数据分析方法——二八分析法
从事7年数据分析工作，从数据分析小白到现在的项目负责人，如果有人问我，做为一名数据分析师最重要的是什么？或许有很多人会回答，最重要的就是掌握SQL、Excel、BI、Python数据分析工具。
工具固然重要，但是，掌握工具只是最基本的要求。相对于数据思维来说，学习工具有较为成熟的学习套路和各类指南，相对简单。而数据思维则需要长时间的积累。如果数据分析师只是知道了某些分析方法和统计学知识，却不能在恰当的场景和恰当的时机加以运用以辅助业务方解决问题，那也算不上一名合格的数据分析师。
接下来会分7期为大家讲解下常用数据分析方法，第2期给大家介绍数据分析法中的二八分析法。
二八分析法，它是基于二八法则而来的，二八法则又被称为帕累托法则。
01、什么是二八法则
帕累托于1906年提出20%的人口掌握了80%的社会财富的研究结论后，朱兰博士在管理学中采纳了该思想，他认为在任何情况下，事物的主要结果只取决于一小部分因素，并正式提出了帕累托法则。这便是数据分析中的常用方法——二八法则的由来。
二八法则根据事物在技术或经济方面的主要特征，对数据进行分类排队，分清重点和一般，从而实现有区别地确定管理方式。它告诉我们，很多情况下80%的结果由20%的变量产生，因此我们应该主要关注顶端的20%变量。
下面小易就给大家介绍一下二八法则在数据分析中的常见形式。
02、帕累托图
在数据分析中，帕累托图是运用帕累托分析法也就是二八法则时常用的图表。
在帕累托图中，不同类别的数据根据其频率降序排列，并在同一张图中画出累积百分比图，从而体现出数据的绝大部分存在于很少类别中，极少剩下的数据分散在大部分类别中。
下图便是一幅典型的帕累托图。从中我们可以看出主要利润是由客户A和客户B贡献的。
帕累托图主要将研究对象分为两类，而ABC分析法（Activity Based Classification）则是对帕累托图的应用升级，他们的重点都是抓住主要矛盾，集中力量解决核心问题。
ABC分析法过程与帕累托分析过程相似，首先对频率进行降序排列，然后计算累计百分比，根据分组情况将研究对象分为三类，如：50%的利润由10%的A类客户产生，这类客户为重点客户；30%的利润由10%的B类客户产生，这类客户为次重点客户；20%的利润由80%的C类客户产生，这类客户为非重点客户。
如下图所示。
众所周知，数据分析的目的是最终将分析结论应用于业务发展中，为其提供更具价值的建议。那么小易接下来就从用户分析的角度，为大家介绍一下二八法则的应用场景。
03、二八法则的应用场景
运用二八法则，我们会更加关注老顾客和核心顾客的价值，而不是一头扎进如何引进新客户的漩涡中。
20%的老顾客
过去在生产观念和产品观念的影响下，许多企业营销人员关心的往往是产品或服务的销售，他们把营销的重点集中在争夺新顾客上，却因此忽视了给企业带来更多利益的老顾客。
精明的企业在努力创造新顾客的同时，会想方设法将顾客的满意度转化为持久的忠诚度，就像对待新顾客那样重视老顾客的利益，进而把与顾客建立长期关系作为目标。老顾客对企业发展的重要性表现在以下几个方面。
1、老顾客可给企业带来直接的经济效益
首先，老顾客的长期重购是企业稳定的收入来源，老顾客的增加对利润的提升起着至关重要的作用。美国学者弗里得里克-里奇海尔得的研究表明：重复购买的顾客在所有顾客中所占的比例提高5%，对于一家银行利润会增加85%，对于一位保险经纪人利润会增加50%，对于汽车维修店利润会增加30%。
其次面向老顾客的营销成本更低，因为老顾客对企业所提供的产品和服务都比较熟悉，这因此降低了企业为他们服务的成本。
最后，对产品具有忠诚度的老顾客对价格不像三心二意的顾客那么敏感，他们在重复购买中往往比新顾客更舍得花钱。
2、老顾客可以给企业带来间接的经济效益
众所周知，老顾客的推荐是新顾客光顾的重要原因之一。
如今随着对各种商业媒介信任度的降低，消费者在购买过程中越来越偏重于亲朋好友的推荐。今天的快手平台提出的的信任电商、熟人经济便是如此，快手电商于2021年11月24日公布的两组数据分别显示，自大搞信任电商之后，快手电商新用户复购率提升10%，2021年9月快手电商复购率突破70%。
3、大量忠诚的老顾客是企业长期稳定发展的基石
如今，越来越多的企业意识到，盲目地争夺新顾客不如更好地保持老顾客。许多企业开始把建立和发展与顾客的长期关系作为营销工作的核心，同时不断探索新的营销方式。
比如在竞争激烈的航空业商业等领域留住老顾客已经成为企业战略的主题。航空公司推出优秀旅行者计划，商场推出友情积分卡都是为了让老顾客重复购买而设立的奖励制度。
20%的核心顾客
在数据分析中，我们通常做不到对每一个用户进行个体分析，更多的是对头部用户，也就是核心用户进行个体行为分析，进而建立群体样本。
通常情况下，我们可以根据核心指标分别找到20%的核心顾客，常见场景如下：
电商：购买产品量前20%的用户、下单金额前20%的用户等。
比如常见的淘宝和京东设置有淘气值和京享值，用户成功下单才能加分，累积一定分数后可享受更多权益，像免运费、优先享受折扣等。
又如许多品牌商店铺设置的会员卡、积分卡等，也是向购买金额越多的用户提供更多的权益。识别出这前20%的核心用户之后，平台或卖家会向这类用户倾斜更多资源。
同时，也可以对商品销售数据进行分析，得出销售额前20%的品类，将其作为重点运营的产品。通常情况下，品牌商会采取增加该品类的曝光度、提供更具吸引力的折扣、增加该品类的打包销售、增加该品类的试用产品等方式来促进该品类的销售，进而提高整体的销售额。
网站或app：日访问次数前20%的用户、访问页面数量前20%的用户等。
运营网站或app时，在找出前20%的核心用户之后，可以通过对该类用户进行进一步的用户行为分析，比如识别出网站或app中被访问次数最多的内容，进而发现什么内容对核心用户最具有吸引力。通常情况下，运营方会考虑发布更多该类内容、增加该类内容在站内或站外的曝光等方式来扩大规模，或是尝试对需要浏览更多该类内容的核心用户采取订阅收费等方式来增加收入。
通信：月充值话费金额前20%的用户、月使用流量前20%的用户等。
通信运营商在找出前20%的核心用户之后，通常情况下会采用赠送更多流量或通话时长，或是提供价值更大的套餐服务等方式，来增加用户的ARPU值。
如下还有很多其他应用场景。碍于篇幅有限，对这些内容小易就不过多赘述了。
视频图文：点赞次数前20%的用户、转发次数前20%的用户等。
物流：月发件次数前20%的用户等。
航空：月飞行次数前20%的用户、月飞行距离前20%的用户等。
二八法则可应用的领域还有很多，诸如人力资源、财务管理等，都可以通过数据分析的二八法则来得出有价值的结论。
如果我们想要更加熟练、快速地发现数据中的价值和问题所在，还需要勤加学习。
以上就是本篇的全部内容了，下一篇将给大家介绍四象限分析法。
整理了一份数据分析资料，评论区领取。
想学习的朋友关注下我，整理不易，点点赞，拜托了！