数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
公式化拆解：对数据指标进行拆解
结构化的拆解可以帮助我们得到一个有逻辑的分析框架，在具体执行原因分析时，我们还需要对变量进行层层拆解才能找到问题产生的根源。例如在上述销售额下降的案例中，通过对用户类型进行结构化拆解对比，发现新用户的销售额明显下降，那么如果业务继续追问：为什么新用户的销售额下降了呢？此时，我们就可以把销售额（数据指标）进行公式拆解，拆解成多个细分指标后，再针对细分指标进行对比分析。比如，销售额=销量×客单价，在拆解之后就可以再从客单价和销量两个角度去进行对比分析，深挖销售额下降的原因。是新用户的销量变少了，还是新用户的客单价变低了导致新用户销售额下降的？假设对比后发现客单价没有变化，主要是销量变少导致销售额下降。还可以继续对销量进行拆解：销量=人均购买数×购买人数，进而分析是购买人数下降了，还是人均购买数下降了呢？通过公式化的对指标剥离拆解，就可以实现层层深入到问题本质。
结构化和公式化拆解还可以应用在我们对业务进行分析时的思路梳理中，比如当我们要去对某个业务的的GMV为什么高或者低进行原因分析时，我们可以对GMV进行公式化拆解，分别从流量×转化率×客单价三个具体的方面着手，去罗列出影响这些指标的因素，逐渐完善我们的数据分析网络。
声明：本文来自海盐社，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。
数字化转型网数据专题包含哪些内容
数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
数字化转型网数据专题包含：
1、数据相关外脑支持：100+数据相关专家、100+数据实践者、1000+相关资料
2、数据研习社：与全球数据相关专家、实践者共同探讨相关问题，推动产业发展！
3、国际认证培训：目前已引进DAMA国际认证CDMP，其他国内外认证也在逐步引进中
4、典型案例参考：与数字化转型网数据要素X研习社社员一起学习典型案例，共探企业数据落地应用
