预期。符合预期的英国二季度GDP初值公布后，英镑/美元暂时波动不大。

宏观经济 （陈达）

事件：央行货政司副司长李斌称：“M2对应着金融机构内部去杠杆的过程，如果M2增速慢，同时经济又能保持中高速增长，贷款、社会融资规模保持中高速增长，那么总体上是良性变化，有利于降低全社会的杠杆率“。

评论：根据统计局数据，5月M2增速创历史新低，同比增长9.6%；6月M2再创新低，同比增长9.4%。已经连续两个月在10%以下个位数运行。针对5月信贷数据，人民银行有关负责人答记者问时称：“金融体系主动调整业务降低内部杠杆，表现在与同业、资管、表外以及影子银行活动高度关联的商业银行股权及其他投资等科目扩张放缓，由此派生的存款及M2增速也相应下降。5月份商业银行股权及其他投资科目同比少增1.42万亿元，下拉M2增速约1个百分点。”反映的是金融监管加强，金融体系内部去杠杆，进而带动M2增速走低。而与此同时，6月存量社融和存量人民币信贷增速分别为12.8%和13.1%，却保持在高位，社融增速高于目标值12%。反映金融去杠杆取得阶段性成效，资金“脱虚入实”。虽然今年以来流动性环境偏紧，货币增速下降，但信贷环境反而较为宽松，表内贷款中企业中长期贷款占比也在上升，一季度和二季度GDP保持在6.9%的增速，未出现明显下滑，因此就目前的环境来看，M2的低增速可能是新常态，央行推升M2增速的动力减弱。同时，金融工作会议强调要稳定和降低全社会杠杆率，尤其是政府杠杆和企业（尤其是国企）的杠杆率，M2低增速有助于控制杠杆率。

固收债券 （何雨晨）

事件：[大行个人存款双降，倒逼银行提价揽储]。6月末，趴在银行账上的个人活期存款总额为22.8万亿，已较1月末下降约6400亿元。掌握绝对份额的大行，其个人定期存款也从13.67万亿微降至13.55万亿，降幅为1200亿。与此同时，余额宝等货币基金急剧扩张，一名大行的资产托管部人士称，“余额宝的议价能力还‘比较强’，银行给的收益实际上都会上浮”，余额宝在分流银行活期存款的同时，还在倒逼银行提升负债端成本。

评论：[银行流动性问题仍将持续]央行提高货币市场利率水平后，货币市场利率较存款利差扩大，商业银行存款利率有上调压力，一个可能的路径就是存款向理财和货币市场基金的转移，使得商业银行吸收存款的压力加大。同时，我们针对同业存单的分析中，也说明央行收紧货币供给反而会推动同业负债的上升，表现形式为一般存款向同业存款的转移。存款转移表面上是一般存款增长缓慢，实质上央行基础货币投放量放缓的结果。央行货币投放量继续收紧的话，存款转移或将继续加剧。考虑到对于同业负债的监管正在加强，未来银行的资金面情况不容乐观。

资本市场 （胡光军、王震）

事件：昨晚证监会办公厅副主任李钢、上交所总经理黄红元、中证协会长、银河证券董事长陈共炎等26日晚做客《央视财经评论》的演播室，就IPO等热点问题做出解答。

评论（胡光军）：【IPO总体思路是服务实体，会综合考虑市场状况为发展IPO腾挪空间，今后可能操作上保持稳中有进的操作思路】证监会办公厅副主任李钢表示，直接融资等同于IPO是误解，规范减持收紧再融资为发展IPO腾挪了空间；上交所总经理黄红元亦表示，IPO发展会考虑市场发展状况。黄红元表示“直接融资中，IPO融资、再融资、大股东减持，其中IPO占比比较低，即便增长100%、200%也是千亿量级”今后可能会在开IPO源头的同时节再融资及大股东减持的流，稳中有进。对二级市场估值的冲击风险仍然存在，一级市场后端套利空间受压缩，投资向前端转移，估值也存在下修的可能。

事件：据Techcrunch报道，语言学习平台Duolingo于昨日宣布获得 2500 万美元 E 轮融资，公司估值达7 亿美元。此轮融资由Drive Capital领投，资金将用于招聘（将员工人数从现在的80人增加到2018年的150人）和产品研发。截至目前，Duolingo融资总额达 1.08 亿美元。

评论（王震）：在线教育快速发展。Duolingo方面透露，目前其app用户量已突破 2 亿，其中月活用户高达2500万，目前共有 72 门课程，覆盖 27 种不同的语言。2015 年，Duolingo推出学校版产品，并应用于美国、加拿大及拉丁美洲部分学校。2016年，Duolingo产品进行了重大更新，推出了三款AI 聊天机器人：Renèe the Driver、Chef Roberto、Officer Ada，用户可以用聊天的方式学语言；它还推出了社交板块语言俱乐部，供用户社交与练习。今年4月，Duolingo还推出无广告的 Plus 版，用户按月付费，在商业化道路上进行了新的尝试。今年5月，Duolingo还开设了日语课程，并计划在年底前开设韩语和汉语课程。在语言学习产品的基础上，Duolingo还推出了多项新产品，包括记忆卡片 Tinycards，以及语言认证考试 Duolingo English Test（DET）。Tinycards 通过有趣的记忆卡片帮用户快速学习新知识，覆盖语言、地理、历史等领域；DET 则是Duolingo2014 年推出的标准化在线语言考试，被称为低价版 TOEFL ，目前主要用于高校招生，每次考试收费 49 美元，据了解，美国超过 90 所大学接受该测试成绩，包括耶鲁大学、纽约大学、圣母大学等。目前，Duolingo的竞争对手包括Coursera、Babbel、EdX、Lynda、PluralSight、TutorGroup等。在中国，也有类似的语言学习平台，像ChineseSkill就被称为汉语版Duolingo。

公募基金 （张丹）

事件：券商基金托管牌照有望扩容，一周两家一线券商先后申报

评论（张丹）：近几年公募业务不断发展壮大，券商在基金托管领域跑马圈地速度也得以加快。7月14日和7月18日，证监会先后收到申万宏源证券和东方证券的基金托管资格申请。除此之外，目前处在公募基金托管资格申请人“排队”状态的还有两家券商——安信证券和长江证券。虽然已有13家券商获得公募基金托管资格，但不可否认，目前银行依旧是基金托管的主力。截至到5月，共有29家银行具备公募基金托管资格，是券商托管人的两倍还多。业内人士指出，银行由于进入基金托管市场较久，市场占据度较高，如果券商要想从银行的“虎口夺食”需要加强自身的差异化优势，并根据自身优势为基金产品提供差异化的托管增值服务，对券商而言，基金托管业务只是开始，随着券商对于券商资管和基金托管业务的完善，托管业务范围将扩大。

政策监管 （王云龙、朱华）

事件：央行公布的金融数据显示，过去的5、6两月，M2（广义货币）增速已经连续两个月在10%以下个位数运行。5月M2增速创历史新低，同比增长9.6%； 6月M2再创新低，同比增长9.4%。对此，7月25日，央行货币政策司副司长李斌在“财富管理与发展论坛”上指出，M2对应着金融机构内部去杠杆的过程，如果M2增速慢，同时经济又能保持中高速增长，贷款、社会融资规模保持中高速增长，那么总体上是良性变化，有利于降低全社会的杠杆率。

评论（王云龙）：李斌指出，从货币创造角度看，目前信用货币主要是现金+存款，主要创造渠道包括，贷款、外汇占款、商业银行购买非银行发行的债券以及不规范的同业业务等。但过去一段时间，货币创造渠道在发生变化。前些年货币创造渠道主要是贷款和外汇占款。只要准确预测贷款和外汇占款就能较为准确的预测M2。但从2002年开始，国际收支逐渐平衡，外汇占款对货币创造的影响下降。其他例如同业等渠道对货币创造的影响加强。2013年上半年，通过同业渠道创造的货币约占新增货币20%。这一变化背后是中国金融结构的改变。李斌认为，2015年、2016年之后，同业科目创造货币的比重减少，但与此同时，商业银行债券、股权以及其他投资创造的货币增长。2016年，商业银行通过债券投资、股权投资以及其他投资等科目创造的货币超过贷款创造的货币，成为货币创造最主要的渠道。股权投资、债权投资在商业银行表内，但与商业银行表外、同业业务、影子银行高度关联在一起。当稳健中性的货币政策开始实施，监管政策逐步加强，商业银行主动加强内部杠杆管理，控制杠杆过快上升，控制表外影子银行发展，所以M2增速发生了显著下降。

事件：步入7月，私募机构进入“罚单季”，至少18家私募机构被处罚。

评论（朱华）：步入7月，已经有山西、浙江、吉林、广东、厦门、安徽、河北在内7地证监局对辖区内的18家私募基金公司的违规行为率先披露。从主要违规事实方面看，违规行为集中在没有对私募产品进行风险测评，没有通过问卷调查等方式对投资者的风险承受能力进行评估，未要求投资者签署风险揭示书和投资者承诺函。另外，向合格投资者以外的个人募资、向投资者承诺最低收益、没有按时向协会报告基金运作基本情况以及做好定时定期信息披露也成为处罚“重灾区”。

从处罚措施来看，普遍都是对私募机构责令改正，此外，广东中大创业还被处以警告、罚款的行政处罚，山西乾朗投资管理有限公司除了责令整改外，还被记录诚信档案中。

其实自去年2月以来，证监会和中国证券投资基金业协会就陆续发布了一系列监管新规，构建出“7+2”的自律体系，从募集、登记备案、信息披露、从事投顾、托管、外包业务等各方面进行了全方位的监管。

未来私募机构还将加速洗牌，没有合格资质、未展业的私募机构终将被淘汰，最终将在市场上形成较为固定的规模数量。

免责条款

本报告由海银财富管理有限公司制作。本报告中的信息均来源于已公开的资料及信息，但海银财富管理有限公司（以下简称“海银财富”）对这些资料和信息的准确性及完整性不作任何保证。本报告中的信息、意见等均仅供投资者参考之用，不构成所述证券买卖的出价或征价。该信息、意见并未考虑到获取本报告人员的具体投资目的、财务状况以及特定需求，在任何时候均不构成对任何人的个人推荐。

投资者应当对本报告中的信息和意见进行独立评估，并应同时考量各自的投资目的、财务状况和特定需求，必要时就法律、商业、财务、税收等方面咨询专业财务顾问的意见。对依据或者使用本报告所造成的一切后果，海银财富均不承担任何法律责任。

本报告所载的意见、评估及预测仅为本报告出具日的观点和判断。该意见评估及预测无需通知即可随时更改。过往的表现亦不应作为日后表现的预示和担保。在不同时期，海银财富可能会发出与本报告所载意见、评估及预测不一致的研究报告。

海银财富的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本报告意见及建议不一致的市场评论和/或交易观点。海银财富没有将此意见及建议向报告所有接收者进行更新的义务。海银财富的其他投资业务部门可能独立做出与本报告中的意见或建议不一致的投资决策。

本报告的版权仅为海银财富所有，未经书面许可任何机构和个人不得以任何形式转发、翻版、复制、刊登、发表或引用。

20世纪30年代，宝 洁诞生了第一位产品经理，全权负责一款肥皂的生产、销售以及全流程的成功。

80多年后，随着互联网的蓬勃发展，出现了越来越多的产品以及和产品相关的各种岗位。；围绕产品的思维与工作方式被越来越多的人所认可，产品成功的思维模型被搬上了课堂。

数据报表，作为一个链接IT部门和业务的中间件，承担着信息沟通的作用：数据展示业务信息，为业务决策提供依据；业务产生数据，最终以数据报表的方式呈现。

同样，我们也可以用产品工作的方式来复盘一下搭建报表系统的整个流程，并且和产品的上线流程做一个对比。

产品的上线流程

市场分析——>竞争分析用户分析——>需求（场景）分析——>功能设计——>开发——>发布——>运营——>迭代

互联网产品初期，在初次面向市场的时候，产品往往是一个MVP（最小可用单元），通过种子用户的反馈，分析使用数据，验证产品的可用性，快速迭代，逐渐修正与完善。

报表系统的上线流程

同行业报表项目参考（行业咨询）——>业务部门需求采集分析——>报表设计——>上线——>end

绝大多数的企业在报表上线之后，都忽视了一个关键动作——运营，以致于IT部门陷入了一个怪圈，疲于应付业务人员的需求，天天加班工作却得不到认可。实际上，系统上线不等于终点，被大量使用与认可才是成功的第一步！

产品如何做运营

1、冷启动

冷启动是什么？冷启动是一个产品刚诞生的一个阶段，此阶段的产品面临着以下问题：

缺少用户及相关资源。产品模式未成熟，能否满足用户，迎合市场趋势仍是未知数

因此，在此阶段的主要目标的作用有：

根据数据分析，验证产品是否满足用户需求验证是否能符合市场趋势验证商业模式是否成立

互联网产品怎么做？

种子用户，聚拢一批符合产品目标人群的用户，获取真实的使用数据MVP（最小可用单元）验证，判断产品是否满足了目标用户的最小可用需求存失分析，依据用户的真实使用数据，分析留存的原因（建立产品优势），放弃部分的流失用户，修正产品的定位。

2、高增长

高增长是指在产品通过市场验证，处于快速发展的阶段，通过运营实现产品用户与价值的持续增长

互联网产品怎么做？

持续推广与曝光精细化运营，针对人群、场景、流程做差异化细分运营的运营策略，提升运营动作的效率最大化基于用户数据分析的产品不断迭代优化

报表系统如何运营

帆软的一家互联网行业客户告诉我们，为了让报表系统被业务部门认可，IT部门在上线报表系统的初期以及推广期主要做了4件事：

1、冷启动阶段

a.寻找种子用户

优先挑选了营运部门的管理层作为种子用户，依据需求为其定制了PC、移动端两张营运报表，报表上线后不断关注其访问量趋势，发现移动端模板的活跃度更高，并且用户对模板的评价非常好，随着口碑的传播，分公司的营运部门也提出了类似的需求，IT部门开始重新考量整个营运部门的需求，为其系统化的搭建报表应用

b.简单的用户数据分析

这个阶段的用户数量和模板数量都还处于一个比较小的数量级，只需要通过用户的访问数据，验证报表是否满足种子用户的需求

2、高增长阶段

a.从三个维度和两类应用场景分析用户的使用数据，关注性能与用户体验，促使报表系统不断优化

三个维度：

1、报表系统的整体访问趋势

——把控报表系统的整体运营状态，研究用户的访问习惯，合理分配资源

2、每一位业务人员的访问趋势

——充分掌握哪些业务人员的数据诉求更为强烈，那他们的数据需求被响应的优先级将会更高；那些一个劲提需求，却没有访问量的部门，我们需要重新核算成本，降低他们的需

求优先级

3、每一张报表的访问趋势与性能体验

——每一张报表都是一个产品，同样也有完整的生命周期，不被需求的报表要及时的淘汰，降低运维成本；访问量火热的报表要纳入优化迭代，提升用户访问感知，深挖需求，扩充业务场景

两类应用场景：

数据大屏/移动端报表

——什么样的数据分析场景更加在哪类终端上访问量更高？我们是否需要为其专门打造一张移动端的模板，更美观的样式，更人性化的交互效果？

b.主动推送与推广

——内容推广

伴随着报表系统的不断迭代，每一次为业务人员扩充的应用场景需要通过渠道来推广与宣传，促进用户的使用率，这个渠道可以是企业内部的宣发平台，也可以通过C端市场中的新媒体渠道（微信公众号等）

——报表推送

业务人员常用的报表可以通过帆软提供的推送功能直接触达最终用户，培养其对报表的使用粘性

帆软能提供哪些帮助

1、固化的用户行为数据分析

FS平台为用户提供了常用的运营数据统计功能

访问量数据：包含平台访问次数、模板访问次数、用户数等内容模板热度：不同模板在周期时间内的访问总数用户行为：不同用户在周期时间内的访问总数，并且区分统计出查询、导出、打印等不同的用户行为性能监控：不同模板的平均响应时间、平均内存等内容

注：模板热度、用户行为、性能监控数据统计需要安装“高级系统监控”插件

借助于常用的运营数据统计，我们可以对报表系统做一个整体的评估，对整体的访问量、模板热度、模板性能做到心中有数

2、深入的用户行为数据分析

作为数据分析的先锋，只要有数据源，没有IT做不了的运营数据分析。FR会将用户的访问数据存储至logdb数据库当中，可以直接通过设计器链接数据库定制运营所需分析模板

我们需要关注logdb数据库中的两张表与一个字段

表：PUBLIC.FR_EXERECORD

该数据表是报表正确执行日志表，即如果报表执行成功，将会在该表中添加一条记录，并在相应字段中填写其对应的信息记录

表：PUBLIC.FR_FSRECORD

该数据表是为了统计一段时间内，系统的使用情况，用于管理员查看在线用户数及用户系统使用情况，因此用户登录决策系统时，将登录信息保存入库，将会在该表中添加一条记录，并在相应字段中填写其对应的信息记录

字段：BROWZER

该字段记录了客户端访问报表所用的浏览器版本以及移动端信息terminal：包含终端类型、app还是h5等信息。例如：“terminal”：{"OS"："app"，"type"："mobile"}

借助于以上内容，我们就可以定制出自己所需的数据分析报表，重新把控报表系统的运营情况，为后续的迭代提供指引

3、主动推送与推广

帆软为每一种报表使用方式与场景都提供了消息推送的服务，包括了：平台消息推送、微信/钉钉消息推送、APP推送、邮件推送等

中商情报网讯：2018上半年中国GDP以6.8%速度保持高速增长，这也是中国经济增速连续12个季度保持在6.7—6.9%区间，城镇居民家庭人均可支配收入较上年增长8.7%；近30年我国国内旅游人次增长了近20倍，旅游消费活动将有利于推动箱包市场不断发展壮大。另一方面，电子商务、互联网+的商业创新模式正在深刻影响传统制造业，箱包网销近年来的增长速度很快。箱包行业是一个充满朝气的快速消费性行业，市场发展前景看好。

中国箱包市场规模

随着中国居民可支配收入增长、国内、境外的旅游需求崛起，箱包行业也将保持良好增长趋势。近六年，我国包袋市场规模（不含行李箱）不断增长，从2012年的1129亿元增长至2017年的1640亿元，年均复合增长率为7.8%。中国包袋市场2017年整体规模约1640亿元，相较于上年同期规模增长了6.8%。

数据来源：中商产业研究院整理

从包袋市场产品结构看，2012-2017年包袋类份额相对稳定，斜挎包占比下降相对较多。手包钱包市场规模依然占据包袋市场半壁江山，2017年手包钱包市场规模达717亿元，斜挎包和双肩包的规模不相上下，分别为286亿和278亿。另外，2017年商务包市场规模为239亿元。

数据来源：中商产业研究院整理

得益于旅行以及商务出行增加带来箱包需求，行李箱成为近年来增长较快的产品。数据显示，2012年我国行李箱市场规模为220亿元，到2017年增长至350亿元，年均复合增长率为9.7%，增长十分迅速。而国内经济及旅游市场发展良好，未来行李箱市场空间巨大。

数据来源：中商产业研究院整理

中国箱包核心产品消费

2017年箱包皮具行业销售额排名前十的品类分别是：女士包袋、旅行箱、双肩背包、男士包袋、钱包、旅行袋、卡包、钥匙包、箱色配件、手机包。其中女士包袋销售额最高，达54.58亿元，位列排行榜第一。同是包袋，而男士包袋2017年的销售额仅有20.28亿元，不足女士包袋一半。其次，旅行箱2017全年销售额为34.44亿元，位居销售额排行榜第二；双肩背包排名紧随旅行箱，销售额仅与旅行箱相差0.14亿元。

近年来，我国的箱包产品出口依靠价格优势，迅速挤占欧盟、美国等国的市场份额。数据显示，2018年上半年中国出口箱包及类似容器共计153万吨，比上年同期增长0.6%。2014-2016年在历经箱包出口量不断下滑的局面后，2017年箱包整体出口开始回升，并达到五年来最高位，增速高达11.3%。

我国箱包出口金额与箱包出口量变化趋势基本保持一致，2016年箱包出口额不足250亿美元，低谷之后2017年又迅速反弹，同比增长转负为正。到2018年延续了良好的出口态势，1-6月中国出口箱包金额达130.43亿美元，比上年同期略有下降0.2%。

更多资料请参考中商产业研究院发布的《2018-2023年中国箱包行业市场前景及投融资报告》。

如果你作为一名SEMer，每天80%的工作时间是打开后台，监控核心关键词的排名，每天去调整价格，调整移动比例，否定一些垃圾流量的话，那么我会觉得，你与一名优秀的SEMer人员之间，还有很大的提升空间。

因为一名优秀的SEMer，每天应该有80%的工作时间在做数据分析，20%的工作时间是最后将数据分析出的结果进行后台操作。有人问过我，你认为SEM推广的核心是什么？我以多年的经验总结出两个因素：“行业市场分析”与“数据分析”。

数据分析基于推广数据的筛选与总结。数据报表也分为两种：一种是 后台数据报表（账户报告、关键词报告、地域数据报告、搜索词数据报告等等），这些报表可以后台直接下载筛选使用；

还有一种是 基于第三方统计平台与代码标记的数据报表（关键词跟踪报表、url转化报表、各平台流量占比数据报表等等）。接下来我就给大家分享一下如何筛选适合自己推广数据报表以及如何筛选数据有价值信息。

一、账户报告

数据分析重要程度：★★★★

阐述：账户报告是推广数据分析最基本数据报告，账户报告可以清楚显示出账户推广的展现量、点击量、消费量、点击率、平均点击价格。做日报表或周报表可以做出环比数据值，可以清楚分析整体账户推广情况。

要根据自己账户推广设定限值，当环比数据达到限值得时候，就要重点关注分析。即使环比数据是正向发展，也可以分析出来原因，这样也可以明确效果提升的原因。

例如：推广账户数据环比展现量限值5%，既展现量环比增长5%还是降低5%都要明确分析，如发现今天账户推广数据环比昨天降低7%，既触发限值，结合实际调整操作可分析得知，昨天核心词有调整匹配方式，有4%的长尾关键词昨日没有置左展现，所以根据数据可以清楚知道账户环比降低原因。

根据原因作出相应正向调整即可。而且账户报告，每天的PC与移动的消费占比也一定重视，账户的效果波动可能也多数与PC与移动消费占比有关。

二、搜索词报告

数据分析重要程度：★★★★★

阐述：搜索词报告是作为数据分析与sem优化最为重要的数据报告之一。推广流量精准度与否都可以利用这个搜索词报告一目了然。

但是搜索词报告大部分人都是基于后台搜索词报告直接进行否词操作，而且有很多人都是看见一个不相关的搜索词马上否定掉。最后会发现我们计划否词数或者单元否词数不够用了。

其实 对于搜索词报告我们一般都是将每天搜索词报告做一份excel透视报表，可以透视清楚哪些搜索词垃圾流量触发点击数最多的，超过2次以上点击垃圾流量进行否定处理。触发一次搜索垃圾流量一周集中累计再集中做出透视数据分析，最后看出那些单次点击一周内累计垃圾流量多次触发的搜索词再进行否定关键词。

搜索词报告另外一个数据作用，将有检索搜索词有效添加到投放关键词中。这个也是拓展有效关键词最有效的数据支持。

三、关键词报告

数据分析重要程度：★★★★★

阐述：关键词是sem推广投放核心，关键词数据报告也是所有关键词报告数据分析的最重要的参考数据。但是关键词报告一定是要结合其他数据报告一起分析，才能筛选出我们有效的数据，下面就给大家分析几种比较实用的数据报告结合分析组合。

1）关键词报告与搜索词报告：根据搜索词报告可以 拓展有检索关键词；其次搜索词报告匹配出垃圾流量，不一定要做否定关键词，有部分单次点击垃圾搜索词可以结合关键词报告数据，对于关键词进行匹配方式调整。

2）关键词报告与咨询转化报表：每天结合咨询平台中有效咨询所触发的关键词报表与搜索词报表进行 核算每个关键词转化成本，这样我们可以集中投放高转化关键词，控制高消费低转化关键词消费。

3）关键词报告与账户报告：关键词报告与账户报告关系是包含于关系。即账户数据异常要排查到关键词报表中关键词，所以 账户报告要与关键词报告对应查看与分析。

四、地域报告数据

数据分析重要程度：★★★

阐述：地域数据报表主要作用是明确各地域消费占比与各个地域推广数据。如果对于此数据调整，可以结合后端转化数据进行调整。

调整各个地域消费占比依据：

1、根据后端转化效果进行地域消费占比调整；

2、根据业务地域需求度，进行地域消费占比调整。

五、url跟踪转化代码数据

数据分析重要程度：★★★★★

阐述：url跟踪转化代码数据是定制型数据报表，适用于多平台推广及转化统计。

这类代码与url部署后数据优点：

1、各个平台转化有区分；

2、url部署有利于监控着落页表现；

3、关键词转化id可以直接统计转化词。

4、如果推广有项目区分，可以另行标记区分。

这样统计出来数据可以区分：

1、关键词转化监控

2、地域转化监控

3、项目转化监控

4、平台推广转化

最后，想说跟大家分享了这些比较常用数据报表与数据的分析方式，只是比较 有代表性与实用性的数据报表。SEM 数据分析还有很多需要大家深入研究与专研的。我个人也给予大家几点 SEM 数据分析注意事项：

1、所有数据报表要坚持多维度相结合进行分析处理；

2、数据分析一定要作为日常优化流程，不要账户出现问题才进行数据分析排查问题，日数据异常要积极分析与调整，才能让账户推广效果稳定；

3、数据筛选是数据分析的基础，大量的数据要筛选出有效的价值，依据有大量数据的分类、筛选、过滤等环节进行数据提炼，这个最好要有良好的Excel技能支撑才会高效的进行。

数据分析是我们SEM推广调整的支撑，如果你是一名好的数据分析师，那么还会玩转不了SEM推广吗？

|来源：艾奇学院

百家号-【袁帅数据分析运营】：袁帅，互联网数据分析运营实践者，会点网事业合伙人，运营负责人。CEAC国家信息化计算机教育认证：网络营销师，SEM搜索引擎营销师，SEO工程师。数据分析师，永洪数据科学研究院MVP。中国电子商务协会认证：中国电子商务职业经理人，畅销书《互联网销售宝典》联合出品人之一。中国国际贸易促进委员会:今日会展会员联盟VIP个人会员，全经联园区委秘书处成员，中国低碳智慧园区联盟理事，周五咖啡媒体人俱乐部发起合伙人。百度VIP认证站长，百度文库认证作者，百度经验签约作者，百家号/一点资讯/大鱼号/搜狐号/头条号/知乎专栏/艾瑞专栏等媒体平台入驻作者，互联网数据官（iCDO）原创作者，互联网营销官CMO原创作者。

2018年2月太原市房产市场数据分析报告

楼查查数据研究中心

2018年3月2日

2月由于受春节假期的影响，太原市六城区商品房供应量有所下降，成交量也较1月降幅很大，环比下降91.77%。但住宅均价有所提升，环比上涨3.33%，同比上涨12.62%。2月住宅均价9459元/㎡，非住宅均价11931元/㎡,房价仍属攀升状态。

商品房市场分析

1、供应情况

2018年2月太原市六城区市场供应面积整体下降，其中住宅批准预售共0.54万㎡，非住宅批准预售共6.33万㎡。

2、成交情况

2018年2月太原市商品房住宅网签累计46.31万㎡，环比下降76%。商品房非住宅网签累计6.53万㎡，环比下降196%。

3、住宅和非住宅成交套数比对表

2月太原市区共计销售住宅3535套，环比下降45.51%，同比下降1.6%，其中，万柏林区摘得住宅和非住宅成交量双榜首。2月太原市非住宅共计销售718套，环比下降65.11%，同比上涨35.1%。

4、均价走势

从各区域成交均价来看，2018年2月太原市晋源区住宅均价最高，达10848元/㎡，环比上涨4.9%，同比上涨16%，迎泽区住宅均价为六城区最低，其次是尖草坪区和万柏林区，根据各区均价走势可知2月太原市住宅均价为9459元/㎡，环比上涨3.33%，同比上涨12.62%。如此发展，今年太原市商品房住宅均价终将突破万元大关。

2月太原市非住宅均价达11931元/㎡，环比上涨9.7%，同比下降8.7%。

5、供销比走势

2018年2月份住宅供销比0.01，非住宅供销比0.97。（供求比在0.8-1.2之间供求较为平衡。）

6、住宅销售排行表

在2月六城区住宅项目销售排行榜中，就项目销售套数排行榜前五位来说，位于万柏林区的开发项目占比40%，位于晋源区的开发项目占比40%，位于尖草坪区的开发项目占比20%，由此可以看出，随着海尔、保利、泰禾等实力房地产企业的进驻，以及晋阳湖片区、南移西进政策等城市规划的调整，万柏林区和晋源区已然受到太原市民的青睐，成为继小店区购房热潮后的不二之选。

7、非住宅销售排行表

在2月太原市六城区非住宅销售排行榜中，就项目来说，位于迎泽区的海唐广场二期在销售套数上跃居榜首，其次是位于万柏林区的广兴国际，并且万柏林区在非住宅项目销售排行榜前五位中占比最大，排名第三的是位于小店区的太原润恒城，由此可见，万柏林区不仅是目前太原市民住宅的首选，也是非住宅投资的实力竞争者。

8、住宅价格分布

通过数据分析，住宅均价在八千至一万仍是太原市绝大数楼盘主推的价格，但是随着政策的变动和大型开发企业的涌入，一万以上的楼盘占比将越来越高，也将占据住宅市场主导地位。

9、楼查查数据研究中心观点

太原市2月房地产市场供应面积虽然受春节小长假的影响有所波动，但是从整体的均价来看，太原市房价并没受到影响，仍然在持续增长，并且呈现出晋源区和万柏林区赶超小店区的态势，由此可见我市南移西进政策的实施力度已经有所突显。目前各大售楼处还处于“去库存”状态，房源不多，但是在3月应该会有一大批新房源在市场投放，预计价格会有一定的涨幅。

（数据来源：楼查查APP数据研究中）

来自：数据观 https://shujuguan

DT时代，我们每天都会收获来自各种渠道的海量数据，它们是对我们上一步行动的反馈，但人脑消化数据的能力却是有限的——如何及时洞察数据中的涵义，就需要数据可视化工具的帮助了。然而，图表的类型非常丰富，如何做出正确的选择，达到“一图胜千言”的效果呢？

［数据的五种关系］

首先，我们需要了解，数据通常包含五种相关关系：构成、比较、趋势、分布及联系。

构成

主要关注每个部分所占整体的百分比，如果你想表达的信息包括：“份额”、“百分比”以及“预计将达到百分之多少”，这时候可以用到饼图。

比较

可以展示事物的排列顺序——是差不多，还是一个比另一个更多或更少呢？“大于”、“小于”或者“大致相当”都是比较相对关系中的关键词，这时候会首选条图。

趋势

是最常见的一种时间序列关系，关心数据如何随着时间变化而变化，每周、每月、每年的变化趋势是增长、减少、上下波动或基本不变，这时候使用线图更好地表现指标随时间呈现的趋势。

分布

是关心各数值范围内各包含了多少项目，典型的信息会包含：“集中”、“频率”与“分布”等，这时候使用柱图；同时，还可以根据地理位置数据，通过地图展示不同分布特征。

联系

主要查看两个变量之间是否表达出我们预期所要证明的模式关系，比如预期销售额可能随着折扣幅度的增长而增长，这时候可以用气泡图来展示，用于表达“与……有关”、“随……而增长”、“随……而不同”变量间的关系。

对信息中包含的5种关系，可以简单归纳如下：

构成：占总体的百分比

比较：项目的排名

趋势：如何随着时间变化

分布：项目的频率情况

联系：变量之间的关系

［图表的具体适用场景］

下面，我们具体来看一下图表特点及适用场景：

以下图表均制作于数据观

条图

条图表达比较关系，按照强调的方式可以排列任何顺序，适用于高亮Top3或Top5数据，如在零售行业中统计畅销品的销售情况就是很好的应用。它是最通用的一种图表，应在所有的图集使用中占到25%。

柱图

柱图用高度反映数据差异，用来展示有多少项目（频率）会落入一个具有一定特征的数据段中，比如分析公司人员构成是否存在老龄化现象，可以通过柱图看到25岁以下的员工有多少，25岁到35岁之间员工有多少等这种年龄的分布情况。同时，柱图还可以用来表示含有较少数据值的趋势变化关系。

分析图形有单指标柱图、多指标柱图以及堆叠柱图类型。

（1）、单指标柱图

（2）、多指标柱图

（3）、堆叠柱图

线图

线图可用来反映随时间变化而变化的关系，尤其是在趋势比单个数据点更重要的场合。

在柱图与线图的选择过程中，可以考虑数据的本质。柱图强调的是数量的级别，它更适合于表现在一小段时间里发生的事件，产量的数据很适合这个领域。线图强调的是角度的运动及图像的变换，因此展示数据的发展趋势时最好使用它，存货量就是一个很好的例子。柱图和线图的使用应占到图集看板的50%左右。

线图类型中可以有单线图，还可以在图中进行多指标趋势性比较。

（1）、单线图

（2）、多指标趋势性比较

饼图

构成比例关系时，最好使用饼图，给人一种整体的形象，可以展示每一部分所占全部的百分比，比如产品A预计销售额占到所有产品销售额的最大份额。

为了使饼图尽量发挥作用，在使用中不宜多于6种成分。人的眼睛比较习惯于按顺时针方向进行观察，所以应该讲最重要的部分放在紧靠12点钟的位置，如果没有哪一个部分比其他部分更加重要，那么就应该考虑让它们从大到小的顺序排列。

数据观除了有标准饼图，还提供中空饼图和环形饼图两种类型。

（1）、标准饼图

（2）、中空饼图

（3）、环形饼图

Attention！不适用饼图的情况

饼图是通过面积呈现数据的变化，当各指标所占比例接近时，无法直观的判断面积的大小，此时选择条图来呈现，规律就更加清晰。饼图是应最少使用的图表，在所有的陈述和报告中其使用率应少于5%。

错误的图表类型：

正确的图表类型：

气泡图

气泡图判断两个变量之间是否存在某种关系，可反映五维数据。每个气泡的不同颜色或标签，以及气泡点大小，都可以反映一个维度。一般使用率为10%。

KPI图

最直接显示结果，适用于高亮关注指标值或者差异，可以通过主要指标和次要指标进行体现。信息量避免过多，越直观越好。

面积图

与折线图较为类似，面积图强调变量随时间而变化的程度，也可用于引起人们对总值趋势的注意。用填充了颜色或图案的面积来显示数据，面积片数不宜超过5片。

漏斗图

漏斗图用来表示逐层分析的过程，从一个总值（最顶端），不断除去不关心的部分，最终得到关心的值的过程。

多用于业务流程比较规范、周期长、环节多的流程分析，通过比较各个环节宽窄大小，能够直观地发现和说明问题所在。常见应用场景：电商网站、营销推广、CRM等。

1）电商网站：通过转化率比较能充分展示用户从进入网站到实现购买的最终转化率。2）营销推广：反映搜索营销的各个环节的转化，从展现、点击、访问、咨询，直到生成订单过程中的客户数量及流失。

3）CRM：销售漏斗图用来展示客户各个阶段转化比较。

金字塔图

金字塔图用于展示类似金字塔的层级结构和数据量。例如某个国家的收入分配，金字塔顶部显示高收入类别，逐渐降低到代表低收入的底部。

雷达图

雷达图可以用来表现一个周期数值的变化，也可以用来表现特定对象主要参数的相对关系。

雷达图多用于在财务分析中，用来分析企业负债能力、运营能力、盈利和发展能力等指标。

地图

地图是信息密度最大的数据可视化方式，人们在日常生活中就使用地图，所以能直观理解地图。

数据观基于不同的视觉化原理提供三种地图：区域地图、散点地图和热力地图。

（1）、区域地图

区域地图是按照国家、省市行政区划分，用来展现地理信息，以及与地理位置有关的信息，指标的多少可以用颜色深浅区分。

（2）、散点地图

散点地图基于高德地图实现，通过定位经纬度，用散点来表示所在位置的信息指标。

（3）、热力地图

热力地图以特殊高亮的形式显示访客所在的地理区域的图示，不同颜色反映不同区域密度的分布。

表格

表格可以通过拖拽所关心的指标，如通过一级、二级分类，了解更加明细的数据，起到数据透视表功能。

综合使用

饼图、柱图、条图、线图、气泡图可以组成可视化报告90%图形，其他视觉化展示可以将图表组合起来综合使用。

以上就是为大家提供的图表基本使用原则，适用于日常工作中大多数的图表制作。

最后，希望大家都可以需要根据自己想要表达的信息选择合适的图表，让数据可视化帮助我们的大脑减负，替我们的数据说话。

中商情报网讯：2018年6月中国手机出货量为3661.0万部，同比下降12.4%，2017年5月份以来，我国手机出货量同比跌跌不休，2018年1-6月我国的手机出货量为1.96亿部，同比下降17.8%。

2018年6月中国上市新手机为62款，同比下降50.8%。1-6月我国的手机上市款数为323款，同比下降31.3%。

最近在研究商超零售的数据分析，有不少干货和想法可分享。此前，一直注重店铺管理、商品库存管理、财务绩效管理的数据分析。后来发现，无论是零售商铺的选址，还是百货商场的招商营运，都有不少需要运用到数据管理思维的地方。

店铺选址前或者招商营运前都要进行市场调研，小规模的店家可能会说，我照自己的经验，观测人流量以及周边店铺的经营情况来判断，这样的方法确实是有迹可寻。但是，店铺不是放着让你来选的，店铺商也是需要去谈的，甚至对于那些成体系的，每年都在扩张的一些企业，必须需要一套成体系的数据分析方法论来指导。

一、市场调研的要点

1、着重于项目周边状况调查，如：业态布局、购买力等；

2、网点及竞争对手调研的要点

3、收集品牌资源，是否符合定位，有无可备选方案，效益最大化；

针对选址，

可采用常用的SWOT分析模型，分析内部环境以及外部环境的优劣势；而后采用3C模型（Company商铺，Customer顾客，Competitor 竞争者）对开店的选址分析；看附近1小时经济圈、2小时经济圈、3小时经济圈的覆盖范围。

而正式营运之后，最主要关注的就是客流量。

传统零售的数据是基于交易客流，基本等同于俗称的会员。商超里面的客流其实分为交易客流、返店客流、进店客流、到达客流、潜在客流。这里最容易获取的就是交易客流，因为企业现有的CRM系统或者收银系统基本都能涵盖这部分客流。怎么得顾客数据？这就要建立一整套的全顾客全消费行为管理的客流分析系统。

客流数据分析建模

二、如何去经营分析？

经营分析是指商业运营管理者通过数据采集并运用统计、分析、图表呈现等方式，对商场整体经营情况进行深入解析。

确定这样一个流程后，经营分析按照时间划分一般分为日、周、月以及一些关键时期，比如活动、法定节假日等等。形式以经营报表为主。

大体分析内容

经营分析的指标解析

做好全百货的经营分析要发挥主观能动性，有了数据和图表，要做好经营分析，还要发挥人的主观能动性，营运人员需根据数据和图表阐述现象并提出相关建议，加强与店铺、品牌负责人的沟通和联系，充分了解店铺的经营现状。

三、关于品牌店铺活动的分析

经营分析案例分享及关注点（日经营分析）

以上每日的客流与销售趋势图，需要关注波动趋势、波动周期和波动异常。比如波峰大多是重大节假日或企划活动，或者特殊事件。

店铺活动分析

活动前期搭建好相关指标，收集活动数据，实时监测分析。

至于如何搭建这样的分析体系，譬如以上用finereport搭建的活动监测模板，这里不多赘述。前提需要明确分析的指标，之后就是数据收集、整合、分析、展现的额工作啦~