电子商务运营中的五大数据陷阱_数据分析师
做电商,看懂数据是基本功。软件可以解决繁琐的计算,但解读还需要运营人员有基本的数据分析能力。本文了五个常见的数据陷阱,了解和掌握后可以有效避免一些分析结果的偏差,从而帮助管理者做出正确的决策。
如今,“大数据”的概念被炒得沸沸扬扬。不可否认,数据确实是越来越多了,人们的数据意识也正在增强,尤其是在积累相对容易的电商行业。但面对众多的运营数据,你真的能有效的将其应用吗?先不谈各种复杂的计量模型,笔者从几个简单的统计学概念入手,提醒大家:数据有陷阱,应用需谨慎。
算数平均数,即几个数字相加后除以个数,这也许是大家仅有的对平均数的理解。但其实平均数还有很多,比如中位数、几何平均数、众数等等。先看下面的例1,某店铺一段时间的营业额数据如下:
该店铺12期销售额的算数平均数是300,但有10期数值都在300以下,这样的数值合理吗?前10期的算数平均数仅是210,和300相去甚远。显然后面两期的数值对整体的拉升作用明显。来个更极端的例子,三个人的年收入分别是3万、3万和300万,但算数平均是102万,原本是两个屌丝和一个高帅富,可一平均后大家都成了高帅富。大家很多时候吐槽统计数字有水分,其实这就是算术平均数的陷阱。
那么怎样获得更准确的平均数呢?有人说,“去掉最大值,去掉最小值”,这方法没错,但略显粗暴。我们介绍几个更科学的计算方式。
先看中位数。中位数即将数列从小到大排列后,取中间位置的那个数字作为平均数,若数列是偶数,则取中间两位数的算数平均。例1的中位数是200,显然比300要来的合理的多。
其次是众数,即出现频率最高的那个数。
最后介绍下几何平均数。若要求5个数字的几何平均数,则将这5个数连乘后开5次方。例1中的几何平均数是268,也要比300更接近真实水平。
目前普遍在用的算数平均数,受极值的影响很大,其准确性是值得管理者们注意的。笔者建议管理者将中位数也应用起来,对算数平均的判断起辅助作用。若两者相差过大,则需要找到极值产生的原因。
在EXCEL中,中位数、众数和几何平均数的函数分别是MEDIAN、MODE和GEOMEAN,应用起来非常方便。
目前大家比较熟悉的是同比增长率和环比增长率,同比增长率能够排除掉季节性的因素,反映出较为实质性的增长。而环比能够连续地、动态地反映出指标的变化。但仅有这两个指标有时候是不够的。比如,去年和今年市场行情相差很大,那么同比(今年与去年同期比)的参照性就很不可靠,而环比只看到了这期和上期的差异,若相隔的期数多了,就很难判断现在的状况如何。怎么办?大家不要忘了定基比率,即将固定的某期设为基数,其后各期该期进行对比。
比如某店铺今年1月至12月的销售额数据为(10,12,13,16,18,13,17,19,18,20,25,22),我们将1月数据设为基数100,其后各期与之的比值即为定基比数据(100,120,130,…,250,220)。笔者认为定基比有时更能反映出某段时间的经营成果。比如某项改革从1月开始了,那就将各种运营指标以1月为基期,以后各月与它对比,便能直观反映这项改革带来的效果。
某天你孩子向你报告考试成绩,说考了第9名,你是高兴还是愤怒?先别急着下论断,得先问问几个人考试。若是500人,那你必然赐予拥吻和礼物;而若是10个人,你八成会赏个巴掌。这就是绝对数字排名的局限性。那么我们用个百分比数值来代替之,就免去了这样的尴尬,即排名数值除以总的参与排名的个数。比如我经营50款产品,某款产品销售额排在第8位,那就表明它排在16%。
要多说一点的是,在百分比的排名中,需重视四分位数,即25%,50%,75%三个档次。许多指标的优劣都会以四分卫数来衡量。比如你的转化率在行业内的前25%以内浮动,那你暂时不用担心,将精力放在其他方面,若低于25%了,那你或许要花力气来提升你的转化率了。
对于许多中小型的电商企业,经营的第一步便是冲销售额,因此粗放经营是普态,对各种指标的大起大落习以为常。有了漂亮的增长业绩,稳定性真的不重要吗?笔者不这么认为,尤其是成本,稳定各项成本是对企业发展的一种蓄力。
比如采购成本,许多企业判断其采购成本的唯一指标便是算数平均数,其弊端在上文中已经指出,而对稳定性的认识只停留在人的主观感受或采购曲线的波动上。笔者建议电商们计算方差指标,即EXCEL中的VAR函数,方差越大,表示该指标稳定性越差。
一般来说,一个健康的企业,不管销售额如何变化,其成本的稳定性(绝对值较稳定或者变化率较稳定)会较强,即方差较小。稳定性变差,一般预示着重大变化的来临。面对越来越饱和的市场和越来越激烈的竞争,电商企业急需关注自己运营的稳定性。尤其是与供应链各个环节相关的稳定性,如采购成本、推广费用、物流费用等等,任何指标若变得不稳定了,就该警惕,找出背后的原因。
笔者有幸观察过一个日化店铺的数据,老板非常想知道什么因素对销售额的影响最大。在对其运营数据进行回归分析后,发现做活动的次数和时长对其销售额都没有影响(统计不显著),唯一有影响的是客单价,客单价越低销售额越高。乍看之下,这个结论着实有些让人无语(因为谁都知道)。但模型显示,客单价每降低一元,总销售额提升100多,鉴于其高于50%的毛利率,降价一元可以总体上多赚50块。但是总销售额是万元级的,因此多赚的50元微不足道。所以总体上看,销售额似乎是一个不受人为控制的指标(自然波动)。这似乎是一个谜题。
但促销活动的不显著是值得我们思考的。当然,也许是我们遗漏了某关键的指标,也许仅仅有客单价、促销次数、促销天数、转化率、UV、熟客率等指标是不够的。但不妨自问,我们很多时候是不是太过看重促销和推广了?
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14