京公网安备 11010802034615号
经营许可证编号:京B2-20210330
来源 | 数据化管理
数据分析方法不是讲究高端大气上档次,而是讲究实用,并且是结合业务背景的实用方法才是最好的。只要实用,即便是最简单的排行榜、二八法则分析也可能是非常好的分析方法。很多刚刚毕业学统计的同学,在刚开始工作的半年甚至一年内往往比较迷茫,其一是自己在大学中学到的那些分析方法在实际工作中往往用不到或用得很少?其二是他们总想挖出一个“啤酒与尿不湿”式的经典案例才叫数据分析。这说明说明大家不熟悉业务,不了解数据分析是以实用为最高准则的。
每次培训的时候我都会问学员两个问题:
1、你了解什么是二八法则吗?
2、你在实际的工作中使用过二八法则来做分析吗?
前前后后我问过好几百人,基本上100%的学员都了解二八法则,但是只有不到5%的学员在工作中曾经利用二八法则做过分析。二八法则是最简单、最广泛的一种分析方法,本应该广泛应用,但是大家把它当空气了。
二八法则可能是最简单、最有知名度的分析方法之一。大部分人都能随口说出几个自认为的二八法则数据。但是“20%的人用脖子以上挣钱,80%的人用脖子以下赚钱”,这不是严格意义上的二八法则,只能算二八比例。同样20%的人是富人,80%的人是穷人这也是二八比例,非二八法则。
二八法则是一种不平衡法则,即20%的对象产生80%的效果,20%是对象,80%是效果,前后不是一个范畴。这些才是真正的二八法则实例。
20%的客户贡献了80%的利润,20%的客户即为利润指标的重点客户;
20%的企业员工拿了公司80%的薪水,所以大家要做奋斗,期待早日成为管理层;
对女孩子来说,80%的时间只穿衣柜中20%的衣服,所以女孩子总感觉衣柜里面永远“少”一件衣服;
办公室中,80%的时间我们只是在20%的区域活动,所以这20%区域的地毯会更容易脏,也更容易破裂,有经验的物业人员会给这些地方单独铺一块地毯;
培训讨论的时候,80%的发言是由20%的人阐述的,有些人说起来就没完,而有些人却惜字如金。所以对一个有经验的培训师来说,他知道什么样的问题该提给什么样的学员。
二八法则的作用是找到对象中的重点因素,将对象分为重点和非重点两个部分。它让我们的管理更有重点,也更有效率,所以常常用在数据分析、销售管理、个人规划等方面。我们以商品-销售额的组合来举例说明二八法则的具体分析步骤。
1、在Excel中,将各商品按销售额由大到小进行排列;
2、滚动计算商品销售额占总销售额的比重;
3、找到占总销售额80%左右的那个节点;
4、计算这个节点以上的商品占总商品数的比重,这就是20%那部分重点商品。
计算过程参考下图,79.2%的销售是由21.2%的商品销售出来的,左侧是过程,右侧是结果。需要注意的是,严丝合缝的20%对80%是不容易出现的,不要太机械了。

二八法则一般用如下图所示的双轴图来展示。

二八法则只能将对象分成两类,重要和不重要两类,所以他的升级版是ABC分析法。ABC可以将对象分成A、B、C三类,分析方法和二八法则的四个步骤一样,也是先排序,再找对应节点的方法。
end
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06