首页 > 其他分享 >CDA Level 1 业务数据分析

CDA Level 1 业务数据分析

时间:2024-09-20 17:49:38浏览次数:3  
标签:数据分析 CDA Level 销售 指标 次数 维度 访客 用户数

目录

理解业务数据分析方法、掌握业务数据分析流程、能够使用及设计创建业务指标、能够结合业务模型及业务分析方法正确理解业务问题,找到问题原因,并能够提出解决问题建议,这个章节的应用会考的比较多(终于正经起来了呢,毕竟真正的大哥来了)

业务数据分析(30%)

数据驱动型业务管理方法(3%)

销售漏斗模型:关系型销售业务中最有效的销售管理方法,它是将销售业务与数据分析完美结合的产物,它的本质是对销售过程的风险控制;

先将发现潜在商业机会开始到现金回收为止的整个销售过程分为不同销售阶段;
再对每一个销售阶段进行有针对性的细致管理;
最终达到及早发现并回避潜在商业风险的目的;
销售漏斗模型中的业务及数据都是动态变化的,将每个不确定性尽可能变为确定性,用正确的销售决策最大限度地降低销售风险是设计及管理销售漏斗模型的目的所在;

数据规范:应保证销售漏斗数据的准确性与时效性;

准确性:销售阶段内容准确、上级金额准确、角色准确、时间准确、商机规模准确、其他维度数据准确;

时效性:销售阶段、商机金额、角色、时间、商机规模、其他维度数据。

有效数据 为企业创建宝贵销售资源库;有效数据积累越多价值越高;

指标的应用与设计(12%)

=>指标:

1、定义:用简约的汇总数据量化业务强弱

2、理解:对度量的汇总,即数据的汇总规则(需要和维度结合)

3、分类:

                求和类:

                        常规:对度量求和计数得到的指标

                        累计:随时间维度变化,从时间初值至当前时间点,时间段内度量的累加值

                        (本身已经是累计值的无需累计计算,如:库存数量,银行储值) 

                计数类:对度量计算得到的指标,数据唯一性

                比较类:

                        差异百分比:指定维度下指标的某个值为基准点,比较当前值和指定值的差异变化率,用以帮助决策者了解当前数值的好坏

                        均比:与维度下指标的平均值比较(确认哪些拉高了均值,哪些拉低了均值)

                                (公式:(当前值-均值)/均值*100%)

                        定基比增长率:当前值与某一固定时期值对比,用以描述当期值的发展水平

                                (公式:(当期值-固定时期值)/固定时期值*100%)

                        同环比增长率:时间维度下某两个时间项对应指标值对比,用以描述当期值的发展水平,同比公式:(当期值-去年同期值)/去年同期值*100%;环比公式:(当期值-上期值)/上期值*100%;

=>流量指标:

1、常用计费方式:CPM(cost per mille)按每千次曝光收费、CPS(cost per sales)按实际销售收费、CPC(cost per click)按点击次数收费;

2、量:访客数(UV):访问对应维度的非重复用户数;浏览量(PV):维度下浏览页面的总次数;访问次数(Visits):统计会话数,一个会话内用户可访问多个页面;新访客数:新进访客数;

3、质:平均访问深度:浏览量/访问次数;跳失率:跳出次数/访问次数;新访客占比:新访客数/访客数;

=>转化指标:

转化率:根据业务流程观测阶段间流转后的留存比率,用以辅助决策者了解阶段间衔接的流畅性;公式:当前阶段/初始阶段(或上一阶段)*100%;

=>营运、销售类指标:

成交额:GMV、实际销售额、税后销售额、退款额;

成交量:实际订单量、销量、退款订单量、上架数量;

完成情况:目标达成率、退货率;

效果:屏效、商品关联性;

=>库存指标:

库存周转天数=库存量/最近N天平均销量>=安全库存天数

库龄:存放仓库时长;

库存周转次数=平均库存量/出库总量;

订货满足率=按合理需求正常供货次数/产品被要求供货的总次数;

缺货率=缺货次数/总订货次数;

售罄率=1-库存金额/进货金额;

=>绩效类指标:

绩效计划--绩效监控--绩效评价--绩效反馈;

=>客户相关指标:

注册用户数、浏览用户数、登录用户数;活跃用户数、留存率、在线时长、复购用户数;

推广渠道、注册、使用、离开;

=>指标分析方法:

1、纵向分析:时间周期下指标的变化规律(例:每月注册用户数变化趋势)

2、横向分析:指定维度下不同项的指标值的差异(例:1月各销售人员业绩比较)

3、预警分析:提供当前时间点对应维度的指标累计值、瞬间值、对比基准值(例:内存报警)

业务分析方法(15%)

行为效果分析:

行为效果分析:人--货--场

活动效果分析:前提是数据可获取;活动目的(人、物、绩效)---活动形式(发优惠券、营销小游戏)---量化效果(用指标值量化活动目标,同时需量化业务流程中的关键节点);

日常销售分析:在指定时间范围内,回顾日常经营性行为;

业务分析模型:

RFM模型:(R:最近一次消费时间差 ;F:消费的频次 ,M:消费金额)

        1、核心:用户分类

        2、背诵重点:

用户忠诚度模型:

漏斗模型:

业务分析方法:

1、树状结构分析:

        梳理行业内经营谈及的指标;

        将指标拆解为另外多个指标的和或乘积(或同一指标不同维度),逐层下钻,直至无法快速理解;

        将指标按拆解思路排放成树状结构,增加对比指标,如同比或环比值,通过观察变化比率快速定位问题

2、二八分析(帕累托分析):主要用于定位重点(核心)用户

3、四象限分析(代表:波士顿矩阵):

4、同期群分析:衡量指定对象组在某一段时期内的持续性行为差异

标签:数据分析,CDA,Level,销售,指标,次数,维度,访客,用户数
From: https://blog.csdn.net/hleps/article/details/142377169

相关文章

  • java计算机毕业设计课程教学评估数据分析 (开题+程序+论文)
    本系统(程序+源码)带文档lw万字以上 文末可获取一份本项目的java源码和数据库参考。系统程序文件列表开题报告内容研究背景在高等教育日益重视教学质量与学生学习成效的当下,课程教学评估作为衡量教育效果、促进教学改进的重要手段,其重要性日益凸显。随着信息技术的飞速发展......
  • 传统到AI 大数据分析的演变,颠覆智慧水电的未来?
    传统到AI大数据分析的演变,颠覆智慧水电的未来?前言传统到AI大数据分析的演变前言水电作为一种重要的能源形式,一直在我们的生活中扮演着至关重要的角色。而如今,随着科技的飞速发展,智慧水电和AI大数据应用的出现,正在给这个领域带来一场前所未有的变革。想象一下,当......
  • 2024年9月北京、南京、深圳CDAM数据资产管理师认证,线上学习
    人工智能与信息浪潮中,数据资源作为企业发展的核心要素,其可重组利用的无形价值显著。数据安全、利用、价值评估等工作,均关乎企业未来决策与发展。数据资产,是企业持续发展的关键因素。 在此背景下,CDAM数据资产管理师应运而生,他们在组织中担当数据资产的规划师、治理者、质控者、安全......
  • Java花店在线销售及数据分析系统的设计与实现
    太原理工花店在线销售及数据分析系统的设计与实现计算机毕业设计案例基于Java的建筑废弃物管理系统基于ASP.NET的OA系统基于Java的企业质量业绩管理系统Java北方民族大学停车场管理系统基于Java的产品成本管理系统基于PHP的学生事务管理系统Java健身俱乐部基于Java......
  • 数据分析之Sql语句
    一、SQL练习公开网站sqlzoo网址:SELECTfromWORLDTutorial-SQLZoo使用英文和Mysql二、基础语句1.select&from查询 1)标准语法:select字段名     from表名2)语法解释:select决定查哪个字段,from指定查询哪段数据3)在select后面加入distinct去重4)select中可以......
  • Springboot基于Java对运动心跳数据分析系统设计与实现455j4(程序+源码+数据库+调试部署
    本系统(程序+源码+数据库+调试部署+开发环境)带论文文档1万字以上,文末可获取,系统界面在最后面。系统程序文件列表开题报告内容一、研究背景与意义随着健康意识的提升,运动已成为现代人生活的重要组成部分。心跳数据作为反映人体健康状态的重要指标,在运动过程中尤为重要。然而......
  • 要做好数据资产管理,考个CDAM数据资产管理师证书真是帮大忙
    在数字化浪潮席卷全球的今天,数据已成为企业最宝贵的资产之一,其价值不亚于石油之于工业时代。然而,如何有效地管理这些数据资产,确保其安全性、完整性、可用性和合规性,进而转化为企业的竞争优势,成为了摆在众多企业和组织面前的一道重要课题。在此背景下,考取CDAM(数据资产管理师)证书,无疑......
  • 用于大数据分析的数据存储格式:Parquet、Avro 和 ORC 的性能和成本影响
    高效的数据处理对于依赖大数据分析做出明智决策的企业和组织至关重要。显著影响数据处理性能的一个关键因素是数据的存储格式。本文探讨了不同存储格式(特别是Parquet、Avro和ORC)对GoogleCloudPlatform(GCP)上大数据环境中查询性能和成本的影响。本文提供了基准测试,讨论了成本......
  • Vulnhub靶机:Kioptrix_Level1.2
    信息收集使用nmap主机发现靶机ipkaliip192.168.134.130扫IP使用nmap端口扫描发现靶机开放端口nmap-A192.168.134.156-p1-65535打开网站,点击login,跳转到登录页面,发现该网站cms为:LotusCMS访问http://192.168.134.156/gallerySQL注入1、发现url中含......
  • 数据技术课堂九天菜菜数据分析
    数据技术课堂九天菜菜机器学习数据技术课堂九天菜菜深度学习数据技术课堂九天菜菜数据分析课程地址https://pan.baidu.com/s/1g_fnFe3KGksWYuoB1i0fCA?pwd=3sy51、学习方便:想要学习随时随地都能进行,只需要打开网校软件,选择对应的课程,只要手机有网络、有电,就可以进行学习。......