通過具體的項目案例，學習面對數據，如何分析思路。

以下內容來自找到工作的社區會員，在實際工作中如何用數據分析解決問題。帶著以下問題學習這個案例

1)如何開展分析構想?

2)分析維度是什么?

3)如何用數據驗證提出問題?

4)分析得出了什么結論?

5)提出了什么有效的建議?

大家好，我是Nicolas，目前主要負責亞馬遜的數據分析。

prime是亞馬遜對購買者的會員服務，參加prime活動的店鋪賣方必須保證客戶的訂單在兩天內送達。

有一天，社長找到了我

我們在亞馬遜商店之前進行了prime的活動，但是現在有些指標沒有達到標準，所以活動關閉了。

你能分析掛斷的原因，找到問題的責任嗎?

當時看小說，哎。那么，既然是領導的要求，我一定要先答應。不行也要兩天后再說。

銷售同事從店鋪后臺給了我活動期間的所有訂單數據。如下圖所示

這個數據乍一看很全面，但對prime活動沒有任何幫助。因為我們分析了為什么活動會關閉。

所以真正對我們有用的數據應該是物流數據。

一、提出問題。

為什么商店的prime活動會關閉?

二、分析問題。

1、根據亞馬遜后臺提供的數據，我們的prime及時投遞率僅為90%，低于標準。

2、那么，及時送達率低的原因是什么?

3、分析了商品從訂單到簽字的一系列流程，列出了訂單時間、發貨時間、發貨時間等幾個主要環節。

三、了解數據。

現在回顧一下，你認為銷售的店鋪數據一點用都沒有嗎?

當然，并非如此。其中有追蹤號碼的數據。這是快遞訂單號碼。接下來，我們需要通過這個跟蹤代碼獲得所有訂單的物流數據。

四、數據清洗。

根據銷售的跟蹤代碼，爬蟲類在主頁上爬上所有訂單的物流數據，獲得物流數據報告書。如下圖所示，我將清洗原始數據，并獲得目前已經完成的數據。

但是做了這個數據表，我還是霧水，看不見啊~所以我找到了銷售和她一起確認邏輯和數據來源的口徑。

UPS是一家美國快遞公司，后面由快遞公司代替。

分析報告要讓別人理解，必須寫說明文件，明確列出數據來源和判斷邏輯。

五、構建模型。

我根據銷售所給予的邏輯，增加了一些判斷數據:預定訂貨時間、預定發貨時間、預定發貨時間、快遞公司實際發貨時間、預定發貨時間。

然后根據預期時間和實際時間進行比較，分析哪個環節出了問題，把問題執行給負責人。

六、評價模型。

這是我做的結論，主要原因是快遞公司沒有及時發貨。

但是分析到這里就結束了嗎?

我和銷售談話，公司在加利福尼亞有三個倉庫，不同倉庫的出貨效率也不同。聽到這個消息，我想知道應該把數據分解到各個倉庫，哪個倉庫會影響出貨

分析訂單發貨時間超過2天的數據，統計訂單對應的倉庫，發現異常數據主要集中在06和07倉庫。顯然這兩個倉位要罰了。

我在分析數據發現快遞公司有18個訂單實際發貨時間超過2天，這顯然是不允許的。這意味著這18個數據所在的城市實際上快遞公司不能在兩天內送達。

如果我們繼續做這些城市的活動，結果一定不符合標準。所以，我們應該把這些城市從活動中刪除，也就是說不發貨。圖表中的ZipCode是城市的郵政編輯。

七、分析結論和建議。

該分析已經分析，接下來寫分析結論和建議。

1.店鋪一共有648條數據，通過梳理分析得到上圖。

2.未及時送達的主要原因是未及時送達。

3.快遞公司一天和一天送達的比例為97.2%

4.分析166條未及時發貨數據，發現發貨時間集中在1~2天。

5.7條未及時訂購數據的主要原因是訂單連接系統延遲，國內可以保證訂單進入系統后在規定時間內完成。

6.分析發貨時間超過2天的數據，發現06和07倉庫發貨效率低，需要問責。

7.店鋪前進行的prime活動范圍內有12個城市，快遞公司不能保證2天到達，店鋪需要排除這12個城市。

相關工具推薦：億數通

點擊咨詢現在有哪些新興平臺值得關注 >>>

特別聲明：以上文章內容僅代表作者本人觀點，不代表ESG跨境電商觀點或立場。如有關于作品內容、版權或其它問題請于作品發表后的30日內與ESG跨境電商聯系。