咨询师都是怎么做数据分析的

最近有很多朋友想学数据分析以此来实现职业转型怎么入门？03:09其实学任何一门学科原理都是一样的数据分析入门建议：1、掌握好至少一种数据分析模型的工具，并抓住使用这些工具的规律；2、多找一些相对简单的商业现象，反复做数据分析的练习；3、定期回顾自己曾经做过的分析，找寻以前的分析漏洞并作总结，然后更新自己的分析技巧、加强自己使用分析工具的熟练度。1.分析方法论一般而言，每个咨询师和顾问都有一套方法论，掌握了方法论实施起来就有了思路。方法论一般可以分为8个步骤。分别是：确定数据分析的框架、按照框架对目标企业数据进行分析、确定可比公司和可比年限、将目标企业与竞争对手比和历史数据比、确定细分领域的数据分析、对重点领域的数据进行深入分析、定性分析背后的原因并提出建议、归纳总结展示。2.分析框架首先我们要明确分析的目的以方便确定分析的框架。例如是企业的盈利问题，那么框架就是利润=收入-成本。如何是企业的ROE问题，那么ROE=净利率×总资产周转率×财务杠杆。按照框架对目标企业数据进行分析。我们将数据进行拆解，例如是利润问题，我们将框架继续拆解。这里我就举个例子吧。随后我们将目标企业的各项数据标上去。我们清楚地知道，要提高利润就需要提高收入并降低成本。短时间内可能提高收入比较难，但是降低成本却是容易做到的。假设我们分析下来，可变成本占比高达80%，其中可变成本的原材料和销售工资占比分别为36%和24%，其他占比都比较小。很显然通过抓大放小的原则，我们未来减少成本的抓手就在可变成本的这两项。3.比较分析数据本身是没有意义的，只有对比才有意义。最为常见的对比就是和竞争对手比，和过去的历史相比较。甚至对于行业研究而言也是需要同历史比，同国外在相同历史时期比。假设通过历史比较我们发现，最近5年内目标企业的原材料成本和销售工资一直在上升，和竞争对手相比这两项成本均是高于竞争对手的。那么我们就能更加的确信，成本的上升重点就在这两项。4.细化研究和定性直接上案子：例如销售工资项，销售工资分为基本工资和提成。通过占比与竞争对手相比我们可能会发现：或者是我们的基础工资高，提成比例少，导致最后销售积极性不高，销售效率下降；或者是实现万销售额的销售人员数量太多。现在我们发现了问题，问题背后的原因我们如何分析？一般通过直接与一线的销售人员的沟通访谈，与我们的经销商进行沟通。可能的一些原因就会出现，例如销售团队不够狼性、销售提奖制度不清晰、产品新品宣传不到位、产品的知识性能销售人员并不是很清楚。5.给出建议做完了研究，也给分析结果定性了，这还没完呢。我们分析这么多是为了干嘛？不就是为了能够解决企业的一些问题吗？现在，是时候让我们把关键发现和结论建议总结起来了。接着，我们需要寻找企业内外相关问题的专家做访谈，得到可以实操解决问题的方案，并把这些编制成计划并实施。当然，有的咨询师自己本身也是执行管理者或监督者，不过大部分咨询公司会交给项目经理来负责后面的事情。6.阮师傅是怎么做的？说了一些大多数咨询师的常用方法（我也用），我再来说说我自己的一些分析习惯。仅供参考。因为我主要是做行业整体分析和公司投资期望的，所以分析用到最多的是——行业分析的基础框架和分析模型。我习惯从整体的宏观经济和行业政策分析入手，一般使用PEST模型。也就是从政策、经济、社会要素和技术先搭建基本的分析框架。第二步，进行行业格局或竞争分析。包括市场规模、行业价值链、行业发展的驱动因素、行业生命周期和竞争格局。这些做好了以后，整个分析的初步准备差不多就算完成了。而我的这些洞见，仅仅是我跟合作方沟通的初步基础。下一步就很简单了，找资料。尽可能多的搜集行业相关的信息，行业的过去、现状如何，行业内监管机构及其政策，一般可以找到该行业内最近上市公司的招股说明书去了解，是最简便的路径。7.商业模式总结其实当你做了十几次完整的分析之后，你就很可能会发现，似乎有些东西虽然跨行业，跨地域，跨时间，但它会反复“出现”。对，这就是我们常说的“商业模式”。当然，十几次分析的经验，不足以让你能够比较客观地总结一个“完整的商业模式”出来。这就需要你去进行更多的分析，来累加经验，来验证你总结的“模式”，直到它越来越接近客观事实。说简单一点，很多人喜欢管中窥豹：某个公司就是因为某个利好，所以盈利翻翻。实际商业活动中，造成这家公司盈利翻翻的原因可能有一百个，绝对重要的都有十几个。8.如何练习自己的分析能力？可以自己给自己出题，但有可能你给自己出的题会太难。也可以在网上找一些调研报告，根据它的标题，自己先不看报告做一遍。不过最好的办法，也是从最简单开始的——可以去参加咨询公司的面试，或者练习一下跨国咨询公司的面试题。例题：深圳一年能卖多少盲盒？意大利有多少家餐厅？印度一年要卖出去多少香水？03:::05我们的小伙伴璐瑶对上面的问题都提供了一些思路，你可以试着模仿一下“套路”，然后去找一些新的问题来分析和思考。不过，我们面对复杂问题时，分析中应该注意避免两个问题：一、抓大放小。例如前面提到的成本问题，占比小的成本你无论怎么优化，最终的效果都是有限的。二、不凭借数据说话，凭直觉。数据是最直观和最有说服力的。数据挖掘的深度不足或者过深，分析框架考虑不全面、有交叉，只有数据分析没有洞察和建议，就是没有分析背后的原因和给出建议。End.分析的不只是数据最后我要告诉你的是，如果你把数据分析单纯当做一门技术活，就局限了它。很多只专注于代码、算法、模型的人工作几年后就会遇到瓶颈，可能是因为忽略了一个很重要的点：商业思维。我们研究数据是为了什么？就是要解决商业问题，要把数据信息转化为生产力和运营手段，来帮助企业赚钱。因此分析数据，从开始就需要有意识的积累核心的业务理念、思考模型、构建逻辑和业务关系，提高对业务领域的认知，要不断跟进行业情况，掌握行业发展动向，这样你才能在分析的路上越走越远。

今天的视频来自知创图谱的制作

今日话题：

《创业过程中的股权避雷针》

《中国汽车行业的未来在哪？》

《如何培养商业头脑？》

《赚钱的秘诀》

《我这么有钱，你知道吗？》

传（zhuǎn）承（fā）中（shì）华（zuì）

文（hǎo）明（de）之（zhī）美（chí）

转载请注明：http://www.xyzs168.net/xsxg/21994.html