这是写进教科书的一次伟大战役，然而书本实在是太小了
这是血战台儿庄的经典场景。战士们早已抱定必死的决心，纷纷放弃上级奖励的银元，他们不为钱财，只为了守护自己的家园。长官，现在我们都要为国捐躯了，还留着这些钱干什么呢？等抗战胜利了，记得立一块碑，这是载入史册的伟大战役。
然而历史书太小，无法容纳英雄们的伟大，我们随手翻阅就能了解他们的一生。矶谷师团在攻下滕县后得意忘形，为了拿下打通津浦路线的头功，他不等南段的板垣师团北上呼应，孤军直扑徐州。
台儿庄位于津浦县和台维公路的交汇点，扼运河之咽喉，是徐州北面的要害门户，矶谷想拿下徐州就必须要经过台儿庄。李宗仁决定在台儿庄与日军展开决战。
·他的部署如下：由孙连仲的第2集团军负责台儿庄正面的防御，不让日军越过运河一步。张自忠的59军和庞炳勋的第3兵团在范庄马庄桃园一带设防，负责在东北方面掩护台儿庄。汤恩伯的第20军团最为重要，他们需要转移到抱犊固山区。
等到矶谷师团的主力进抵台儿庄一线时，立即率军南下赴敌背后完成对日军的合围，其余各部在津浦路上以进攻手段断敌交通，侧击敌人来牵制日军的后续部队南下。
台儿庄一个巨大的口袋，就这样在台儿庄一带悄然形成。
鉴于以往的经验教训，会议最后李宗仁又特别强调了军纪：
1938年3月23日，为诱敌深入，国民革命军第二集团军第三十一师派出骑兵连从台儿庄出发向易县方向搜索前进，九十一旅一百八十三团随后跟进，在康庄与日寇遭遇后，骑兵采用边打边退的战略将日寇主力吸引到台儿庄附近。
1938年3月24日，日军矶谷廉阶第10师团组织强大火力，在飞机坦克火炮掩护下，两千多名步兵经刘家湖向台儿庄大举进攻，台儿庄战役正式打响。
而战斗期间最让人头疼的就是日军的飞机，除了给我军造成重大伤亡外，还时不时向我军阵地撒下炸弹试图瓦解守军的军心。孙连仲知道要打破敌人的空中优势，这场战斗才能继续下去。经过侦查，发现日军的机场就在大汶口附近。
1938年3月27日，孙桐萱部隐蔽前进，趁着夜色成功地摧毁了日军大汶口机场。
1938年3月28日，台儿庄北门告急，得知情况的池峰城师长急忙登上高处查看北门情况，随后便命令驻守在北门的三营不惜一切代价死守。战斗一直持续到晚上，面对着日军猛烈炮火的进攻，三营战士始终坚守阵地誓死不退、没有了子弹，就拎起大刀与敌人展开白刃战，敌我双方激战一夜，直到第二天拂晓才将日军打退。师长池峰城到达战场，看到几名士兵抬着一具尸体站立。尸体是谁？经过一夜的血战，三营只剩下屈指可数的几人。看着这些战士，池峰城泪如雨下，只能向他们敬礼。然而，日军很快发动了第二次进攻。随着日军重武器的轰炸，城墙被炸得面目全非。为了阻止日军的坦克，守军用身体绑着手榴弹与坦克同归于尽。尽管如此，城墙还是被打开了一个缺口。日军趁机涌入城内，守军必须付出血的代价来阻止他们的推进。为了摧毁守军的战斗力，日军甚至使用了毒气弹。眼看着城防即将失守，池峰城请求孙连仲派兵前来支援。可此时孙连仲手中已无援兵。无奈之下，池峰城请求上级能否让31师撤到运河南岸喘口气。然而，孙连仲严令禁止撤退，否则将提头来见他。池峰城只能服从命令，继续坚守。相比之下，日军指挥官正在向上级汇报战果。他们的部队现在在台儿庄北门的城墙上撒欢。为了扩大战果，日军继续向庄内推进，很快占领了大片地区。只有南关的一小片区域仍在我军手中。守军必须死守这里。台儿庄的31师将士伤亡惨重，但他们别无选择，只能背水一战。在他们身后，只有通向外界的运河浮桥。残酷的战斗仍在继续。面对日军的坦克，战士们只能用身体去对抗。一名老兵拉回本欲上前的新兵，告诉他把手榴弹拴在自己身上。接着，老兵冲出掩体，翻滚进入弹坑，然后匍匐前进等待时机。看着坦克即将接近，他拉响了手雷的引线。虽然老兵用血肉之躯炸毁了坦克，但很快又有一辆坦克过来了。这名新兵该如何应对？
顶级认知人生的40大思维模型5H1W（5W2H 6W2H）分析法-建议收藏
本文选自头条号@管理汇大人该资料共有完整版38页，对于学习之人非常具有参考价值，值得深度学习！温馨提示读懂这一套，业务小白也能用分析思维，解决BOSS级难题！
我们都知道，数据分析最基本的作用就是发现并解决问题，但很多新手因为缺少数据分析思维，面对一大堆数据却不能发挥价值，遇到企业级难题更是无从下手。
一个真正的数据分析师，不仅仅需要拥有数据处理、数据分析的能力，还需要对公司战略及业务的理解、甚至驾驭，才能真正帮助到公司，实现业务提升。
举一个零售集团的真实案例：
2018年，某大型零售商的生意逐渐上升，但毛利额的增速却迟迟跟不上，集团总经理提问：如何提升生意？
如果你是一个产品经理，你大概会说，上新品，增加吸引力。
如果你是一个通路行销人员，你大概会说，加促销，卖组合套装。
如果你是一个一线销售，你大概会说，给员工奖励，激励他们多卖。
但是，如果你是个数据分析师，你会说什么呢？
下面我们就按照\"思路+工具+方法=解决问题\"的公式，结合上面说到的案例，教你怎么用数据分析解决这些问题的。
数据分析思路第一步：明确你遇到的场景类型
企业数据分析场景可分为以下几种：
经营数据分析：指收入、销量等企业经营活动相关的数据分析；销售数据分析：指销售收入、销售额、销售单产等与销售活动直接相关的数据分析；客户数据分析：CRM分析，指客户购买额、购买频次、购买偏好等客户相关数据分析；营销/市场数据分析：指企业营销/市场活动的投放、反馈、效果相关数据的分析；产品数据分析：单个产品的数据分析，包括实物产品和服务产品；第二步：明确分析目标对于不同的场景，分析目标是不一致的
经营数据分析：监控企业的运行情况，发现企业经营活动中的问题，主要关注点是销量/销售额总体时序变化、地区分布、总体及单个点变化原因；销售数据分析：目标是保证完成销售任务，监测销售效率低的原因，提出解决办法，主要关注时序进度、落后原因、销售单产情况等；客户数据分析：目标是深入理解客户，典型方法是RFM模型；营销/市场数据分析：目标是了解投放效果，优化投放计划，提升投放效率，关注点主要集中在ROI相关的指标；产品数据分析：综合了前边几类分析的内容，分析目标则集中在某个产品上；最后一步：搭建分析体系
每一个场景里的内容看似复杂，但记住两个核心，即可推导出所有的分析点：
核心一：绝大多数分析都是针对人、财、物三个对象进行的，所有的基础分析指标可由单个对象或对象间的组合推导出来。例如零售集团的分析指标中，最重要的指标是门店销售额（财）、重点产品销售额（物+财）、重点产品销售单数（物）等。
核心二：做分析时处理指标记住八个字：变化、分布、对比、预测
变化：指标随时间的变动，表现为增幅（同比、环比等）；分布：指标在不同层次上的表现，包括地域分布、用户群分布、产品分布等；对比：包括内部对比和外部对比，内部对比包括团队对比（不同门店的单产对比、销量对比等）、产品线对比（销量对比、收入对比）；外部对比是与市场环境和竞争者对比；预测：根据现有情况，估计下个分析时段的指标值。将两个核心的内容叠加到一起，分析体系基本就建立了。
工具的选择了解了数据分析的思路，接下来就是进行工具的选择了。Python与R语言目前很受欢迎，但是对于新手来说，这两个工具都太复杂了，光是学习代码编写就能耗费大半的时间，因此建议新手在选择工具的时候，要尽量选择简单易用的，学习成本低的，同时还要确保工具的功能要强大。关于数据分析工具的选型，这里就不赘述了，具体可以参考《BI工具选哪家？聊一聊国内外BI工具的选型对比》，这里选择FineBI作为我们的工具，进行下一步的数据分析。
解决方法一、数据准备与数据处理
数据导入FineBI支持超过30种以上的大数据平台和SQL数据源，本案例中，集团的IT部门每个季度会提供一张商品销售表，因此我们新建一个数据连接，将FineBI连接至企业的数据中
与此同时，FineBI还支持使用FineBI独创的业务包系统对数据进行分门别类的管理
这里我们新建一个商品销售业务包，并把IT数据库中的数据表导入至业务包中
这样就成功将集团IT数据库中的数据导入至FineBI中，下一步开始进行数据处理
数据关联在许多系统中，为了保证数据的安全性以及性能，往往会将一张非常大的数据表拆分成事实表和维度表进行存储，事实表和维度表中一般通过字段ID来进行关联。在关联时也存在多种关联关系，例如1：N，N：1，1：1等等
在这里，我们使用FineBI自带的关联视图，系统可以自动将同名的字段关联对应起来。并且由于一个门店可以卖出非常多的商品，也就是对应N条订单，因此需要按照门店-商品销售=1：N的关系，将数据关联起来
数据加工在这个部分，需要明确分析的指标。零售生意拆分的方式有很多种，各大咨询公司也有自己的工具，我就不赘述了。本次往简单了说，主要指标就是销量、销售额、成本额。在此基础上还有毛利额=销售额-成本额，我们在数据准备阶段就可以使用FineBI的自主数据集功能，直接在数据层面将毛利额计算出来，方便接下来前端的分析工作
二、前端探索式分析
集团总体数据分析数据已经准备就绪，现在我们着手探究毛利额下降的问题，从哪里开始呢？手头有前两个季度的数据，因此先查看一下总体销售数据，看看毛利额的下降是否是由于总体销售额下降导致的。
使用自主数据集处理好的数据创建可视化组件，通过简单的拖拽，将时间字段拖动至横轴，将销售额拖动至纵轴，就可以生成按日期维度聚集的销售额数据了
在此基础上，使用FineBI快速计算自动计算出销售额环比，并设置颜色依据销售额环比区分，环比为负的显示红色以示警告，环比为正的显示为绿色。还可以添加销售额平均值预警线作为参考指标
按照这个思路继续分析，我们可以发现8月销售额环比提升了12.31%，总毛利额却下降了11.9%，总毛利率更是下降了21.55%，因此问题应该出在成本控制上
各区域/门店毛利率分析定位到了成本的问题，我们需要确认5H1W中的问题发生的地点（Where），因此使用地图组件。在FineBI中，通过地理角色的转化，可以自动将城市名和经纬度对应起来，从而将城市名称与地理信息关联展示。同样的操作，将转换后的经纬度拖入横轴和纵轴，将毛利额字段拖入颜色字段，就可以按地域显示毛利额数据了。可以看见湖南省的毛利数据是存在异常的。
异常品类商品分析进一步分析，使用FineBI的联动功能，制作一个门店毛利率柱状图组件，可以通过点击地图组件中的湖南省，联动至门店组件，从而至只展示问题省份的门店数据
通过地图下钻，我们发现了湖南省长沙市销售存在问题，而进一步通过联动我们发现了具体的门店-长沙梅溪湖店是问题之源，而通过波士顿矩阵图，我们定位到了销售异常的商品为零食类-德芙巧克力
异常订单明细在发现了异常商品后，最后的一步就是订单的排查。通过日期-毛利率折线图和订单明细表，异常订单一览无余。在8月17日七夕节当天，德芙巧克力出现了大量异常订单。可能是员工使用优惠券进行套现行为，需要交由审计部进一步跟踪追查
三、分析成果分享
数据分析师的使命并不仅仅是定位问题，在问题得到定位后，也应当推动问题的解决。因此需要将我们的发现传达给集团的其他团队。我们可以将分析结果以公开链接的形式进行展示，也可以导出成PDF分享给他人。
结语通过一次简单的问题定位，相信大家已经体会到了数据的力量。数据分析师的创收，不像销售打单那样成果显著，但是会融入到公司产品和服务的各个角落，用户提供更为隐形的优质体验，对公司的发展有着巨大的价值。
