加载中…
个人资料
  • 博客等级:
  • 博客积分:
  • 博客访问:
  • 关注人气:
  • 获赠金笔:0支
  • 赠出金笔:0支
  • 荣誉徽章:
正文 字体大小:

Excel培训的需求!

(2007-07-05 17:35:05)
标签:

分析

excel

分类: 数据分析

  淘宝夜校又需要开讲Excel了,这次还指明了是需要中级阶段的培训。

  天宏找到我,谈谈我们需要讲些什么内容。

 

  每一次开Excel的培训,由于听课人现有水平的各不相同,往往有人会觉得培训内容有帮助,又有人觉得这样的培训没什么意义。我们这些讲的人,也挺为难的;到底该讲些什么呢?什么内容才是大家最需要的?怎么样才能让大家觉得利用业余时间参加这样的培训是有意义的?

  思前想后,我俩终于觉得都应该做个小调查;问问淘宝的小二们,我们都该讲些啥!

  想到就去做,整个小调查先从大家学习Excel的目的开始了解。再列出了我们认为工作中会使用到的一些功能列表,问大家用过Excel哪些功能、最常用Excel哪些功能、还想学习哪些功能。

 

  一周下来,我们回收了大概20多份问卷。看了大家种种的需求,大概看出了那么点道道。在这里总结一下吧!

学习目的:提高效率、更专业

学习目的具体体现:

  • 效率:
    • Excel的使用小技巧、了解数据统计的方法。
    • 自动化:利用Excel的自有功能代替人的手工工作(如Excel宏的应用)。
  • 专业:
    • 数据表格清晰、美观:一眼就能看出数字中的重点。
    • 专业的数据图形。
    • 专业的数据分析。

   这么一整理,我们就能看出个所以然来。在这么多培训需求中,我个人认为重中之重的一点应该是:“专业的数据分析”;怎么样才能做出一个专业的分析报告!

 

  回顾一下自己在淘宝BI部门的成长轨迹,虽说不上分析有多么专业,但也总结了自己的一些“如何做分析”的心得。接下来谈谈自己的体会吧!

 

分析就是:假设检验剥洋葱!!!

  所谓假设检验就是:在看数字前就要根据自己的经验,假设会有怎么样的结论。提取数字对自己前期所做的假设进行检验,对一个一个假设前提进行验证、排除,找到自己想要的东西。

  所谓剥洋葱就是:当自己先期的假设都不能说明问题时,我们就需要开始“剥去洋葱的第一层”,进一步提取更多更直观的数据,通过二次假设检验来找原因!这么一层一层的剥开问题的表象,最终找到核心。

 

  具体的分析操作有几个步骤:1、明确自己的分析目的,2、确定数据来源及采集范围(不同的数据口径,会造成最终不同的结果),3、分析假设(也就是事先就要根据自己的业务经验,假设会有怎么样的结论),4、分析过程(也就是结果印证过程,真正用数字证明自己的经验假设),5、结果展现(也就是写分析报告)。

  比如天天做报表,一些数据都是有规律的!突然一天发现有一些数据有异常了,第一件事情不是去找数字,而是要去想想数字高与低都可能是什么原因造成的;按自己的经验,将各种假设列出来,再去找数据,一个一个验证、排除,最终会找到你想要的东西!

 

  在这里也想重点提一下,每一个分析任务都必需是建立在对“业务”、对“流程”非常非常熟悉的基础上进行的。缺少了对业务的了解,我们就没有所谓的“业务经验”(即假设的内容),更无从谈做检验、做分析了!

 

  以上也是自己工作中的一些心得体会。当然每个分析师眼中的“怎么做分析”可能都是不一样的。“怎么做分析”并没有一个固定的套路与模式,只有在工作中不断归纳与总结,找出一种最适合自己的方式;并且不断提升自己的业务能力,才能最终做好分析。

 

最后总结一下:

问题是一层一层剥开的!不是说一个研究就能够解决所有的问题!而是每做一个,解决一个,发现了新问题,再继续做!

 

Q & A

问题:有规律性的东西可以这样,那么如果是月报,季度报表,甚至是一年一次的那种分析,怎么做会好些?

答:首先各人的KPI都是有量的指标的!所谓的月报、季度报告、年报就是对这些指标的一个回顾!一般先是列出这些指标,告之完成的情况,与往年、月、日比较!比较好了,一定会有一个规律出来,比如说发现了什么指标完成的比以前好、或是差;那就需要再深入说明,这段时间做了什么,为什么会好,又为什么会差!串起来不就是一分完整的分析报告了吗?

问题:我以前一直觉得是有些数据是验证想法的,有些则是能看出想法外的现象的。

答:也不是这么说的!你所指的看出想法外的现象实际上就是指最终的数据印证与你前期的假设是不一样的!

  比如说最近有一个批示制度变化了,按照经验,往往这段时间的批示退回量会有所加大!但是当分析这段时间的数据时,发现批示退回量并没有增加、或是说反而减少了!(这是第一步分析)接下来要做的就是,再次提取数据,比如说分批示的类型、地区、sales的新旧情况、同期的合同量,去看看为什么反而不增,或有所减!

  再做几个假设:有可能变化的制度不是常遇到的,这些批示量不多,那当然也就不会影响整个批示退回量的结果;或是仅仅是某个地区、某个sales或某个主管组量非常少,而使整体数据变化不大,那他们做了什么又使得效果这么好,再把他们好的经验向各区域分享;或是说看看合同量,与上期比是不是减少了很多,合同少了,批示当然也就少!

  也就是说当数据和假设有较大出入时,其实还是要进一步通过提取更多更直观的数据来找原因!

0

阅读 收藏 喜欢 打印举报/Report
  

新浪BLOG意见反馈留言板 欢迎批评指正

新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 产品答疑

新浪公司 版权所有