供水营销数据分析浅谈
发布网友
发布时间:2022-10-27 05:35
我来回答
共1个回答
热心网友
时间:2023-09-22 09:42
什么是数据分析?
先来看一个段子:有次聚会当大家谈到手机充电时,一个哥们说自己买了很多条iPhone数据线,家里每个房间插一条,这样自己可以很方便地随时充电……….。在场的MM们大多都没有特别在意他这种充电心得,只是笑笑就过去了。只有一位细心的MM悄悄问他一共买了多少条,他说42条。现在这位MM和这哥们在北京一套总共有42个房间的豪宅里愉快地生活,正准备下个月结婚。
【这就是数据分析】
数据分析主要实现方法是统计分析方面的知识 ,常用汇总、对比、分组、交叉等方式,得到的值包括汇总值、差值、平均值等的。
供水企业在生产、经营、管理和服务过程中,会产生很多数据,所以数据分析的对象和应用是相对广泛的。
例1:天气数据的统计和分析
天气数据有什么用?供水同行都知道,天气因素将直接影响供(用)水量需求,在每年用水高峰期这种关联关系更为明显,在高温天气临界区,平均气温每上升1度,炎热就会让用水量大幅增长。
对天气情况分析常见的是气温变化和晴雨天数两种。由于供水企业不是专业的气象部门,所以通常对过去的数据进行比较分析为主,对未来短期预测分析为辅(数据来源也只是靠天气预报)。
当某一时段供(用)水量变化异常时,就要考虑天气情况是否也是异常的,需要对此进行两者之间的关联性,例如将日供水量、日平气温数据制成曲线,看看两者的趋势是否基本一致。
对于晴雨天数,常见用法的是将某一阶段数据与历史同期进行对比,对比的结果差异越大,说明因果关系越强。除此之外,利用晴雨天数也可以对未来作一些预测,因为某个地区一年的晴雨天数大致是接近的,如果晴天或雨天在前期多了,那是不是意味着后期就会减少呢?
最后一点我们必须要考虑,除了天气因素还有很多因素会影响供(用)水量变化,例如经济景气程度、供水区域变化、用户数量增减等等,但天气因素的特点是对供水量的影响几乎是全面性的,气温上升或晴天增多将会让各行各业的用水量都增加,反之气温下降或雨天增多,几乎所有用水需求都会下降。而经济景气程度也不至于会造成全面影响,其主要影响工业、商业、特种用水以及外来人口集中区的居民用水等,对于大部分刚需用水的影响不大,例如常住的居民用水、行政、绿化、学校的用水等等。所以说要对某一时段供(用)水量做分析和预判,为什么首先要对天气数据进行分析,因为这个比其他因素的影响要全面得多。
例2用户用水量进行排序
例如,每个月抄完水表等售水数据出来后,你按水表口径分类,将所有居民用水的水量用降序进行排序,你会得到一份不同口径居民用户用水量的排名,然后再重点关注排在前面那些用水量超多的用户,例如某个居民用户仅仅是DN15水表,某个月却抄回来1000多吨水,你会想到什么?
A、一个月用这么多,不会是水表故障吧?
B、是不是抄表员抄错表才搞回来1000多吨?
C、是不是抄表员以前没真正抄过水表,这次一下子把以前欠抄的都抄了回来?
D、是不是用户档案搞错了,实际根本不是DN15水表,而是个DN50大户吧?
E、是不是用户家里没有人住又漏水了,一天24小时不停的漏才有这么大的量啊?
F、是不是用户把水管拉到了其他地方用,搞起了转供、转售水行当?
G、是不是用户家里搞什么小作坊,例如食品加工之类的,才能耗掉这些水?
同样的如果做一个反向排序,让用水量少的排在前面,再剔除零用水量的用户(或者顺便做一个无用水的占比分析,看看是否合理),那么关注点就落在了这些用水极少的用户身上,尤其是那些水表口径大但用水量又特别少的,是不是又会让你有很多想法,包括水表是不是有故障、用户有没有盗水,抄表员没有抄错表吧、甚至内部人员会不会徇私舞弊等等。
排序筛选是常用的数据分析方法,除了用水量,还可以针对更多,例如把欠费的清单排一下,看看谁欠的费用多,次数多;把水表使用年限进行排序,看看历史最悠久的在用水表是哪一个?
营销需要采用数据分析方式来找异常情况,而一旦面对这些异常数据,通常都会产生很多想法,然后顺着这些可能发生的情况再去一一求证,肯定会找到数据背后的*,如果又能长期坚持这种做法,相信一定能取得令人满意的管理成效。
数据分析的价值可能就在于此。