1. 从一团乱麻到清晰洞察餐饮数据分析的起点每次拿到一份新的餐饮平台数据我的第一反应不是立刻打开Excel开始画图而是先“望闻问切”。数据就像刚从市场买回来的新鲜食材上面可能沾着泥土混着杂草直接下锅肯定不行。原始数据里城市名可能叫“北京”也可能叫“北京市”甚至还有“BJ”菜系分类更是五花八门“川菜”和“四川菜”可能并存“日料”和“日本料理”傻傻分不清楚。如果直接拿这样的数据去做透视表得出的结论会像一盘没炒熟的菜夹生且误导人。所以我们第一步要做的就是数据清洗与整合这是所有分析的地基地基不稳后面盖的楼再漂亮也容易塌。具体到我们这个“从美食数据透视到地域餐饮洞察”的场景一份典型的原始数据可能包含这些列店名、城市、菜系、餐饮类型如火锅、烧烤、西餐等、人均消费、点评数量、口味评分、环境评分、服务评分等等。而我们的目标是要分析不同地区比如华东、华北、华南的餐饮特征。但原始数据往往只有“城市”字段没有“地区”。所以我们首先要创建一个“地区”维度。我常用的方法是准备一份“省市-地区”对照表。比如把“北京、天津、河北”归为“华北”“上海、江苏、浙江”归为“华东”。这个对照表可以手动整理在一个单独的Sheet里结构越简单越好通常两列就行一列是城市或省份一列是对应的地区。接下来就是给原始数据中的每一条记录“贴上”地区标签。这里我要隆重介绍一个我用了十年依然觉得是Excel最伟大的函数之一——VLOOKUP。它的工作方式很像查字典我告诉你一个词城市名你帮我去字典地区对照表里找到对应的解释地区。操作起来也不复杂在原始数据表里插入一列命名为“地区”。然后在这一列的第一个单元格假设是A2输入公式VLOOKUP(B2, 对照表!$A$1:$B$100, 2, FALSE)。这个公式的意思是查找B2单元格城市名这个值去“对照表”这个工作表的A1到B100这个区域里找找到后返回该区域第二列也就是B列地区名的内容FALSE表示要精确匹配。公式输完后双击单元格右下角的小十字填充柄一瞬间所有城市对应的地区就都匹配好了。这个步骤看似简单却至关重要它把散落的“点”城市串联成了有意义的“面”地区后续的所有地域分析都基于此。2. 数据透视表你的超级分析显微镜数据准备好了重头戏就来了。如果说Excel里有一个功能能让数据分析效率提升十倍那一定是数据透视表。它就像一个强大的显微镜能让你从任意角度切片、观察你的数据。很多新手觉得透视表复杂其实它的核心逻辑就四步拖拽字段。我们通过几个实战场景来感受一下它的魔力。2.1 洞察全局哪种餐饮类型最受欢迎假设老板问你“咱们平台上火锅、烧烤、西餐这些类型哪个最火”你不用吭哧吭哧写公式一分钟内用透视表就能给他答案。在原始数据表中随便点击一个有数据的单元格然后点击菜单栏的“插入” - “数据透视表”。在弹出的对话框中确认数据区域正确然后选择一个新工作表来放置透视表。这时右侧会弹出“数据透视表字段”窗格。下面就是见证奇迹的时刻把“餐饮类型”字段拖到“行”区域把“点评数量”字段拖到“值”区域。瞬间一个清晰的汇总表就生成了它自动计算了每种餐饮类型的总点评数。默认是“求和”但你可以右键点击值区域的数字选择“值汇总依据”为“平均值”、“计数”等。为了更直观我们可以直接插入图表。点击透视表内任意单元格在菜单栏的“数据透视表分析”选项卡中找到“数据透视图”选择一个“柱形图”或“条形图”。一张展示各类餐饮受欢迎程度的图表就诞生了。你会发现可能火锅的点评总量一骑绝尘但人均西餐的点评数更高这背后就是不同的消费频次和用户习惯这些洞察都是后续商业策略的原料。2.2 地域深耕各地区的菜系分布图全国市场那么大资源不可能平均分配。我们需要知道湘菜在北方是否也有市场江浙菜是不是只集中在华东这时就需要进行多维度的交叉分析。我们再新建一个数据透视表。这次我们把“地区”字段拖到“列”区域把“菜系”字段拖到“行”区域再把“店名”或“城市”拖到“值”区域设置为“计数”即统计每个菜系在每个地区有多少家店。一张交叉报表立刻呈现眼前。你可以清晰地看到川湘菜可能在全国遍地开花而本帮菜、杭帮菜则高度集中在华东地区。你还可以利用透视表的筛选功能单独查看“华南”地区的数据或者只看“人均消费大于100元”的餐厅分布。更进一步我们可以使用条件格式让数据说话。选中透视表中的计数数据区域点击“开始”-“条件格式”-“色阶”选择一种颜色渐变。颜色越深代表店铺数量越多。这样一来优势区域和空白市场一目了然市场部制定地域推广策略时这张图就是最好的作战地图。2.3 深度筛选找出真正的“三好学生”餐厅在实际运营中我们经常需要寻找符合多重标准的优质对象。比如老板想找“口味、环境、服务评分都在8.0以上”的精品餐厅进行重点推荐或合作。用基础筛选一个个点太慢而高级筛选或数据透视表筛选能完美解决。更优雅的做法是结合透视表先插入透视表行区域放“店名”值区域放“口味”、“环境”、“服务”三个字段并将值汇总依据都改为“平均值”。然后点击透视表右侧字段列表里这三个字段的下拉箭头分别设置“值筛选”-“大于或等于”-“8.0”。这样留在透视表里的就是三项平均分都达标注意是透视表计算后的平均值并非原始每条记录的餐厅列表了。你可以再把这些结果复制出来结合原始数据查看其具体分布和人均消费一份优质餐厅候选名单就快速出炉了。3. 对比分析与消费档次洞察当我们需要在具体的赛道里做决策时比如公司想投资或主打某个菜系就需要进行深入的竞品分析。我们以潮菜和湘菜的对比为例演示如何进行全面体检。3.1 多维数据对比不仅仅是“谁更好吃”首先我们需要把潮菜和湘菜的数据单独“拎”出来。最稳妥的方法是使用高级筛选或者用自动筛选后复制粘贴到新工作表。确保我们有一个干净的数据子集只包含这两个菜系。然后针对这个子集创建数据透视表。在行区域放入“菜系”在值区域依次放入“点评数”、“人均消费”、“口味”、“环境”、“服务”。将“点评数”设置为“求和”看总热度将“人均消费”和各项评分设置为“平均值”看整体水平。光有表格不够直观我们立刻插入一个簇状柱形图作为数据透视图。这时你可能会发现湘菜在点评数量上遥遥领先但潮菜在人均消费和口味评分上略胜一筹。这立刻引发了更深层的问题是因为潮菜主打高端市场所以店均消费高、评分也高吗而湘菜凭借其广泛的群众基础实现了店铺数量和总流量的碾压这些假设都需要我们通过下一步的地域和价格带分析来验证。3.2 市场渗透率它们在哪里更受欢迎接下来我们看市场分布。新建一个透视表行区域放“菜系”和“地区”注意顺序菜系在上地区在下形成分组值区域放“城市”计数。然后我们点击“菜系”字段右侧的筛选按钮选择“湘菜”透视表就只显示湘菜在各个地区的城市分布数量。同样操作查看潮菜。更直观的方法是以地区为行两个菜系的店铺计数为值做一个堆积柱形图。这张图能清晰告诉我们湘菜可能在全国所有地区都有相当数量的店铺尤其在华中、西南地区形成高峰而潮菜可能高度集中在华南地区在其他地区仅有零星分布。这个分析直接关系到市场战略对于湘菜策略可能是巩固优势区域渗透弱势区域对于潮菜策略则可能是深耕华南大本营或选择性地在华东、华北的高端商圈进行试点扩张。3.3 价格带分析瞄准谁的客群人均消费是定位的核心。我们需要将抽象的“人均”数字转化为具体的“消费档次”。这里可以用到一个非常实用的功能——分组。在包含了潮菜和湘菜数据的透视表中将“人均消费”字段拖到行区域。然后右键点击透视表中任意一个人均消费数值选择“组合”。在弹出的对话框中你可以手动设置“起始于”、“终止于”和“步长”。比如起始于0终止于300根据数据最大值定步长为50。点击确定后原本离散的人均数据就被自动归纳为“0-50”、“50-100”、“100-150”等区间了。然后我们把“菜系”字段拖到列区域值区域使用“店名”计数。这样一个清晰的对比表格就出现了每一行是一个价格区间每一列是潮菜和湘菜在该价格区间的店铺数量。把它做成簇状柱形图结论可能非常鲜明湘菜的店铺数量峰值可能出现在“50-100”元这个大众区间呈现典型的金字塔结构而潮菜的店铺可能更多集中在“100-200”甚至“200”元的中高端区间呈现橄榄形或倒金字塔结构。这个分析直接定义了两种菜系的客群画像和竞争赛道对于制定定价策略、设计营销活动、甚至选址装修都有决定性影响。4. 构建综合指数量化餐厅的“综合素质”单项指标的对比有时会有失偏颇。一家餐厅点评多可能只是开业早评分高可能因为价格贵、客流少。要全面评估我们需要一个综合评价体系把多个指标融合成一个分数。这听起来高级但在Excel里通过几步公式就能实现。4.1 指标处理与加权计算首先明确哪些是正向指标越高越好哪些是负向指标越低越好。通常“口味”、“环境”、“服务”评分和“点评数”是正向指标“人均消费”是负向指标对消费者而言。我们可以先对正向指标做标准化处理。例如将“口味”、“环境”、“服务”三者的平均值作为一个“体验分”在J列计算(G2H2I2)/3。你也可以根据业务理解赋予三者不同的权重比如口味占50%环境占30%服务占20%那么公式就是G2*0.5 H2*0.3 I2*0.2。对于“点评数”和“人均消费”由于它们的数值可能很大比如点评数上万人均上千直接相加会淹没其他指标。我常用的方法是取对数进行压缩让数据更平滑。在K列计算点评得分LN(E21)加1是为了防止点评数为0时出错。在L列计算人均消费的负向得分-LN(F2)或1/LN(F2)目的是让人均越低得分越高。最后构建综合系数。一个简单的模型是综合系数 体验分 点评得分 人均得分。在M列输入公式J2 K2 L2。这样我们就得到了一个初步的、考虑多方面的综合分数。4.2 数据归一化与排名由于各指标量纲和范围不同直接相加得到的综合系数可能波动范围很大不便于比较。我们需要进行归一化将其映射到0-1的区间。公式是(当前值 - 最小值) / (最大值 - 最小值)。在N列输入(M2 - MIN($M$2:$M$1000)) / (MAX($M$2:$M$1000) - MIN($M$2:$M$1000))。这个归一化后的“综合评价指数”就非常直观了越接近1代表综合表现越好。有了这个指数我们就可以进行排名和筛选了。新建一个数据透视表行区域放“城市”或“店名”值区域放“综合评价指数”汇总方式选“平均值”。然后对这个平均值进行降序排序你就能看到哪些城市或哪些餐厅的综合实力最强。你还可以利用透视表的“值筛选”功能轻松筛选出“前10项”快速锁定头部对象。这套方法的价值在于它将模糊的“感觉”变成了清晰的“数字”为资源倾斜、榜单制作、竞对监测提供了量化依据。5. 描述性统计与南北火锅大战有时候我们不需要复杂的模型只想快速了解一组数据的整体面貌平均水平如何波动大不大是否存在极端值这时Excel的描述性统计分析工具就是神器。我们以南北方火锅的对比为例。首先我们需要把南方城市的火锅和北方城市的火锅数据分别筛选出来。可以结合之前创建的“地区”字段定义华东、华南、西南等为“南方”华北、东北、西北等为“北方”。用高级筛选或公式IF(OR(地区“华东”地区“华南”...), “南方”“北方”)给每条数据打上“南/北”标签。然后分别筛选出“南方”且“类型”包含“火锅”的数据以及“北方”且“类型”包含“火锅”的数据复制到两个新工作表。接下来点击“数据”选项卡找到“数据分析”如果没看到需要到“文件”-“选项”-“加载项”中启用“分析工具库”。选择“描述性统计”输入我们关心的指标区域比如南方火锅数据的“人均”、“口味”、“服务”等列。勾选“汇总统计”点击确定。瞬间一个详尽的统计表就生成了里面包含平均值、中位数、标准差、方差、峰度、偏度、最大值、最小值等关键信息。对比南北两份描述性统计表你会发现很多故事北方火锅的人均消费平均值和中位数可能都低于南方但标准差更大说明北方火锅价格分布更分散既有亲民的涮肉馆也有高端火锅店南方火锅的口味评分平均值可能更高但峰度值显示数据更集中说明整体水平稳定。而北方火锅的评分标准差大可能意味着口味体验两极分化更明显。这些基于统计数据的洞察远比“我觉得南方火锅更好吃”的主观论断更有说服力能为产品改良、市场宣传提供扎实的方向。