返回目录：excel表格制作
对于数据我确实有了12年的经验，因为统计学一直是我大学和硕士研究生期间的专业，还在科研中分析过很多人群疾病健康数据以及生命科学中的基因和蛋白质数据，当医生期间经常给医生帮忙分析论文的数据，后来做互联网又做了2年数据分析工作，因此，这些加起来也就有12年了。
之所有写这篇文章，是为了让我们销售团队要学会用数据去指导工作，提高工作效率，于是就给他们讲了下面一个小故事。
首先，大家要知道，数据分析的核心就是统计学，统计学最重要的不是方法和软件，以前我把那些统计学软件用的滚瓜烂熟，比如SAS、SPSS、Stata以及excel等，现在基本上都用不上。统计学最重要的是其思想，需要将这种思想植入到脑海中，以另外一种视角去解决问题。
我给销售们分享了这个小例子，告诉他们数据的重要性以及怎么去使用数据，来看一个小例子。
首先看下面这张表格，假设销售分别向3种不同的销售对象（分类属性，在统计学中叫变量）售卖产品。
先看合计3种分类的合计，总共跟进3000人，大概有500个目标客户有购买意向，最后有80个客户购买产品。（当然在正常工作中可能要计算“率”，这里数字比较简单就暂时不计算转化率了。）
再来分别看3种分类产品的转化，跟进销售对象A、B、C均为1000个，可以看到其目标客户分别为300、200和100，它们的销售数量分别为10、20和50。（同样大家也可以计算下转化率）
为什么数据分析非常重要？
假如一个销售不去做数据分析，跟进3000个电话，完成80个销售。理想的情况下，勤劳的销售用更短的时间再跟进3000个客户，再达成80销售，总共可以完成160个销售，转化率为2.7%，计算方式：160/（3000+3000）。
另外一个销售会数据分析，对3种销售对象的转化率进行比较（下图），发现销售对象C的转化率最高，可以达到5%。那么接下来这个销售优先去跟进销售对象C，按照这个转化率，再跟进3000个销售对象，可以完成150个销售（3000*5%），总共完成230个销售。
在上面一个例子中，采用数据分析后销售结果比上一个多70个，很明显效率提高了。
数据分析要抓关键指标，否则容易犯错！
假如转化率不以销售数量指标计算，而是以目标客户作为计算指标，最后的结果恰恰相反，销售对象A的目标客户转化率最高，优先去跟进销售对象A，那么跟进3000个才会产生30个销售。
所以说，数据分析一定要抓住关键指标。
分类的维度选择非常重要
这里的分类也就是统计学中“群”的概念，借用统计学术语“群内差异越小越好，群之间的差异越大越好”，分类的时候一定要遵循这个原则。
把相似的放在一起
以个人为例，常见的分类属性有性别、年龄、地区、民族、职业、学历、收入等。分类的维度也可以多样，比如说企业可以按大小分，也可以按行业、性质等来分类。当时在工作中一般需要同时考虑多个维度，可以减少错误发生的概率。
数据分析用什么工具？
在学习统计学，比如在分析疾病发病原因时，经常会用到复杂的回归法去分析数据，需要用到专业的数据分析工具SAS，还需要去码代码。但是对于用数据解决日常工作，只要养成数据分析的习惯，会用简单的excel技能，会点加减乘除就可以把数据分析做得很好。
因此，数据分析很简单，关键要养成用数据去解决问题的思维！