數據分析的方法有哪些？在數據分析中，數據分析思維是框架式的指引，不好算講問題時那就不需要很多“技巧工具”的。就君不見中學里你要解一元第一個，是可以用公式法、配方法、直接開平方法、因式分解法。數據分析里

數據分析的方法有哪些？

在數據分析中，數據分析思維是框架式的指引，不好算講問題時那就不需要很多“技巧工具”的。就君不見中學里你要解一元第一個，是可以用公式法、配方法、直接開平方法、因式分解法。

數據分析里也有技巧，在一些沒限制的分析場景下可以急速建議使用，而且對未來最終形成數據分析模型也有幫助。

接下來的事情就多多分享常見的5種數據分析方法，三個是：公式法、綜合比法、象限法，二八法，漏斗法，常常不同成分結合相互使用。

注：主要偏思維層面的，基于條件業務問題對數據的探索性分析，相比于專業統計學中的數據處理方法。

一、公式法

正所謂公式法就是針對某個指標，用公式逐級分解該指標的影響因素，這個我在指標化思維中說過過。

舉例：分析某產品的銷售額比較低的原因，用公式法分解

某產品銷售額銷售量X產品單價

銷售量渠道A銷售量渠道B銷售量渠道C銷售量…

渠道銷售量再點用戶數X下單付款率

再點擊用戶數媒體曝光量X點擊率

第一層：找到產品銷售額的影響因素。某產品銷售額銷售量X產品單價。是銷量過高時還是價格設置不合理？

第二層：能找到銷售量的影響因素。講各渠道銷售量，差不多以往，是哪些過高則了。

第三層：分析影響不大渠道銷售量的因素。渠道銷售量直接點擊用戶數X下單率。是直接點擊用戶數低了，還是下訂單量過高時。如果是提交訂單量過高時，要去看看該渠道的廣告內容對于的人群和產品實際受眾要什么度高不高。

第四層：分析什么會影響然后點擊的因素。然后點擊用戶數爆光量X點擊率。是被曝光量不夠應該點擊率太低，點擊率低必須360優化廣告創意，網絡曝光量則和投放的渠道有關。

對銷售額的逐層拆解，明細化評估和分析的粒度。

公式拆解法是是對問題的層級式解析，在拆解時，對因素任務層層分解，一重重剝盡。

二、差不多法

差別法那就是用兩組或兩組以上的數據并且也很，是最沒限制的方法。

我們清楚孤立的數據沒有意義，有差別才有差異。一些然后描述事物的變量，如長度、數量、垂直距離、寬度等。按照差不多換取比率數據，增速、效率、效益等指標，這才是數據分析時廣泛的。

比如應用于在時間維度上的同比和環比、增長率、定基比，與競爭對手的對比、類別之間的綜合比、特征和屬性對比等。綜合比法這個可以發現數據變化規律，可以使用頻繁，你經常和其他方法搭配在用。

下圖的AB公司銷售額對比，確實A公司銷售額總體大幅上漲且低些B公司，但B公司的增速迅猛，不考慮A公司，即使后期增速迅速下降了，最后的銷售額我還是不斷趕超。

有哪些適合初學者學習的數據分析方法？

趨勢分析

當數據很多，而我們又想從數據中越快、更便捷快速來發現到數據信息的時候，這個時候要借助于圖形的力量，所謂圖形的力量，是動用EXCEl或者其他畫圖工具把他畫成。

趨勢分析好象用于核心指標的長期跟蹤，例如：點擊率、GMV、活躍用戶數。就像制作成簡單的數據趨勢圖，但光制作成數據趨勢圖還不算講，要像上面一樣的，數據有那些趨勢上的變化，有什么周期性，有沒有拐點，并分析背后的原因，畢竟內部原因還是外部原因。趨勢分析最好的產出是比值。有環比、同比降幅、定基比。比如說2017年4月份比3月份GDP增長了多少，這是環比下跌，環比體現了什么了最近變化的趨勢，但有季節性的影響。為了驅除季節性的影響不大，很快推出了同比，諸如：2017年4月份比2016年的4月份GDP增長了多少，這就是同比。定基比就好理解，應該是單獨計算某個基點，例如將2017年1月份的數據充當基點，定基比則為2017年5月份的數據和2017年1月份的數據做對比。

對比分析

橫向對比：橫向對比那是跟自己比。最常見的數據指標是必須跟目標值比，來能回答我們有什么完成目標；跟我們上個月比，來解釋我們環北會增長了多少。

縱向對比：簡單理解就是跟他人比。我們要跟競爭對手比，來解釋我們在市場中的份額和地位是怎樣的。

很多人可能會說，對比分析很順耳也很簡單啊么。那我最簡單的例子，有個電商的簽到頁面，昨天它的pv是5000，你聽到這樣的數據有啥感受？

你應該不會有任何感受，如果沒有說這個能領取頁面的你算算PV是10000，說明昨天再次出現了重大問題，如果沒有說怎么領頁面的總平均pv是2000，則昨天有個躥升，數據只有一綜合比，才能出現意義。

象限分析

依據什么數據的不同，將各個都很主體劃分到4個象限中。如果把智商和情商接受劃分，就可以不劃為為兩個維度四個象限，每個人都有自己隸屬于的象限。一般來說，智商保證一個人的下限，情商提升一個人的上限。

一個之后實際中工作中用過的象限分析法的例子。像是p2p產品注冊用戶大都有第三方渠道內引流的，如果沒有按照流量來源的質量和數量可以劃分問題四個象限，然后再選定一個固定不動時間點，比較好各個渠道的流量性價比，質量也可以用只存的總額這個維度作標準。對于高質量高數量的渠道再保持，對此高質量低數量的渠道擴展化入數量，低質量低數量hold，低質量高數量接觸一下直接投放的策略和要求，這樣的象限分析什么這個可以讓我們在對比分析的時候我得到一個更加非常直觀和快鍵的結果。

連在一起分析

對比分析既有橫向對比，又有縱向對比。如果沒有既想橫向對比，又想縱向對比，就有了十字交叉分析法。十字交叉分析法應該是對數據從多個維度接受交叉淋漓盡致地展現，并且多角度的結合總結。

在總結app數據的時候，大多數會分ios和安卓來看。

連在一起講的要注意作用就是從多個維度細分數據，分出發現自己中最相關的維度來深入數據變化的原因。

較常見的維度有：

分時：不同時間段數據是否需要有變化。

分渠道：有所不同流量來源數據是否需要有變化。

分用戶：新注冊用戶和老用戶而言如何確定有差異，高等級用戶和低等級用戶相比較是否是有差異。

分地區：各地區的數據是否是有變化。

連在一起分析法是三個從粗到細的過程，也可以不就是再細分分析法。

歸納：

趨勢、對比、象限、十字交叉真包含了數據分析最基礎的部分。無論是數據核實、我還是數據分析，找趨勢、做對比、劃象限、做細分，數據才能作用有限失去的作用。