从这一期开始，我们将重点关注几个行业的分析，先从我熟悉的零售、餐饮服务业开始，后期会增加银行、生产制造业的分析。在行业分析中，我们又重点关注几个通用的主题，首期重点是产品分析、客户分析和KPI分析。
第一篇，我们从产品分析开始。我和市面上很多的Tableau分析指南不同的是，我会首先脱离Tableau介绍分析的思考方式和框架，然后再简单介绍Tableau的实现方式。思考先于落地，构架高于工具。
- 推荐复习阅读 ：【Tableau】Viz 读书笔记《用图表说话》(上)
一、产品分析的关键维度
1、产品及其周边
产品的关联要素很多，你要做的分析，取决于你想要的目的。
建议你要熟悉营销的4P和4C，这样才能了解产品和其他关键要素（比如价格、顾客、位置等）的关系，从而了解业务分析的出发点和逻辑。然后根据分析的目的，去寻找相关因素，比如要做产品趋势分析，就要结合产品和时间，利用时间可以获得品类/产品的销售趋势，同样也可以获得单个产品的生命周期趋势。
2、宏观的产品分析的几个主题
对于产品分析而言，有几个特别重要的宏观分析主题，几乎是所有企业关心的重中之重。
- 产品分布矩阵：以产品的价格和销售数量为坐标系，查看品类或者商品的分布情况，并参考著名的波士顿矩阵加以分析，从而指导业务的产品改进和运营方向。只需要修改数据坐标轴，我们就可以马上清晰地看到自己的商品分布（隐藏了商品名称）。
- 价格点分布：以价格为坐标，查看品类或者产品的价格点分布，或者成交价格点分布，可以了解是否存在价格空白区，并以此了解互补产品、替代产品等的关系状况；
- 产品交叉购买分析：对于大宗零售而言，一个顾客在购买A品类/产品时同时购买了其他哪些品类/产品很重要，这就需要分析产品的交叉购买率，结合价格点分布可以指导互补产品和替代产品组合的组合策略，以及捆绑定价、组合营销策略。
3、微观产品洞察
从大数据的角度看，这里的微观的产品洞察指单个产品或者细分产品在很长的时间段的变化趋势，重点在于价格与销量变化、优惠信息变化，综合而言可以查看长周期下的单商品生命周期。你可以假设某个商品就像下图中上面的曲线一样，销售慢慢爬坡，到达顶峰后被取代。
二、使用Tableau Desktop做矩阵分析
上面我们介绍了产品分析的维度，和如何构建一个完整的数据源。下面我们重点说一下如何使用Tableau Desktop实现产品的矩阵分析，并把业务的理解赋予数据之上 。
注意：本数据为去随机几天的数据，且对商品名称做了处理，请勿对号入座。
1、使用Tableau拖拽生成视图空间
从Desktop的入门来看，Tableau并不比Excel更复杂，通过简单的拖拽，就可以实现实现不到的可视化效果，让整个数据清晰可见。
以商品的价格和销售数量矩阵为例，我们只需要把两个字段拖到右侧的行列胶囊区，然后把商品名称加入“详细级别”。Tableau的详细级别代表的是视图中数据的颗粒度，这个是需要仔细思考接受的关键常识。
2、使用分布和参考线构建参考空间
在上面的基础上，我们从“分析”面板中，把“含四分位点的中值”拖入视图，选择“表”级别，就可以为横轴和纵轴生成四分位数分布。四分位代表了整个区间中的25%、50%和75%区分开的四个分区，通过查看产品在哪个分区，我们可以获得相对对比。
分析的核心是比较，没有比较就没有分析。
- 修改坐标轴
- 增加标记深度（销售额）
我们发现产品密集的贴近0点坐标，这样不利于我们区分产品，为此，我们可以使用数据轴的“对数”功能，把线性比例坐标轴，改为对数坐标轴，让产品之间的比较更加明显。右键“编辑轴”，选择“比例”下的“对数”即可。
为了更好的对比产品之间的差异，我们把“销售额”加入标记的“大小”中，从而用图形的大小反应商品的销售额。 这样就把单价、数量、销售额三者结合起来。最后我们把结果中的颜色稍作修改，结果如下。
这样，我们可以结合业务的情况，针对每个象限中的产品做针对性的策略分析，比如继续把“榴莲22”和“招牌22”作为主推，提高客户复购水平；把“奶香2”作为低价引流的入口，然后通过“大阪8”等产品向中间价格带引导；为“大福35”和“班兰25”等推出会员价或其他长期促销方式，推动门店特色产品销量增加等等。
当面，每个人自己的业务背景不同，也会对数据作出自己的行动解释；另外，此类矩阵还需要和其他数据结合，比如成本和利润分析，更好地指定营销的空间策略。
三、使用Tableau Desktop做价格点分布
产品价格点分布的重点在于合理使用盒须图，为分类下的点做一个背景分布图。
盒须图属于比较高级的工具，不过依然可以通过简单的拖拽来完成，难点在于你如何结合业务的思维去解读。关于盒须图的分享，我们改日单独分析。
后记
在写本文的大纲时，我在最后写了几句话：大数据分析驱动业务成长，需要遵循几个宏大的思路，这决定了大数据使用的效率。
1、目的先于工具，你不能预见最后的结论，但是要方向清晰
2、构思决定一切，指导如何迈出起初的分析步伐，然后持续改进
3、持续改进，而非推倒重来，除非必要，使用经验不断的改进，才会出现精雕细琢的数据分析佳品。
Feb 10, 2019
喜乐君·Michael Wu