如果數據分析脫離業務，那么數據分析無任何意義，數據分析師或者數據分析部門于企業而言沒有任何存在的價值。

這不僅是企業老板的想法，這也是所有業務部門的想法。

所以任何數據分析都要緊密貼切企業的業務，這看似簡單但又很復雜，之前經常有人問我如何讓一個數據分析師具備更高的價值，這個問題也一度成為我在分析師招聘過程中的一大困惑。

數據分析師的價值在于很好地實現數據分析應用，所有的數據分析都應該緊密圍繞業務，不管在數據分析準備前還是中間過程，最終數據分析結果是否有價值也是基于業務應用進行評估的。

為了講清如何讓數據分析不脫離業務，今天以一個分析模型的決策應用為例充分展示完整的實現思路，為了讓大家更好理解，這里選一個食品店作為業務背景，但所有的思維和方法思路無論是互聯網企業還是其他零售企業都通用。

管理學上有一個非常經典的定律：二八定律，即 20% 與 80%。該定律認為企業 80% 的財富來源于 20% 的用戶 ；從商品銷售角度看，即企業 80% 的銷售額只來源于 20% 的商品。

二八定律在行業中也有一些別名，例如，用經濟學家的姓名進行命名 ：帕累托法則；或者按百分比例命名：80/20 定律。

（食品專營店）

智能手機普及后，消費購物打破了空間、時間及設備的限制，可以在任何時間、任何地點進行購物，食品專營店就失去了銷售的優勢，它的市場處境會越來越惡劣，并且很難扭轉。

當然，為了應對激烈的市場競爭，食品專營店可以選擇做差異化食品，走個性化賣點的市場賽道，但是包裝食品要做出差異化難度系數非常高。市面上的食品種類豐富而全面，幾乎每一種食品都能找到性價比更高的替代品。目前能做的且最高效的經營策略，是提高用戶管理水平。

專營店不是新店，已經沉淀了幾年的用戶數據，所以可以利用帕累托分析模型幫食品專營店找出頭部高貢獻的會員用戶，對會員實行分級管理制。

在對這家專營店進行帕累托分析前，需要思考以下兩個問題。

會員在所有用戶中的占比情況如何？要做更精細化的CRM，至少需要一個可以與用戶互動的渠道。

目前用戶貢獻度分布的現狀如何？

基于這兩個需求思考，我們確定了以下分析數據源的數據維度（見下表）。

在選取數據源時，季度的時間分析維度不適用于用戶分析的場景。了解用戶要盡量全面，秉承所有的用戶都是有價值的分析理念，特別是留過個人信息記錄（信息收集要注意合規）的會員，所以，我們選出留有聯系方式的會員。

消費時間在這里不做主要考慮因素，可以在帕累托分析之后參照用戶消費時間的遠近分析來做輔助決策。

基于以上的思考邏輯，現在對用戶消費數據進行加工，將所有有過交易記錄的用戶數據都納入分析范圍。

得出帕累托分析模型結果如下圖所示。

圖1

從圖中可以看出，這家食品專營店的用戶貢獻分布沒有遵循20% 和80% 的關系配比，實際結果是55% 的用戶貢獻了企業80% 的銷售額。

基于這個數據結果，思考一個問題：為什么這家食品專營店的用戶貢獻分布和二八定律的關系配比差距這么大？

在實際工作中，這種情況很普遍，按一般規律是20% 的用戶群體貢獻80% 的銷售額。這家專營店20% 的用戶群變成55%，在另外一家企業20% 的用戶群可能演變為30% 或者10%，所以思考以下兩個問題。

二八定律中的20% 如果變成了55% 是什么業務現象？

二八定律中的20% 如果變成了8% 是什么業務現象？

我們對照二八定律的關系配比現象對上述問題進行以下分析。

上述問題（1）中二八定律的20% 變成55% ：假設企業有100 個用戶，按正常規律，高價值用戶是20 個人。現在，正常應該由20 個用戶創造的價值變成由50 個人創造，也就是80% 的企業價值貢獻中，頭部用戶的人均貢獻價值下降了。

所以于企業而言，這種業務現象說明企業沒有特別高價值的用戶，企業的多數用戶屬于普通價值用戶。

上述問題（2）中二八定律的20% 變成8% ：企業100 個用戶中的正常20個高價值用戶變成了8 個人，也就是說，應該由20 個人貢獻的價值最終由8個人貢獻完成，8 個人的人均貢獻價值變高。所以于企業而言，企業的高價值用戶非常集中，只要維系好這8 個用戶，企業的業績目標就可以達成80%。如果這8 個用戶出現問題，那么企業的主要銷售業績就失去了供給源泉。

上述20% 變高、變低現象的分析結論，如下圖所示。

圖2

回到本案例的食品專營店，80% 的銷售業績由55% 的用戶貢獻，對照正常規律，數據結果略偏高，結論是專營店缺乏優質的高價值客戶。

那么如何培養這樣的客戶呢？

基于這個數據結果，很難對專營店的用戶進行價值分層，因為沒有價值特別集中的用戶，貢獻差異不明顯。所以，目前實現業績增長的策略方案：

第一輪帕累托分析模型找到的55% 用戶較剩余45% 的用戶購買力相對較強，我們在這部分用戶群體中進一步挖掘可以提升潛在價值的用戶群體，讓他們貢獻更多的銷售業績。

銷售額是結果性指標，做運營策略需要對它進行詳細的業務指標拆分：

銷售額= 訂單數×?客單價

……

本文節選自《數據運營：數據分析模型撬動新零售實戰》一書！