从事企业的数据分析工作，一开始总是围绕企业的产品做文章，尤其是生产制造、贸易流通类企业，其所有的业务活动均与产品息息相关。因此，从产品入手开展分析能最快切入主题。本部分内容将详细讲解如何运用DataFocus快速了解企业产品线分布、评估产品线的优劣；进一步地，通过分析产品各品类的销售数据、挖掘销售规律，进而全面评估企业的产品线，搞清楚哪些是金牛产品类，哪些是瘦狗产品类 （波士顿矩阵，BCG Matrix）。
快速了解产品线状况
通常情况下，如果想要了解一个企业的业务，比如了解这个企业的产品线状况，可能需要花费一定的时间，从产品的设计到生产，再到销售，搞清楚这一系列流程，估计几个月就过去了。那么有没有什么方法，能够帮助一个新人快速了解自家企业的业务以及产品销售等状况呢？
其实，最能体现一个企业过去经营状况的，不是同事跟你说公司怎么样，也不是上司给你的一份份文档，而是企业运营多年积累的海量业务数据。数据是最真实的，也是最直接的。因此，如果你是刚进公司的新人小白，那么，从数据的角度来了解企业业务以及各个产品线状况，是最直接也是最快速的。
利用专业的数据分析工具DataFocus，从数据出发，由简单到复杂，整个过程既能了解企业过往的业务，也能了解企业业务中存在的不足之处。
本章所需要用到的数据表以及详细字段如表10-1，数据主要来源于某服装企业脱敏的产品数据以及销售数据。
表10-1 某服装公司数据
销售表
ID
String
产品编号
String
颜色编号
String
周ID
String
分店编号
String
利润
Double
销售额
Double
销售数量
Int
产品品类信息表
产品编号
String
产品描述
String
小类
String
大类
String
大类编号
String
价格
Double
分析案例：简单的产品线分析
首先，我们以某服装企业为例，从最简单的产品品类出发，来了解该企业产品类别的相关信息，从而逐渐知悉其产品线状况。
我们用DataFocus数据分析工具，对该服装企业的产品品类数据做了分析，并以图形和数据看板的方式来展示分析结果，从图10-5中，我们可以站在产品角度了解企业销售现状：
（1）从图10-1中，我们可以直观地了解到该服装企业的产品大类共有12种，但是再往下细分成不同的产品时，可发现其下属产品的数量大有不同，例如日用品下的产品数量最多，高达91种，占所有产品的43.13%，几乎是占据了半壁江山。但是日用品不算是真正的服装，只是服装的附带品。而服装相关大类下的产品品类数量都较少，由此可见，该企业的服装产品线较为单一，类别不够丰富，例如外套，其下属的产品品类竟然只有 4种，这对于当代喜欢追逐时尚潮流的年轻人来说，几乎就等于压缩了其选择的余地。
图10-1 产品大类数量及占比
图10-2 各类产品细分数量
（1）了解产品大类之后，我们可以从更细的维度做进一步分析。从图10-2可知，该企业不仅将所有产品分成了大类，同时也细化成不同的小类别。分析的维度越细，越有利于发现隐藏在深处的问题。在小类中，我们可以看到产品种类最多的是珠宝首饰和帽子、围巾、手套这两类，分别有36种和27种。但这两类都不是真正的服装，而真正的服装小类中，产品种类最多的是T恤衫，仅有16种。从图10-2中，我们可以找到一些疑点。这时候，需要考虑是数据录入的不规范，还是产品分类标准有问题。在分析过程中复查数据源是否正确同样非常重要。
（2）在上述第二个分析结果的基础上，我们加入产品价格的维度，以此观察产品数量和价格之间的关系。从图10-3中可知，该服装企业产品的价格主要集中在 200元上下。这对于一个服装企业来说，价格定位是偏低的，因此判断，该服装企业主要是销售中低端产品。
图10-3 产品价格数量关系
综合上面几个分析结果来看，可以快速了解到该企业简单的产品线状况，其产品类别不够丰富，虽然价格较为低廉，但是由于产品线比较单一，营收来源的广度不足，所以可能导致该企业的风险较高。
为了验证这一想法，随后我们在此基础上，加入了利润这个维度进行进一步分析，结果如图10-4所示：
图10-4 产品利润分布
（3）如猜想的一般，由上述帕累托图可知，企业营收来源比较单一，T恤衫的收入占总体的33%。企业产品单一的劣势在市场中进一步显露，没有足以占据市场的产品，这是企业业绩的一个重大缺陷，过度依赖于某一产品，导致企业抗风险能力大大降低，从而产生诸多隐忧。而且风险高的企业，盈利模式往往单一，外界一有风吹草动，企业就将面临巨大风险，应对不当可能就会破产。
将制作好的历史问答导入一个数据看板中构建一个综合观察大屏，通过数据更新实时监测企业产品线动态，如图10-5所示。从上述的分析中，我们不仅知道了该企业大致的产品线状况，还发现了企业业务中存在的问题。为了了解更多的产品线状况，后续我们将分析更深层次的信息。
图10-5 产品线分析数据看板
技术实现：应用
前面我们利用DataFocus进行数据分析，来了解企业的产品线状况，那么具体是如何进行数据分析的呢？现在，就让我们一起来重现整个过程。
（1）数据导入
首先，数据来自某服装企业（已经过脱敏处理），本次分析需要用到两张表，一张是产品品类信息表，一张是销售表。
DataFocus支持本地数据导入，故我们直接在“数据表管理”页面，点击左上角“导入表——从本地导入表”，即可看到导入本地文件的弹窗，选择恰当的文件格式，随后按照提示进行导入即可，如图10-6。
图10-6 导入数据
（2）联表分析
本次导入的是两张表，而且表与表之间需要联合分析。在DataFocus中，两张表之间联合分析的基础是，这两张表之间创建过关联关系。
首先，选择销售表为主表，在数据表管理页面点击该表详情，进入关联关系页面，可看到两张表刚开始并没有创建过关联关系，如图10-7所示。
图10-7 选择主表
点击增加关联，选择维度表，即产品品类信息表，选择连接类型、关联字段，最后点击确定即可，如图10-8。
图10-8 创建关联关系
关联关系创建完毕，即可在当前页面查看到刚刚创建的关联关系，如图10-9。
（3）搜索分析
DataFocus是国内首个采用搜索的方式进行分析的工具，开创了数据分析中新的交互方式。首先，进入搜索页面，点击选择数据表，数据源选择上述导入的两张表格，随后双击产品品类信息表中的大类以及产品编号，然后在搜索框中产品编号的后面输入“的数量”关键词，即可实时得到分析结果。点击右上角图形转换，转换成饼图显示，并且设置显示数据标签，结果如图10-10所示，这就是DataFocus关键词搜索的便捷之处。
图10-9 显示关联关系
图10-10 产品大类分析
其次，在上述分析的基础上加入产品小类的维度，双击“小类”，将图形转换成堆积柱状图显示，配置图轴，修改X轴为大类，图例为小类，并在图表属性设置中勾选Y轴显示百分比，如图10-11。
图10-11 产品小类分析
我们在小类的基础上，再加入价格的维度，双击价格，修改聚合方式为平均值，将图形转换成散点图，点击配置图轴，X轴为价格的平均值，Y轴为产品编号的数量，图例为小类，点击图表属性，取消勾选显示数值标签，如图10-12所示。
图10-12 价格数量关系
最后，我们分别选择产品品类信息表中的小类，以及销售表中的利润，并在搜索框内输入“按利润的总和降序”，选择以帕累托图显示，勾选显示占比标签，如图10-13所示。
图10-13 产品利润
上述就是本书10.1数据分析的技术实现过程，DataFocus搜索式分析在整个过程中已经有了出色的表现。
了解更多
