模型构建
整个业务分析层面来讲，业务分析的对象只有三个：
（产品/商品/服务），（用户/客户）、(渠道/营销/市场)。
比如说，如果你经常跟业务人员沟通，你就会发现他们的分析需求永远逃不过以上三个方面。
如果业务想让你分析毛利率下滑的原因，你觉得分析的对象是谁呢？很明显就是分析商品。再比如业务想让你构建流失漏斗，其实就是要分析用户；比如活动复盘分析、分析广告投入，本质上其实就是分析渠道。
所以我们在进行数据分析之前，也就是在确定数据分析目的时，一定要弄清楚分析对象是谁，根据不同的分析对象，我们要去取不同的数据、建立不同的数据分析模型。那么什么叫作业务分析模型呢？
很简单，分析模型就是基于指标、维度与分析方法（思维）三者的关联组合，这个分析模型是我们针对某个问题进行数据分析的框架，某一个问题我们可能需要用到非常多的数据模型，但每个模型都只能解决某一个特定问题。
下图是数据分析模型的三要素关系图，其中，维度指明了我们要从什么样的角度分析问题，比如商品、客户、渠道、时间、地区等；指标指明了我们要从这个维度分析的点，比如商品销售维度的指标包括毛利率、毛利额、周转率等；最后的分析方法代表了我们将用什么样的方法去分析和处理这个维度的指标。
电商商品模型构建
比如电商商品分析，怎么去分析产品或者商品、建立分析模型呢？
维度
首先确定我们要分析的维度有哪些，比如销售维度、用户维度、地区、时间等。
比我们要分析毛利率，进行拆解时想要看一下哪些地区的毛利率出现了问题，我们的维度就是地区维度，那么可以不断地下钻为国家、省份、城市、门店。
指标
然后确定指标，不同维度的指标是不同的，比如销售维度里有销售额、毛利、净利、毛利率、周转率、促销次数、交易次数、客单价等。
地区维度里的指标有门店类别、门店客流量、门店销量等，比如我们要看某个地区的毛利率，指标就可以定为“门店毛利额、毛利率与毛利环比”。
分析方法
最后我们再确定分析方法是什么？
比如已知某地区门店的不同毛利额，那我们是要进行对比，还是要进行细分，或者要看趋势呢？是需要进行演绎推理，还是需要进行假设？很显然，我们这里需要对不同地区的毛利额进行对比，并进行细分。
这样一个数据模型就建立好了，我们建立好了一个数据模型，就可以一直保留这个模型，任何相同的数据都可以直接放进来进行分析，以后再遇到类似问题直接套用模型即可。这就是数据分析模型的构成要素与方法了。
那么商品分析的数据一般从哪里来呢？
大多数分为两大类，一类来自销售数据，比如产品的销售额、销售量、销售价格、毛利等数据，这类数据一般是存放在订单中的，需要从销售订单里获取；另一大类来自产品基础数据，比如进价、产品类别、供应商数据、货存数据，等等，这些数据一般是业务方拿到的。
帕累托模型的构建
什么是帕累托模型呢？你一定在网上听到过下面这样的说法。
世界上 80% 的资源被 20% 的人消耗了；美国 20% 的人垄断了全国 80% 的财富；一个企业 20% 的资源投入产生了 80% 的效益......
其实这些现象的背后都存在着一个定理——二八法则（20 / 80 定理）。所谓的二八法则就是说，在任何群体当中，较少的重要因子带来了绝大多数的影响，较多的不重要因子带来了很小的影响。从数据统计的方式得到一个基准线为 20% 与 80%，即 20% 的投入往往能带来 80% 的回报。
而帕累托模型就是以二八法则为基础原理构建出的商品分析模型，这个模型最大的好处是可以对商品或者产品进行分类，按照投入产出比的优先次序原则，将自己的资源尽量投入到头部产品当中，以期产生最大的效益！
比如电商商品分析，怎么去分析产品或者商品、建立分析模型呢？
比如说典型的资源分配问题，某家零售电商企业旗下有 10 款产品，每款产品的销售效益是不一样的，最近企业的盈利增长受阻，想要调整一下产品的资源投入情况，作为数据分析师的你应该如何划分呢？
这时候就要用到帕累托模型了，首先我们按照上面讲解的模型建立流程，确认模型的维度、指标与分析方法分别是什么，如下所示：
维度：产品销售
指标：毛利率、销售额
分析方法：累计对比
