① 常用的數據分析方法有哪些
常見的數據分析方法有哪些？
1.趨勢分析
當有大量數據時，我們希望更快，更方便地從數據中查找數據信息，這時我們需要使用圖形功能。所謂的圖形功能就是用EXCEl或其他繪圖工具來繪制圖形。
趨勢分析通常用於長期跟蹤核心指標，例如點擊率，GMV和活躍用戶數。通常，只製作一個簡單的數據趨勢圖，但並不是分析數據趨勢圖。它必須像上面一樣。數據具有那些趨勢變化，無論是周期性的，是否存在拐點以及分析背後的原因，還是內部的或外部的。趨勢分析的最佳輸出是比率，有環比，同比和固定基數比。例如，2017年4月的GDP比3月增加了多少，這是環比關系，該環比關系反映了近期趨勢的變化，但具有季節性影響。為了消除季節性因素的影響，引入了同比數據，例如：2017年4月的GDP與2016年4月相比增長了多少，這是同比數據。更好地理解固定基準比率，即固定某個基準點，例如，以2017年1月的數據為基準點，固定基準比率是2017年5月數據與該數據2017年1月之間的比較。
2.對比分析
水平對比度：水平對比度是與自己進行比較。最常見的數據指標是需要與目標值進行比較，以了解我們是否已完成目標；與上個月相比，要了解我們環比的增長情況。
縱向對比：簡單來說，就是與其他對比。我們必須與競爭對手進行比較以了解我們在市場上的份額和地位。
許多人可能會說比較分析聽起來很簡單。讓我舉一個例子。有一個電子商務公司的登錄頁面。昨天的PV是5000。您如何看待此類數據？您不會有任何感覺。如果此簽到頁面的平均PV為10,000，則意味著昨天有一個主要問題。如果簽到頁面的平均PV為2000，則昨天有一個跳躍。數據只能通過比較才有意義。
3.象限分析
根據不同的數據，每個比較對象分為4個象限。如果將IQ和EQ劃分，則可以將其劃分為兩個維度和四個象限，每個人都有自己的象限。一般來說，智商保證一個人的下限，情商提高一個人的上限。
說一個象限分析方法的例子，在實際工作中使用過：通常，p2p產品的注冊用戶由第三方渠道主導。如果您可以根據流量來源的質量和數量劃分四個象限，然後選擇一個固定的時間點，比較每個渠道的流量成本效果，則該質量可以用作保留的總金額的維度為標准。對於高質量和高數量的通道，繼續增加引入高質量和低數量的通道，低質量和低數量的通過，低質量和高數量的嘗試策略和要求，例如象限分析可以讓我們比較和分析時間以獲得非常直觀和快速的結果。
4.交叉分析
比較分析包括水平和垂直比較。如果要同時比較水平和垂直方向，則可以使用交叉分析方法。交叉分析方法是從多個維度交叉顯示數據，並從多個角度執行組合分析。
分析應用程序數據時，通常分為iOS和Android。
交叉分析的主要功能是從多個維度細分數據並找到最相關的維度，以探究數據更改的原因。
② 數據分析(一)——數據分析思維
上篇文章我們初步介紹了 數據分析的概要 ，大概 從數據分析現在的應用現狀 、 數據分析的概念 、 數據分析的分析方法 、 為什麼要學習數據分析 以及 數據分析的結構層次 等幾方面給大家介紹了數據分析，讓大家初步對數據分析有一個大概的了解。這篇文章具體的給大家介紹數據分析中最為核心的技術之一—— 數據分析思維 的相關內容。
作為新手數據分析師或數據運營，在面對數據異常的時候，好多小夥伴都會出現：「好像是A引起的」 ，「好像也和B渠道有關」，「也可能是競爭對手C做了競爭動作」等主觀臆測。面對數據報表，也不知道應該從產品維度、時間維度、地域維度還是渠道維度去拆分。很顯然，這樣的思維是亂的，所以做數據分析很重要的一點是： 要具備結構化的分析思維 。接下來給大家介紹數據分析的三種核心思維——結構化、公式化、業務化。
在日常的生活中，當我們針對一個問題進行分析時，分析的思路總是一團亂麻？分析到一半就進行不下去了，或者分析完了也得不出一個結論，效率是極其低下的。具體的如圖所示：
但是對於一個專業的數據分析師來說，他會針對一個問題進行系統的剖析，很快就會形成一種由點到線、由線到面、由面到體的一種思維過程，很快就會得出一個很好的結論，效率及其高的。具體思維過程如圖所示：
針對這個案例，如果我們在沒有介紹結構化之前，大部分工作人員的分析過程如下所示：
通過應用以上的結構化的過程，以上案例的原因分析過程的思維導圖如圖所示：
結構化很方便，並且很容易應用在實際的數據分析中，然而，結構化分析也會存在一定的問題。接下來，給大家介紹另外一種數據分析思維的方法——公式法。
正如以上所說結構化有一些弊端，包括：不夠數據，而且難免有發散的缺點。針對這個缺陷，數據分析思維的另外一種方式——公式法應用而生。公式法可以 上下互為計算 、且 左右呈關聯 ，另外公式法最為核心的就是： 一切結構皆可優化 直到最小不可分割。具體的公式法包括：
具體的思維導圖如圖所示：
我們之前提到過，公式法在分析過程中主要包括+、-、x、÷，那麼我們在實際分析問題中，分別在情況下應用這四種符號呢？各種符號的具體應用如下：
我們通過應用上面介紹的公式法來分析上面提到的案例，過程如下：
這就是我們常用的公式法，通過我們之前介紹的結構化、公式法可以解決一些我們經常用到的一些問題，但是還有一些問題通過這兩種分析方法解決不了。因此，需要還需要另外的一種數據分析方法——業務化。接下來，給大家詳細介紹業務化。
我們首先引入以下一個案例：
拿到這個問題，我們的思維大概是從這幾個點進行分析的：
如果，我們這樣分析、考慮一個問題，可能會存在一定的問題：我們沒有將 單車的損耗因素 考慮進去，這或許會對我們後期投放的決策有很大的影響。如果我們有了業務化的思維，我們就不會有這個錯誤。業務的思維對於數據分析師來說是至關重要的，這里大概做一介紹，下篇文章我們會詳細介紹數據分析的業務相關的內容。
從上面的介紹可以看出：如果我們分析問題僅僅是通過結構化+公式化，那麼我們就會感覺道理懂了很多，但離分析水平大成，總還差了那麼一些。不知道原因在哪裡？因此對於缺乏業務話的數據分析師來說，他們僅僅是為分析而分析，卻沒有深入理解業務，這也就是我們經常說的不接地氣，好的數據分析思維，本身應該也是具備業務思維。
每當你分析一個問題時候，你應該反思你的分析貼不貼合業務，即：
我們再看一個案例
正常來說，我們一般分析的原因如下：
如果我們用用結構化思考+公式化將其問題拆解，獲得的最終分析論點。很多時候，這個分析論點是 現象 。數據是某個結果的體現，但 不代表原因 。如果我們是數據分析師，我會設立哪些指標。另外，就是換位思考，假如我是參不其中的人，我會怎麼考慮或者會有哪些行為？其實，我們用業務化的方式分析數據就是將結構化思維通過公式法將其轉變為結構化數據，最後通過業務化的方法將其轉變為結構化業務數據。具體過程如下：
這是個人通過學習做的一張思維導圖，僅供參考，大家還可以完善：
通過上面介紹的三種核心思維方法，這只是框架型的指引。實際應用中也應該借劣思維的技巧工具，達到四兩撥千金的效果。並且，它們應該足夠簡單和有效。接下來，給大家介紹幾種常用的分析方法： 象限法 、 假設法 、 對比法 、 二八法 、 指數法 、 多維法 、 漏鬥法 。
其實，我們日常生活中，象限法用的還是挺多的，我們首先看一張圖來對象限法有一個大概的印象。
多維法在日常的分析中應用的還是挺多的。以下就是一個多維法的應用：
我們在用多維法進行數據分析時，可以從以下角度進行分析：
多維法一般包括 鑽取 、 上卷 、 切片 、 切塊 、 旋轉 等各種方法，具體如圖所示：
在介紹假設法之前，首先引入一個案例：
我相信的大家的回答會有很多，但是最恰當的回答是：雖然非洲這個地方我並不熟悉，但眾所周知非洲的情況，那麼現在我得考慮炎熱的情況…。其實很多時候，數據分析是沒有數據可明確參考的：比如新進入一個市場，公司開拓某樣產品。老闆讓你預測一年後的銷量，戒者產品的數據基礎非常糟糕，你根本拿不到數據。這就需要我們用假設法。
假設有這么一個案例需要你分析其原因：
其實，我們可以 假設活動是有效的 。然後進行以下的分析：
我們對這個問題進一步深入：
其實假設法核心： 是一種啟發思考驅勱的思維 ，另外其優點在於當沒有直觀數據或者線索能分析時，以假設先行的方式進行推斷，這是一個論證的過程。這種方法更多是一種思考方弅，假設—驗證—判斷。但是，在用假設法的時候我們必須要注意：不止可以假設前提，也能假設概率或者比例，一切都能假設，只要自圓其說即可。接下來給大家介紹指數法。
指數法在日常生活中應用很廣泛的，比如：
很多時候，我們有數據，但不知道怎麼應用。就是因為缺乏了一個有效性的方向。這個方向可以成為目標指數。通過將數據加工成指數，達到聚焦的目的。其中的指數法主要包括： 線性加權 、 反比例 、 log法 。很多時候，這幾種方法主要應用於Excel做數據分析的時候。
其實，指數法的核心是： 一種目標驅動的思維 。其優點是：目標驅動力強，直觀、簡潔、有效。對業務有一定的指導作用。一旦設立指數，不易頻繁變動。另外其中的應用在於：與假設法不同的是：假設法是缺乏有效的數據，指數法是無法利用數據而將其加工成可利用的。當我們要用指數法的時候必須要注意的是：指數法沒統一的標准，很多指數更依賴經驗的加工。接下來，給大家介紹二八法。
其實二八法是不常用的，讓我們看一下二八法：
其實二八法的核心是： 一種只抓重點的思維 。其中的優點有：和業務緊密相關，和KPI更緊密相關。幾乎花費最少的精力就能達到不錯的效果，性價比很優。應用很廣，主要包括：二八法則存在於幾乎所有的領域，所以這種分析思維沒有局限。但是當我們在用二八法中必須要注意的是：在條件允許的情況下，數據分析依舊不能放棄全局，否則會讓思路變得狹隘。接下來，給大家介紹對比法。
有一位數據分析師曾經說過：「好的數據指標，一定是比例戒者比率。好的數據分析，一定會用到對比。」，這也說明對比法在數據分析中的重要性。接下來，我們給出一個案例：
我們在給出一個案例：
對比法將以上的分析做一個思維導圖如下：
漏鬥法是我們經常用的數據分析法，以下就是漏鬥法的分析結果：
數據分析中的一個典型的案例： 啤酒與尿布 。那麼，為什麼啤和尿布放在一起呢？
我們在日常生活中都有數據分析的案例。比如：
總之，我們應該在實際生活中去練習數據分析的思維。
從上篇 文章 開始，我們開始了介紹數據分析，本篇文章主要是為大家介紹了數據分析思維，主要給大家介紹了數據分析的三種核心思維方式：結構化、公式化以及業務化。另外還介紹了幾種核心的思維分析技巧，主要包括：象限法、多維法、對比法、假設法、指數法、二八法、對比法以及漏鬥法。最後還介紹了在業務中如何鍛煉自己的數據分析思維。下一篇文章會給大家介紹數據分析中的業務。生命不息，奮斗不止，我們每天努力，好好學習，不斷提高自己的能力，相信自己一定會學有所獲。加油！！！