数据分析|有哪些基本的统计学知识是鞋服人员应该了解的？

冷芸时尚博士 07-12 47

前言：

如今同学们对“数据离散程度的意义是什么”可能比较关心，朋友们都想要知道一些“数据离散程度的意义是什么”的相关文章。那么小编在网摘上搜集了一些对于“数据离散程度的意义是什么””的相关文章，希望同学们能喜欢，小伙伴们快快来学习一下吧！

▼以下的冷芸时尚圈讨论是就行业问题的讨论及总结。这些分享属于集体智慧的结晶。（它们并不代表冷芸个人观点）。希望通过此种方式能让更多行业人士受益！

描述性统计基本概念

1.平均值，中位数，众数

如果我们要做同类属性数据对比，要比较A和B店谁表现更好，怎么比较更好？有芸友提到了函数，函数就是基于统计学的。如果知道函数却不懂相应的统计学，那只能说明知其然而不知其所以然。大家回答了一些行业目前在用的方法，但都是有问题的做法。只能说，行业整体水平有待提高。

先和大家解释下标题这些数据的意思。然后请大家回复以下表格中，这3个数值应该是什么？

平均值(AVE)：平均数。

中位数（MEDIAN）：按从小到大排列，排在最中间位的数字。这里给大家一个小测试，如果一组数据的数量正好是偶数，怎么计算中位数？

众数（MODE）：出现频次最高的数字。

（图片来源：庄主提供）

这个EXCEL表格大家可以试试在5分钟以内计算这两组数据“销量”的平均数，中位数和众数。

我是想以这种方式告诉大家数据怎么对比。因为行业里大家经常做对比，但现在对比只有数量和金额对比，其实很片面。数据比较才有意义，并且如果只有一组数据也是没有意义的。大家对比以后再看，假如这个是不同品类的SKU销量，哪组数据表现更好？

2.方差、标准方差、极差

方差的公式，原理非常简单，就是把每个数值和平均值相减，平方，总和，再除以N(总共多少个数据)。方差在EXCEL里，用的是VARIANCE。我演示下给大家就明白了。

（图片来源：庄主提供）

大家看下这个表格，能不能理解？大家不要先把它想得难度，自己假设很难，就会觉得很难。本质上，它们都是很简单的计算。

大家知道为什么要平方和吗？大家可以统计下不做平方和的数据结果是什么？不要算平方，直接算-0.75-0.75+0.25+1.25=？

再来看看标准方差。标准方差就是在方差基础上直接开根号即可。标准方差EXCEL用STDEV。

为什么有了方差，还要标准差？因为方差是平方数，和实际数据还是有相差的，很难进行数据比较。所以再平方根一下，这样和实际数据的离散程度就比较真实。方差和标准差都是为了看数据的离散程度。大家知道何为数据的离散程度吗？

离散程度大的意思就是，各个数值离平均值的距离远近不一。数据比较分散。

（图片来源：鸿网互联）

看这两张图，哪个离散程度大？

大家可以为两组数据计算方差，标准方差和极差，然后再比较数据，就能明白为什么这组数据那么重要（虽然鞋服公司几乎不用它）。

离散数据可能是什么原因造成的呢？请大家再比较下两组数据，假如这两个数据来自两个品类，我们要评估哪个品类表现更好，是否看得出他们谁表现更好？还是各有千秋？

大家有没有发现，第二组数据是第一组数据极差几乎两倍？这说明了什么？说明第二组的平均数是靠个别高销量款拉高的，其实有个别款表现比第一组差很多。所以其实不能简单下结论，第二组产品线一定比第一组表现好。

另外，极差和方差还能帮我们找到异常值。比如如果极差太大，有可能是人工输入错误等等。但检查异常值也还有其他更好的方法，所以千万不要被经验所蒙蔽。

从数据分析来说，我刚才给大家的一组数据，是“描述性”统计，是在做数据分析时最基本的手段。

描述性统计除了让我们了解业务基本面包括但不仅限于做数据比较（比如店铺与店铺，与竞品比较等），也是数据分析过程中清洗、整理数据的一种方法。通过这个方法发现异常值或者缺失值等。同时也是做预测分析的基础。

3.连续性数据变量与离散型数据变量

大家看看表格中的两组数据，哪组是连续性变量，哪组是离散型？

（图片来源：庄主提供）

这两组数据类型是一致的。离散可以是小数，只是有限而已。去理解这两组数据类型最简单的方法是想象一个坐标横轴，类似这种：

（图片来源：庄主提供）

连续性变量：比如上面这个横轴，0-1之间，有无数种数值的可能，比如0.01，0.0001，在数据和数据之间所有的数据都可能是数值，这就是连续变量。

离散变量：则是在数值与数值之间，只有有限的数值。比如，在0和1之间，只有0和1，数据是有限的。

大家可以看看表格中，哪些是离散型变量？哪些是连续性变量？

销量的数值，是有限，还是可能无限的呢？销量不会是无限的。它只可能是1，2，3，不可能是1.1, 1.111，诸如此类。销量是离散型数据，而金额是连续的。因为销量只可能是整数，不可能是小数点，所以它是有限的数量。这个结合坐标轴看，最有意义。

我们为什么要了解这个数据类型，因为它们后期涉及的统计方法（比如做概率预测）不太一样。不过我们这次并不会涉及，大家可以自学下。概率预测也是很有用的方法论，等我新书出来，大家可以关注下。

4.概率

（图片来源：庄主提供）

平均值概率，其实也很好理解。这里的销量占比，大家知道怎么计算的吗？

我们其实可以从概率学来理解这个数据。比如第一个产品数据，RA14041362，可以理解为，如果我们卖了100件产品，有15%的概率卖的是这款产品。

这个主要帮我们做什么呢？除了了解当下产品的销售状况，也能帮我们预测同类产品未来的销售概率，对预测很有帮助。这个也有专门的公式，但是涉及稍微复杂的统计学知识，所以今天也不展开说明。但是大家可以网搜或者买书看，今天我最主要还是和大家分享些基本概念，给大家一些启发和工具。

现在预测模型也有现成的，不少公司的订货和促销都是用数据模型做的了，所以也不需要买手来做。但预测模型也会需要人工做评估的。大家可以了解下预测模型是怎么做的，就知道为何一线企业都在开始做自己的数据模型来做销量预测。

预测当然不是万能的，所以如果大家仔细咀嚼，我前面用的是‘概率”二字。我们做的一切预测，都是为了提高更大的概率。预测当然不是万能的，但肯定比传统时代人工拍脑袋决策有意义得多了。没有什么工具是绝对有用的，因为还取决于你具体如何使用工具，还取决于人的判断力。但是，数字化对比过去传统时代大家拍脑袋（凭所谓的经验）做事，肯定是进步的。

5.四分位与五分位数

这两组数据对平时分析也很有用。“四分位数（Quartile）也称四分位点，是指在统计学中把所有数值由小到大排列并分成四等份，处于三个分割点位置的数值。多应用于统计学中的箱线图绘制。它是一组数据排序后处于25%和75%位置上的值。”（本段来自百度百科。）

五分位数逻辑一样，只是把数据由小到大排列并五等份，处于4个分割点数值。20%-40%-80%-100%

那么它的意义何在呢？这里就再给大家介绍一个箱型图概念，非常有用。

箱型图制作方法如下（大家都练习下，光看无用）。选好要分析的数据，“插入”——“推荐的图表“，找到箱型图，就会看到和我这里一样的图片。大家先做出来，我们再解释它的意义。

（图片来源：庄主提供）

具体应用

1.重点做零售数据比较

大家看下这个箱型图，比较下数据。大家看看这两张图对比，有哪些信息？

（图片来源：庄主提供）

可以看出，右图主要有几个特点：

1）它的异常值虽然只有1个，但是远高于左图。所以大概率它的平均值是由这个异常值拉高的。首先，要查两组异常数值的原因——是人工错误？还是什么原因造成异常？其次，去掉异常数据再进行比较，看看究竟哪组数据表现更好。