在当今工业界，数据是一股重要的推动力量。各行各业的大公司都在各自的领域尝试发掘数据的最大价值。一来，通过分析数据，企业可以做出更加精确的盈利决策；二来，通过各种信息流和沟通渠道，商家可以利用数据分析的成果影响甚至引导消费者的行为。今天就给大家介绍2个数据分析的案例吧。

先来个彩蛋：

本公司目前在招聘一些大数据分析师，我们欢迎所有对数据分析感兴趣的人来试试，符合条件的可以投递简历（可培养！！！）投递方式见下方，更多岗位信息关注本公司公众号，欢迎主动与我们联系。（1、签订正式合同、五险一金；2、须本科及以上学历（优秀者可放宽条件）；3、无经验者有项目经理带；4、在京工作一年后要求回当地的工作的，可申请调回当地省会城市的分公司或合作企业工作；5、每日简历投递量非常大，欢迎主动与我们联系！！

网约车平台

1整体情况分析

从各个维度描述，覆盖城市，订单完单率，用户分布，订单金额贡献，订单渠道，客户设备，车型偏好，出行服务，客户价值

2城市订单贡献分析通过城市群，城市分级，城市，车型四个不同维度展示订单贡献情况，使用帕累托分析法(参考：help.fanruan.com/finebi/doc-view-702.html) ，也就是常听到的二八法则。提供过滤组件，可以对日期，城市分级，城市进行筛选。

3出行场景和服务分析维度有工作日，周末，用车场景分为预约用车和即刻用车。对比工作日和周末，预约用车和即刻用车，不同出行服务的订单量提供交叉明细表，可进行城市分级维度下钻分析

4客户价值和首次接单类型分析

a.使用RFM模型对客户进行价值分层，共分出8类不同的用户，加上针对一次下单且取消的客户，总共分出9类不同价值的客户，针对不同的客户采取不同的维护和营销策略。

b.首次接单类型分析，针对系统的派单逻辑，根据两个完单率和客单价两个维度去评判派单的质量，总共分为四个象限。优质首次派单：客单价高，完单率高。普通首次派单：客单价低，完单率高。问题首次派单：客单价低，完单率低。待优化首次派单：客单价高，完单率低。

c.仅成交一单的客户分析定位仅成交一单的客户价值和客户分布情况，后续可针对具体客群和城市进行问题跟进。

医疗保险公司

Health Care Service公司的企业分析和治理执行董事Himanshu Arora说：“我们发现了一个隐藏的极具价值的东西，最初希望提取数据来帮助我们识别出那些可避免去急诊室就诊的个体，找到其去就诊的原因(即非急诊病症)以及他们为何要这样做。”

如果公司10%的员工参加了健康管理组织(HMO)计划，那么，因为他们可以获得初级保健医生(PCP)的服务，则预计他们会有不到10%的人被划入可避免急诊服务而去就诊的这一群体。Arora说：“我们发现了一个相反方向的趋势，数量差不多是四倍。这10%的员工在急诊室中就诊数量占所有可避免就诊服务的40%。”

急诊室就诊的高成本，会员去急诊室的不便，以及并未从可防止或减轻这些健康问题的服务中受益，这使得公司尽力去寻找办法来帮助会员，而不仅仅是提供网络内医疗服务机构。Arora说：“我们又重新开始，以更好地理解是哪些医疗的决定因素(比如语言障碍、交通问题和时间安排等问题)导致我们的健康管理组织(HMO)会员去急诊室就诊而不是去找初级保健医生(PCP)诊治。我们让我们的供应商网络参与其中，帮助他们主动联络会员，确保会员可得到他们需要的医疗服务，并重新评估我们的产品和网络设计，以加强与供应商的风险分担模式，这样他们就有更多的动力根据数据分析结果去帮助识别会员和采取相应措施。”