在第七章，主要是总结了很多常用的分析方法，数据分析的立体化的概念。
▶点-线-面
我们平时分析数据，会从指标出发，而单纯的指标只是一个点，比如：昨天的GMV是1000，上周的用户数是200，一个点只能反映出指标的大小，只看点无法知道这个点的值是好是坏，无法评价出来。
所以我们就要拓展到线，像趋势图就可以知道指标近期的表现如何，是在增长、持平还是下降；有了线还不够，这只是该指标自己的表现，所以还可以拓展到面，就是对比，可以是同比、环比或者竞对的对比等。
▶时间-对象-指标
时间维度是我们最常用的维度，大部分指标都和时间维度有关，所以日常分析都会看不同时间粒度下的表现。
关于时间维度可以参考：说说数仓(5)-最重要的维度之日期维度
这里更多的是指标+维度的交叉思考，类似于即席查询，可以对该指标涉及到的所有维度进行快速分析，只要梳理好维度就行了。
我们看到一个指标的时候，需要了解这个指标的统计周期，比如：A公司的用户流失率是15.8%，B公司的用户流失率是20%，直接对比是没有意义的，时间周期可能是不一样的，指标定义也有可能不一样。
▶人-货-场
人：来自销售、顾客的因素
销售：人员是否足够、技能是否满意、执行是否到位？
顾客：是否有足够顾客到来、是否复购率高、成交消费力如何？
货：来自商品因素
商品质量：种类是否丰富、款式是否够吸引、有没有爆款产品？
商品数量：商品备货是否充足、畅销品是否短缺、滞销品有多少？
场：来自卖场/门店/销售渠道因素
卖场数量：线下门店数量/地理位置、线上引流渠道数量/类型？
卖场质量：线下门店装修、面积、陈列，线上引流渠道的转化路径，页面设计？
▶三度：广度-宽度-深度
前面很多内容都说过广度、宽度、深度，和人货场一样，也是一种思考方向
总之，立体化分析，主要是维度的交叉分析，多个维度交叉后可以对指标进行细分，会有不一样的发现。
—▼—
小结
第一、本书以两个职场新人对话的形式徐徐开展，如入职培训、销售技巧、成长等实际场景，将各种专业知识一一呈现出来。这种方式来讲知识有趣，并有带入刚。
第二、数据分析方法实用，简单易懂。以前对于日销售数据进行对比就是简单粗暴的同比，如果有活动影响的话很难具体量化。这本书中的单位权重值曲线很好得处理了日销售数据，克服了营销活动、节假日落位、突发事件对数据的影响。还有，营销活动效果评估分析方法、竞争店分析法直接可以运用到工作中。
第三、零售以及电子商务相关知识的补充和整理。传统零售业分析指标主要：人、货、场，这本书将人货场下面的指标进行细化说明，不论是新入职员工培训、还是老员工提升学习都是非常有用的。很多人工作了多年，甚至都不知道通过人货场下面的指标来进行分析。
第四、能与实际工作完美结合。零售业有其自身的特点，数据是复杂凌乱的，如何从数据中提炼出有用的信息是数据分析人员必须具备的才能。《数据化管理》这本书从业务指导、营运分析、经营策略、战略规划四个层次告诉我们在零售业分析中需要关注的方面。
总之，分析并不是简单的数据处理，如何从不规则的数据中找出规律看出问题才是分析人员要做的事情。这本书适合在零售业或电子商务行业、初入数据领域工作等相关的职场人员。如果把这本书研究透彻、熟练、结合自身工作去不断实践，对于数据分析以及数据化将有深刻的认知。
其实，零售⾏业已经延续了⼏千年，新兴的电子商务也趋于成熟，其中的知识窍门，不是⼀本书能覆盖全，讲解透的。但是书中用最直接、最简单的话术描述数据化管理的真谛，里面的逻辑方法永不过时。并且分析⽅法，思路是可以借鉴的。当然，还是那句话，有些东西你用了才知道它有用，不用它永远没用，所以学习知识是比较容易，但是把知识应用到实际的工作和生活中是比较难的事，需要我们去实践，去思考、去练习。
最后，祝愿大家都能在自己所在的领域内，保持着好奇心、求知欲、观察生活，在实际场景中，要有数据驱动产品闭环的思维，熟悉业务，时刻关注数据、保持敏感，成就更好的自己，在可预见的未来，遇到更好的自己。
后期内容我们还有继续为大家分享很多的关于数据分析案例以及的数据书籍内容：数据分析项目分享、商业案例分享、高阶书籍分享···
本次分享到此结束，感谢大家的收听，我们下期再会！
······
敬请期待小飞象内部读书会第六期
·······
本次分享到此结束，再次感谢大家的收听，我们下期再会！
（本文由木兮整理，可能与演讲时略有遗漏，但整体思路精华都在）
✓ ……
图片来源于网络
若好的建议和想法，欢迎在下方留言
我们将尽其所能打造数据分析交流的理想之地
如有侵权请联系:admin#unsafe.sh