第58天知识点：帕累托分析
帕累托分析，源自意大利工程师Vilfredo Pareto的杰出思想。它基于著名的80/20法则：绝大多数问题（80%）是由一些关键原因（20%）引起的。这一理论被广泛应用于各个领域，被誉为 “重要的少数“和”琐碎的许多“的典范。
帕累托图，作为质量管理的重要工具，以其直观的方式揭示了问题的本质。
它通过将影响因素分为3类，帮助我们快速识别哪些因素是关键，哪些则可以忽略：
A类：累计贡献度在70%-80%范围内的因素，是主要影响因素；
B类：除A类之外累计贡献度在80%-90%范围内的因素，是次要影响因素；
C类：除A、B两类之外贡献度在90%-100%范围的因素，是可忽略影响因素。
因此，帕累托分析又称为ABC分析法。
帕累托分析的目的其实就是通过数据分析，识别问题中的最关键的影响因素，从而帮助决策者集中精力和资源解决最重要的问题。
什么意思呢？
假设你是一家电商公司主管，面对上百个带货主播，如何精准投放广告资源以实现效益最大化？
通过帕累托分析，发现小张、小李、小王三个主播贡献了公司接近80%的销售额。
那么，毫无疑问，资源投放的优先级肯定是集中于这几位“头部的少数”。
其实，这就是帕累托模型的本质：资源集中，将资源向效益最高的“头部”倾斜，忽略剩下的“尾部”。
说了这么多，帕累托图应该如何制作呢？
其实，帕累托图的制作过程很简单，就是一个柱形与折线的组合图，柱形代表具体值，按照值由高到低依次排列，折线就是累计贡献度曲线。
而制作帕累托图的难点就在于如何计算累计贡献度。
接下来，我们通过一个案例来看看，如何在FineBI中制作帕累托图。
案例背景：
经济下行，公司近期打算投放一批资源，但出于降本增效目的考虑，希望这批资源投放能实现效益最大化。
案例分析：
有限资源+效益最大化。
也就是说希望将资源集中到能对结果产生重要影响的项目上，所以，可以考虑使用帕累托分析。
案例数据：
不同主播2024年6月的日均销售额。
操作步骤：
1、排序
对【日均销售额】字段降序排序。这一步很重要，是后面计算累计贡献度的基础。
结果如下：
2、新增汇总列，计算【累计销售额】
结果如下：
3、新增汇总列，计算【总销售额】
结果如下：
4、新增汇总列，计算【累计贡献度】
结果如下：
到这里，咱们就计算出累计贡献度了。
5、新建组件
图表类型选择自定义图表，将【主播】字段拖入横轴，【日均销售额】、【累计贡献度】拖入纵轴。
将【主播】按照【日均销售额】降序排序。
对【累计贡献度】设置值轴，共用轴设置为右值轴。
结果如下：
6、美化组件
（1）图形属性-累计贡献度图形样式修改为线
（2）将【累计贡献度】拖入图形属性下对应字段标签属性框中，并设置数值格式为百分比，不保留小数位：
（3）将【累计贡献度】拖入图形属性-->全部-->颜色属性框中，通过颜色区分ABC三类因素：
最终结果如下：
可以看到，陈*涵、李*怡、张*强、周*怡、赵*涵这几个主播基本上贡献了全公司80%左右的销售额，所以资源可以多往这几个头部主播直播间进行投放。
关于【累计贡献度】也可以在组件中通过快速计算函数计算得到，感兴趣的小伙伴可以自己尝试一下，答案咱们会放在评论区！
帕累托分析应用十分广泛，几乎可以应用于任何事件：
1、80%的客户投诉来自于20%的产品和服务；
2、80%的利润由20%的产品和服务贡献；
3、80%的公司收入由20%的人员贡献产生......
帕累托分析的重要性也不言而喻：
1、优先级排序：帮助决策者快速识别问题的最主要原因，有助于确定解决问题的优先级，优先处理最具影响力的因素。
2、资源分配：根据关键因素的重要性，合理分配资源，提高资源利用效率，实现效益最大化。
3、效率提升：几种资源和力量解决最关键的问题，推动持续改进和提高生产力。
好了，关于帕累托分析的分享就到这里。
感兴趣的小伙伴可以自己动手试试看~ | 
