① 常用的数据分析方法有哪些
常见的数据分析方法有哪些？
1.趋势分析
当有大量数据时，我们希望更快，更方便地从数据中查找数据信息，这时我们需要使用图形功能。所谓的图形功能就是用EXCEl或其他绘图工具来绘制图形。
趋势分析通常用于长期跟踪核心指标，例如点击率，GMV和活跃用户数。通常，只制作一个简单的数据趋势图，但并不是分析数据趋势图。它必须像上面一样。数据具有那些趋势变化，无论是周期性的，是否存在拐点以及分析背后的原因，还是内部的或外部的。趋势分析的最佳输出是比率，有环比，同比和固定基数比。例如，2017年4月的GDP比3月增加了多少，这是环比关系，该环比关系反映了近期趋势的变化，但具有季节性影响。为了消除季节性因素的影响，引入了同比数据，例如：2017年4月的GDP与2016年4月相比增长了多少，这是同比数据。更好地理解固定基准比率，即固定某个基准点，例如，以2017年1月的数据为基准点，固定基准比率是2017年5月数据与该数据2017年1月之间的比较。
2.对比分析
水平对比度：水平对比度是与自己进行比较。最常见的数据指标是需要与目标值进行比较，以了解我们是否已完成目标；与上个月相比，要了解我们环比的增长情况。
纵向对比：简单来说，就是与其他对比。我们必须与竞争对手进行比较以了解我们在市场上的份额和地位。
许多人可能会说比较分析听起来很简单。让我举一个例子。有一个电子商务公司的登录页面。昨天的PV是5000。您如何看待此类数据？您不会有任何感觉。如果此签到页面的平均PV为10,000，则意味着昨天有一个主要问题。如果签到页面的平均PV为2000，则昨天有一个跳跃。数据只能通过比较才有意义。
3.象限分析
根据不同的数据，每个比较对象分为4个象限。如果将IQ和EQ划分，则可以将其划分为两个维度和四个象限，每个人都有自己的象限。一般来说，智商保证一个人的下限，情商提高一个人的上限。
说一个象限分析方法的例子，在实际工作中使用过：通常，p2p产品的注册用户由第三方渠道主导。如果您可以根据流量来源的质量和数量划分四个象限，然后选择一个固定的时间点，比较每个渠道的流量成本效果，则该质量可以用作保留的总金额的维度为标准。对于高质量和高数量的通道，继续增加引入高质量和低数量的通道，低质量和低数量的通过，低质量和高数量的尝试策略和要求，例如象限分析可以让我们比较和分析时间以获得非常直观和快速的结果。
4.交叉分析
比较分析包括水平和垂直比较。如果要同时比较水平和垂直方向，则可以使用交叉分析方法。交叉分析方法是从多个维度交叉显示数据，并从多个角度执行组合分析。
分析应用程序数据时，通常分为iOS和Android。
交叉分析的主要功能是从多个维度细分数据并找到最相关的维度，以探究数据更改的原因。
② 数据分析(一)——数据分析思维
上篇文章我们初步介绍了 数据分析的概要 ，大概 从数据分析现在的应用现状 、 数据分析的概念 、 数据分析的分析方法 、 为什么要学习数据分析 以及 数据分析的结构层次 等几方面给大家介绍了数据分析，让大家初步对数据分析有一个大概的了解。这篇文章具体的给大家介绍数据分析中最为核心的技术之一—— 数据分析思维 的相关内容。
作为新手数据分析师或数据运营，在面对数据异常的时候，好多小伙伴都会出现：“好像是A引起的” ，“好像也和B渠道有关”，“也可能是竞争对手C做了竞争动作”等主观臆测。面对数据报表，也不知道应该从产品维度、时间维度、地域维度还是渠道维度去拆分。很显然，这样的思维是乱的，所以做数据分析很重要的一点是： 要具备结构化的分析思维 。接下来给大家介绍数据分析的三种核心思维——结构化、公式化、业务化。
在日常的生活中，当我们针对一个问题进行分析时，分析的思路总是一团乱麻？分析到一半就进行不下去了，或者分析完了也得不出一个结论，效率是极其低下的。具体的如图所示：
但是对于一个专业的数据分析师来说，他会针对一个问题进行系统的剖析，很快就会形成一种由点到线、由线到面、由面到体的一种思维过程，很快就会得出一个很好的结论，效率及其高的。具体思维过程如图所示：
针对这个案例，如果我们在没有介绍结构化之前，大部分工作人员的分析过程如下所示：
通过应用以上的结构化的过程，以上案例的原因分析过程的思维导图如图所示：
结构化很方便，并且很容易应用在实际的数据分析中，然而，结构化分析也会存在一定的问题。接下来，给大家介绍另外一种数据分析思维的方法——公式法。
正如以上所说结构化有一些弊端，包括：不够数据，而且难免有发散的缺点。针对这个缺陷，数据分析思维的另外一种方式——公式法应用而生。公式法可以 上下互为计算 、且 左右呈关联 ，另外公式法最为核心的就是： 一切结构皆可优化 直到最小不可分割。具体的公式法包括：
具体的思维导图如图所示：
我们之前提到过，公式法在分析过程中主要包括+、-、x、÷，那么我们在实际分析问题中，分别在情况下应用这四种符号呢？各种符号的具体应用如下：
我们通过应用上面介绍的公式法来分析上面提到的案例，过程如下：
这就是我们常用的公式法，通过我们之前介绍的结构化、公式法可以解决一些我们经常用到的一些问题，但是还有一些问题通过这两种分析方法解决不了。因此，需要还需要另外的一种数据分析方法——业务化。接下来，给大家详细介绍业务化。
我们首先引入以下一个案例：
拿到这个问题，我们的思维大概是从这几个点进行分析的：
如果，我们这样分析、考虑一个问题，可能会存在一定的问题：我们没有将 单车的损耗因素 考虑进去，这或许会对我们后期投放的决策有很大的影响。如果我们有了业务化的思维，我们就不会有这个错误。业务的思维对于数据分析师来说是至关重要的，这里大概做一介绍，下篇文章我们会详细介绍数据分析的业务相关的内容。
从上面的介绍可以看出：如果我们分析问题仅仅是通过结构化+公式化，那么我们就会感觉道理懂了很多，但离分析水平大成，总还差了那么一些。不知道原因在哪里？因此对于缺乏业务话的数据分析师来说，他们仅仅是为分析而分析，却没有深入理解业务，这也就是我们经常说的不接地气，好的数据分析思维，本身应该也是具备业务思维。
每当你分析一个问题时候，你应该反思你的分析贴不贴合业务，即：
我们再看一个案例
正常来说，我们一般分析的原因如下：
如果我们用用结构化思考+公式化将其问题拆解，获得的最终分析论点。很多时候，这个分析论点是 现象 。数据是某个结果的体现，但 不代表原因 。如果我们是数据分析师，我会设立哪些指标。另外，就是换位思考，假如我是参不其中的人，我会怎么考虑或者会有哪些行为？其实，我们用业务化的方式分析数据就是将结构化思维通过公式法将其转变为结构化数据，最后通过业务化的方法将其转变为结构化业务数据。具体过程如下：
这是个人通过学习做的一张思维导图，仅供参考，大家还可以完善：
通过上面介绍的三种核心思维方法，这只是框架型的指引。实际应用中也应该借劣思维的技巧工具，达到四两拨千金的效果。并且，它们应该足够简单和有效。接下来，给大家介绍几种常用的分析方法： 象限法 、 假设法 、 对比法 、 二八法 、 指数法 、 多维法 、 漏斗法 。
其实，我们日常生活中，象限法用的还是挺多的，我们首先看一张图来对象限法有一个大概的印象。
多维法在日常的分析中应用的还是挺多的。以下就是一个多维法的应用：
我们在用多维法进行数据分析时，可以从以下角度进行分析：
多维法一般包括 钻取 、 上卷 、 切片 、 切块 、 旋转 等各种方法，具体如图所示：
在介绍假设法之前，首先引入一个案例：
我相信的大家的回答会有很多，但是最恰当的回答是：虽然非洲这个地方我并不熟悉，但众所周知非洲的情况，那么现在我得考虑炎热的情况…。其实很多时候，数据分析是没有数据可明确参考的：比如新进入一个市场，公司开拓某样产品。老板让你预测一年后的销量，戒者产品的数据基础非常糟糕，你根本拿不到数据。这就需要我们用假设法。
假设有这么一个案例需要你分析其原因：
其实，我们可以 假设活动是有效的 。然后进行以下的分析：
我们对这个问题进一步深入：
其实假设法核心： 是一种启发思考驱劢的思维 ，另外其优点在于当没有直观数据或者线索能分析时，以假设先行的方式进行推断，这是一个论证的过程。这种方法更多是一种思考方弅，假设—验证—判断。但是，在用假设法的时候我们必须要注意：不止可以假设前提，也能假设概率或者比例，一切都能假设，只要自圆其说即可。接下来给大家介绍指数法。
指数法在日常生活中应用很广泛的，比如：
很多时候，我们有数据，但不知道怎么应用。就是因为缺乏了一个有效性的方向。这个方向可以成为目标指数。通过将数据加工成指数，达到聚焦的目的。其中的指数法主要包括： 线性加权 、 反比例 、 log法 。很多时候，这几种方法主要应用于Excel做数据分析的时候。
其实，指数法的核心是： 一种目标驱动的思维 。其优点是：目标驱动力强，直观、简洁、有效。对业务有一定的指导作用。一旦设立指数，不易频繁变动。另外其中的应用在于：与假设法不同的是：假设法是缺乏有效的数据，指数法是无法利用数据而将其加工成可利用的。当我们要用指数法的时候必须要注意的是：指数法没统一的标准，很多指数更依赖经验的加工。接下来，给大家介绍二八法。
其实二八法是不常用的，让我们看一下二八法：
其实二八法的核心是： 一种只抓重点的思维 。其中的优点有：和业务紧密相关，和KPI更紧密相关。几乎花费最少的精力就能达到不错的效果，性价比很优。应用很广，主要包括：二八法则存在于几乎所有的领域，所以这种分析思维没有局限。但是当我们在用二八法中必须要注意的是：在条件允许的情况下，数据分析依旧不能放弃全局，否则会让思路变得狭隘。接下来，给大家介绍对比法。
有一位数据分析师曾经说过：“好的数据指标，一定是比例戒者比率。好的数据分析，一定会用到对比。”，这也说明对比法在数据分析中的重要性。接下来，我们给出一个案例：
我们在给出一个案例：
对比法将以上的分析做一个思维导图如下：
漏斗法是我们经常用的数据分析法，以下就是漏斗法的分析结果：
数据分析中的一个典型的案例： 啤酒与尿布 。那么，为什么啤和尿布放在一起呢？
我们在日常生活中都有数据分析的案例。比如：
总之，我们应该在实际生活中去练习数据分析的思维。
从上篇 文章 开始，我们开始了介绍数据分析，本篇文章主要是为大家介绍了数据分析思维，主要给大家介绍了数据分析的三种核心思维方式：结构化、公式化以及业务化。另外还介绍了几种核心的思维分析技巧，主要包括：象限法、多维法、对比法、假设法、指数法、二八法、对比法以及漏斗法。最后还介绍了在业务中如何锻炼自己的数据分析思维。下一篇文章会给大家介绍数据分析中的业务。生命不息，奋斗不止，我们每天努力，好好学习，不断提高自己的能力，相信自己一定会学有所获。加油！！！