數據分析該掌握的幾個方法

數據分析從確定分析的內容到目的的實現，期間是通過數據分析方法來實現。掌握了數據分析的方法就好比廚師掌握了廚藝。

數據分析的方法可以分為基礎類和衍生類?；A類簡單，衍生類是將各種基礎分析方法綜合起來的復雜方法。

基礎分析方法

1、對比分析

對比分析很好理解，比如世界各國買iphone6所需要的工作時間的對比，我用FineBI生成一張對比圖

2、分類分析

首先，為什么要分類？

因為我們分析研究的對象常常是由多個個體構成，比如我們要研究市場對某種產品的滿意度，如果把目光放在每個個體上，工作效率可見低下。如果把所有個體按照特點和屬性來分類，使類內差異夠小，就可以將大量個體分成有屬性的幾類。用類別代替個體是數據分析常用的技巧。

從什么維度分?

維度可以是性別、年齡、收入、行為、時間、低于、季度、分公司等外在屬性；細分項目后會按照分析者態度、價值觀、以及分析的思路引導出的分類屬性。后者的難度比前者大，分析也夠深入。

3、分布分析

當對比的對象不是一個數值，而是一組數據，就會用到分布分析。分布分析就是集中和離散趨勢。舉個例子，假設A\B是某企業的客戶，在該企業的平均月消費額都是140萬元，看各月具體消費額，那么該企業對這兩個客戶的營銷工作是否相同呢？

可以發現兩者的穩定性明顯不同，對于波動較大的A客戶也許該產品不是每月必須品，是屬于應急性和臨時性質的消費，進一步調研后可以針對A客戶偏好投其所好。如果是臨時性消費可以教育客戶擴大消費。

4、相關分析

事物間的某種聯系最常見的就是因果分析。在相關分析中，找到關鍵影響因素是重點。

舉個例子，在互聯網站行業最常間的分析就是流量和轉化/訂單分析。當你發現某天的轉化增多，就要分析增加的轉化的渠道，發現來自網站的轉化陡然上升，就要考慮短時間內官網的流量為什么增多，把這段時間做的渠道投放都拿出來看一下，有無新動作。如果發現在某站點投放的廣告流量增加，為什么增加，一看由于改變了投放的策略導致曝光量增加。

諸如此類的從結果一步步倒推的分析有很多，就像洋蔥一層一層剝落。

有人會說，每一步的維度都太多，涉及的業務范圍也較大，分析不過來怎么辦？借助工具。試圖畫一個因果關系圖，每一層關系涉及到什么數據，然后把數據都準備好（如果是自己的EXCEL表，請確保每個表的字段名都一致，；如果是數據庫就簡單多了），將EXCEL的數據導入FineBI工具，將表之間建立聯系（就是把每兩個表之間相同的字段比如“日期”連起來）。如果是數據庫把表取出，直接建立聯系。

分別建立好每一層數據圖，按照分析的思路設置聯動和鉆取功能，比如點擊高峰時段的流量點，鉆取到每個渠道的流量狀況，如果有多層還可以不斷鉆取下去。

所以說，很多情況下，借助工具會省事很多。

衍生分析方法

對比、分類、分布、相關這4種基礎方法除了直接應用還可以派生出很多衍生方法。這類方法難度較大，也最貼近實際應用，在企業決策方面會較常用到，包括戰略決策、投資決策和營銷決策。所以派生的分析也包括戰略分析、投資分析和營銷分析。也就是所謂的業務主題分析。

這幾類分析最重要的是結合業務需求以及分析思路。對于業務需求依實際情況不同而不同，如何形成自己的分析思路也在前文提過。掌握了以上的基礎分析方法，主題的分析也就是各種基礎圖表的組合，以及聯動鉆取功能的應用，當然背后離不開分析思路的核心支撐。