采购数据月分析总结 第1篇

通过数据分析，可以找出数据变动因素，帮助我们找到问题根源；

通过数据分析，既了解过去、又预知未来；

通过数据分析，能有效提高工作效率和企业运营质量。

有一位长者，已七十高龄，从未做过销售岗位的工作，但他的数据分析能力特别强，能从销售部门的一堆基础数据中进行归类分析，通过分析，指出你做得好和做得不够好的地方，找到你的问题所在，并提出解决问题的建议，而其提出的问题，恰恰是该市场存在的真实问题和亟待解决的问题......这种数据分析能力是相当令人佩服的。

在各行各业里，高级经济分析师、证券分析师、会计师、精算师等无不具有此类能力。

因此，作为职场中人，尤其作为企业中高层管理人员：

一要会收集数据；

二要会运用计算、分析数据；

三要会看报表；

四要会写分析报告；

除了数据采集、分析外，撰写分析报告也是工作能力的重要体现。一份好的报告，比较容易获得上级和同事的理解、认同和支持。

好的报告包括：数据要可靠，尽量以图表说话，结论要清晰明确，要提出问题并配有解决问题的方案。

采购数据月分析总结 第2篇

举个例子，以年度计划完成情况为例，：

1.如果我们只看单日（月）数据，这个数据是静态的，若看连续多日（月）的数据，可以发现单日（月）数据在总数据中是动态的；

2. 如果我们只看今年数据是静态的，而结合上年数据看，那么今年数据是有变动的；

3.如果我们只看自己本区域的数据是静态的，而看全国数据，可发现本区域数据在总数据中是动态的；

静态数据反映某一时点、某一区域、某一环节，动态数据反映时段、整体，因此做数据分析，要动静结合。

采购数据月分析总结 第3篇

1.以单月计划完成率来分析，完成计划最好的3个区域，与去年同期相比，我们发现其中个别区域销量同比是下降的，并不值得祝贺；

从整个季度全国各区域计划完成情况看，月度排第一名的区域，在季度排名并非前列。

2.从全年计划目标看，本年销量与上年比，增长要达到50%以上才能完成年度任务。而本月能达到同比增长50%以上的，全国15个区域中只有5个区域能达到，要完成公司的季度和年度计划，难度就比较大了。

单月静态情况是这样，那我们从连续多月动态看又会怎样呢？我们可以发现同比增长超过或接近50%的区域，是拉动总销量提升的动力，在政策上、投入上需要继续对这些区域予以重点支持。

采购数据月分析总结 第4篇

1.产品生命周期分析

产品生命周期理论（PLC模型）是由美国经济学家Raymond Vernon提出的，即一种新产品从开发进入市场到被市场淘汰的整个过程。产品生命周期可分为初创期、成长期、成熟期、衰退期，在产品的每个阶段，数据分析的工作权重和分析重点有所区别。

（1）初创期

初创期的重点在于验证产品的核心价值，或者说验证产品的假设：通过某种产品或服务可以为特定的人群解决某个问题。这时我们需要关注的关键数据是目标人群画像和留存率。

目标人群画像：初创期可以通过接入一些第三方的应用监测SDK来了解初期用户群体的画像，从侧面验证用户群体与假设的目标用户群体特征是否一致，常见的是人口学属性(性别、年龄、学历、地域)。

留存率：在当前用户符合目标受众特征时，核心关注这些用户的留存率、使用时长/频率、用户的黏性等指标，留存率的维度分很多种（7日，双周，30日等），依据产品特征来选择，若产品本身满足的是小众低频需求，留存率则宜选择双周甚至是30日；留存率高，代表用户对产品价值认可并产生依赖，一般来说，假设便能得到验证，通常低于20%的留存会是一个比较危险的信号。

（2）快速成长期

经过了产品打磨的初始阶段，产品有了较好的留存率了，这个时候产品开始进入自发增长期。自发增长期可以将侧重点关注在用户的整个生命周期的管理，其中以新用户的增长、激活、触发“Aha moments”到活跃用户的整个漏斗分析为主。

（3）成熟期

随着用户快速增长，产品不断完善，产品在进入成熟期前后，数据分析师关注的重心开始从用户生命周期的前半段（吸引、激活、留存）往后半段（流失、回流）开始偏移，同时关注商业化转化路径。

①流失与回流：在关注流失回流的过程中，数据会揭示当前用户盘子的一个变化情况，具体分析流失原因则可以参考下方流程：

核心思路即，通过回访定性+数据验证为主要手段，确定流失原因，改变产品运营策略以预防用户流失或拉回用户，促进回流。除此之外，对于一些稳定的投放渠道，普通的改善方法可能提升转化有限，此时可以进行更精细化的渠道分析来优化提升ROI。

②商业转化率分析：在成熟期需要针对高质量用户进行重点运营，低质量用户通过产品和运营改进手段，使其往高质量用户迁移。结合不同的产品形态和商业模式，一般数据分析的核心指标包括：产品用户人均使用天数（以周、月为单位来观察）；产品用户人均使用时长（以天为单位进行观察，人均时长越高，用户依赖性越强，产品商业化空间越大）；人均购买价格（以月为单位，查看一个用户的购买情况，购买价格越高，对电商平台意味是是高净值用户，需要重点运营）；人均购买次数（以月为单位，次数高，低单价的用户也是优质用户）

（4）衰退期

最终，产品进入衰退期，这里不再赘述。

2.转化漏斗分析

漏斗模型是数据分析较常使用的一种方法，其适用的场景主要是对经过一连串用户操作才能完成任务，同时需要监控和分析任务最终完成的效果，以及每一步可能存在的问题。

漏斗模型的核心思想，是从最终目标入手，找出每一步用户的转化或者流失情况，配以每一步的转化率或者流失率指标来监控效果，并最终通过提升用户转化率，或者降低用户流失率，从而优化最终指标并实现商业价值。

实际在进行漏斗模型的分析时，结合不同的业务场景和产品类型，漏斗模型大致可分为以下几种：

①用户获取模型：AARRR从整个用户生命周期入手，包括Acquisition用户获取，Activation用户转化，Retention用户留存与活跃，Revenue用户产生收入，到发起传播Refer。

②消费漏斗模型：消费漏斗一般用于页面结构和内容较为复杂的业务，从用户内容消费和流量走向的角度，宏观层面用于回答用户消费什么内容，微观层面则用于分析影响用户消费的问题是什么。

③电商漏斗模型：用户商品的购买属于决策行为，从浏览商品到支付订单的每一个环节的转化。

④功能优化漏斗模型：漏斗分析也适用于产品功能自身的优化，从最终目标入手，拆分业务环节，提取和优化核心指标，从而提升整体功能的转化率。

模型

AARRR 模型是一套适用于移动 App 的分析框架，又称海盗指标，是“增长黑客”中驱动用户增长的核心模型。AARRR 模型把用户行为指标分为了 5 大类，分别为：获取用户，激发活跃，提高留存，增加收入和病毒传播。

从用户获取到病毒传播，每个环节都有重要的指标需要我们去关注，通过 AARRR 模型系统化的拆解 5 大类目用户行为，可以让我们更清晰的知道每个环节需要重点关注的重点指标。

以电商业务为例，下图基于 AARRR 模型，构建用户生命周期运营全脉络和每个节点需要关注的重点指标：

（1）Acquisition 获取用户

在获取用户阶段，我们希望让更多潜在用户关注到我们的产品，通过以下基础途径来曝光我们的推广页面：①付费获取：媒体广告、SMS、EDM、流量交易/置换；②搜索营销：搜索引擎优化（SEO），搜索引擎营销（SEM）；③口碑传播：用户间邀请活动，病毒 H5 传播等。