數(shù)據(jù)分析是針對某個(gè)具體的問題，將獲取后的數(shù)據(jù)用分析手段加以處理，并發(fā)現(xiàn)業(yè)務(wù)價(jià)值的過程。學(xué)習(xí)數(shù)據(jù)分析理論知識時(shí)，除了高等數(shù)學(xué)、統(tǒng)計(jì)學(xué)、算法原理等專業(yè)知識以及必要的SQL、R、Python等技術(shù)語言和工具使用能力外，有一套常用的基礎(chǔ)分析方法，可以不局限于特定的業(yè)務(wù)場景或分析對象，具有普適性。

本文將圍繞數(shù)據(jù)分析的九大常用基本方法進(jìn)行介紹：

1.周期性分析法

周期性分析法指從日常雜亂的數(shù)據(jù)中發(fā)現(xiàn)周期性規(guī)律，通常用來避免低級分析錯誤的產(chǎn)生，或者用于發(fā)現(xiàn)數(shù)據(jù)中的異常情況。周期性分析常見的有兩者：自然周期和生命周期。自然周期，指業(yè)務(wù)指標(biāo)會隨著時(shí)間自然變化，如節(jié)假日用戶/業(yè)績出現(xiàn)下滑、產(chǎn)品銷售額隨季節(jié)變動等，適合具有自然規(guī)律波動的分析對象，比如保暖用品有淡旺季，吃喝娛樂有節(jié)假日的聚集等，隨著業(yè)務(wù)的特性而表現(xiàn)不盡相同。生命周期，在進(jìn)行分析或運(yùn)營過程中經(jīng)常可以見到譬如“商品生命周期”、“APP生命周期”、“用戶生命周期”等描述，這些都是由時(shí)間軸+指標(biāo)走勢組合出來的，如一款新商品上市，其銷量和上市時(shí)間，經(jīng)常有如下圖的表現(xiàn)規(guī)律，通過分析定位產(chǎn)品發(fā)展周期，及時(shí)調(diào)整經(jīng)營策略。2.結(jié)構(gòu)分析法

結(jié)構(gòu)分析法是通過了解關(guān)鍵指標(biāo)的構(gòu)成方式，跟蹤關(guān)鍵指標(biāo)的走勢和結(jié)構(gòu)變化情況，在關(guān)鍵指標(biāo)出現(xiàn)明顯上升/下降的時(shí)候，找到變化最大的結(jié)構(gòu)分類，分析問題原因。通過結(jié)構(gòu)分析可以認(rèn)識總體構(gòu)成的特征。如2022年某市生產(chǎn)總值100萬，其中第一產(chǎn)業(yè)占4%、第二產(chǎn)業(yè)占20%、第三產(chǎn)業(yè)占21%、高新技術(shù)產(chǎn)業(yè)占比55%；且該市近五年來高新技術(shù)產(chǎn)品比重第一年占20%，第三年占32%，第五年占55%，這些信息可以揭示該市生產(chǎn)總值各產(chǎn)業(yè)的變動趨勢，研究總體結(jié)構(gòu)變化過程，表明產(chǎn)業(yè)結(jié)構(gòu)向高新技術(shù)產(chǎn)業(yè)轉(zhuǎn)變的規(guī)律性。3.分層分析法

分層分析一般用來處理平均值失效的場景，如一個(gè)人或是少部分人群數(shù)值過高或過低，導(dǎo)致把人均數(shù)值過分拉高的情況，這就是典型的平均值失效。分層分析法處理這個(gè)問題的思路是將人群按層級劃分，即數(shù)值偏離程度較大的人群單獨(dú)分層，每個(gè)階層單獨(dú)統(tǒng)計(jì)平均收入，這樣就解決了平均值失效的問題。分層分析的實(shí)施步驟一般為：第一步：明確分層對象和分層指標(biāo)。如區(qū)分銷售能力場景下，分層對象就是銷售員，分層指標(biāo)就是銷售業(yè)績。第二步：查看數(shù)據(jù)，確認(rèn)是否需要分層。分層是應(yīng)對平均值失效的情況的，原則上最大值和最小值之間差異越大(10倍以上)，越值得做分層。第三步：設(shè)定分層的層級。有些時(shí)候到底多少業(yè)績算“高”，并沒有一個(gè)明確的閾值去定義，這時(shí)候可以參考“二八法則”，如下圖示意：分層的最大作用是幫我們看清楚到底誰是主力，誰是長尾；但也存在缺點(diǎn)，如果只考慮一個(gè)分層指標(biāo)，可能無法全面說明問題，因此通常需要和其他方法結(jié)合使用。

4.矩陣分析法

矩陣分析法，指通過交叉兩個(gè)指標(biāo)，構(gòu)造分析矩陣，并利用平均值切出四個(gè)象限，從而發(fā)現(xiàn)問題的方法。很多咨詢公司傾向于使用這種方法，如Gartner的魔力四象限圖、KANO模型和波士頓矩陣，其本質(zhì)就是找到了兩個(gè)較好的評價(jià)指標(biāo)，通過交叉這兩個(gè)兩指標(biāo)構(gòu)造矩陣，實(shí)現(xiàn)對業(yè)務(wù)的分類。矩陣分析法中還可以疊加時(shí)間維度，比較不同對象在矩陣分區(qū)中的位置差異，來分析各自的發(fā)展遷移情況。5.指標(biāo)拆解法

指標(biāo)分解法是將一個(gè)相對復(fù)雜的指標(biāo)分解成若干個(gè)子指標(biāo)，再對每一個(gè)子指標(biāo)進(jìn)行研究，從而達(dá)到易于分析、便于實(shí)行的目的。常用的指標(biāo)分解法為總分法，即直接把核心數(shù)據(jù)拆分成若干個(gè)子指標(biāo)，這些子指標(biāo)通過運(yùn)算組合起來就可得到核心數(shù)據(jù)。比如：

這樣的拆解，能夠幫助企業(yè)快速看清楚利潤來源和收支結(jié)構(gòu)，從而優(yōu)化企業(yè)經(jīng)營。又如零售行業(yè)常講的：人貨場模型，其實(shí)就是將銷售收入按用戶、員工（人）商品（貨）渠道（場）進(jìn)行拆解，從而分析業(yè)績好壞變動與哪部分密切相關(guān)。

6.漏斗分析法

漏斗分析法是一套流程式數(shù)據(jù)分析，可以理解為把最終目標(biāo)放到漏斗最下方，并將各個(gè)中間環(huán)節(jié)按照順序依次放入漏斗中，然后從上往下，尋找每個(gè)環(huán)節(jié)的流失嚴(yán)重點(diǎn)。因此，漏斗分析法常常被用來分析用戶轉(zhuǎn)化問題、用戶流失問題等，探究用戶路徑上阻礙用戶轉(zhuǎn)化的關(guān)鍵環(huán)節(jié)，從而快速定位影響用戶體驗(yàn)的關(guān)鍵步驟，進(jìn)行針對性優(yōu)化策略。例如廣告投放時(shí)，可以進(jìn)行廣告用戶轉(zhuǎn)化、新手引導(dǎo)流失等分析，這就經(jīng)常會使用到漏斗分析法。以廣告轉(zhuǎn)化為例進(jìn)行說明，廣告用戶從看到廣告到進(jìn)入APP有一個(gè)轉(zhuǎn)化路徑，可以把這個(gè)路徑看做一個(gè)漏斗，因?yàn)槊恳粋€(gè)步驟都會漏掉一批用戶，如果想要提升用戶轉(zhuǎn)化的比例，毫無疑問需要減少每個(gè)步驟漏掉的用戶，企業(yè)通過分析用戶在每一關(guān)鍵步驟漏掉的原因，并針對每一個(gè)原因逐一對產(chǎn)品進(jìn)行優(yōu)化，進(jìn)而提升用戶轉(zhuǎn)化率。

7.相關(guān)分析法

相關(guān)分析法是研究兩個(gè)或兩個(gè)以上處于同等地位的變量間的相關(guān)關(guān)系的分析方法，可分為直接相關(guān)和間接相關(guān)。以下三種關(guān)系被稱為直接相關(guān)：

在結(jié)構(gòu)分析法中，整體指標(biāo)與部分指標(biāo)之間的關(guān)系

在指標(biāo)拆解法中，主指標(biāo)與子指標(biāo)之間的關(guān)系

在漏斗分析法中，前后步驟指標(biāo)之間的關(guān)系 直接相關(guān)不需要數(shù)據(jù)計(jì)算，通過指標(biāo)梳理就能看清楚關(guān)系。直接相關(guān)的指標(biāo)通常表現(xiàn)為同增同減，步調(diào)一致。間接相關(guān)又稱為理論相關(guān)，例如廣告投入和銷售額的關(guān)系。常規(guī)認(rèn)知中，廣告投放的越多，知名度越高，銷量越高。分析間接相關(guān)關(guān)系，有兩種常用方法，一種是散點(diǎn)圖法，通過繪制散點(diǎn)圖，觀察二者的相關(guān)關(guān)系。如果散點(diǎn)圖顯示圖像是有一定規(guī)律的線條（如下圖所示），則說明存在相關(guān)關(guān)系。另一種是計(jì)算相關(guān)系數(shù)，獲得的相關(guān)系數(shù)越接近1，則相關(guān)性越大。在此案例中，計(jì)算發(fā)現(xiàn)廣告投入與銷售兩個(gè)指標(biāo)之間確有相關(guān)關(guān)系。至于具體是怎么相關(guān)的，可以再做進(jìn)一步研究。但相關(guān)分析也有兩大不足，一是得到的相關(guān)關(guān)系不等于因果，二是相關(guān)分析不能解決非量化指標(biāo)問題。

8.標(biāo)簽分析法

標(biāo)簽分析，特指用打標(biāo)簽的方式，把難以量化的因素轉(zhuǎn)化為標(biāo)簽，進(jìn)而分析該因素與其他變量的關(guān)系。一般分為以下五個(gè)步驟：

明確要分析的影響因素

把影響因素制作成標(biāo)簽

明確要分析的指標(biāo)

對比不同標(biāo)簽下指標(biāo)的差異

得出分析結(jié)論 有時(shí)我們分析的關(guān)系無法通過指標(biāo)表達(dá)，如：是不是私域流量比公域流量，轉(zhuǎn)化更佳？是不是晴天比雨天的信用卡地推效果更好？私域流量/晴天，是難以衡量的數(shù)據(jù)指標(biāo)。但這些因素確實(shí)會對企業(yè)經(jīng)營產(chǎn)生影響，這時(shí)可以通過打標(biāo)簽的方式進(jìn)行分析。

9.MECE分析法

MECE（Mutually Exclusive Collectively Exhaustive，相互獨(dú)立、完全窮盡），其中“相互獨(dú)立”指問題的細(xì)分是在同一維度上的并有明確區(qū)分、不可重迭，“完全窮盡” 則意味著全面和周密。這種方法通常用于幫助分析人員找到所有影響預(yù)期效益或目標(biāo)的關(guān)鍵因素，并找到所有可能的解決辦法，有助于管理者對問題或解決方案進(jìn)行排序和分析，并從中找到令人滿意的解決方案。通常做法有兩種。一是在確立問題的時(shí)候，通過類似魚刺圖的方法，首先確立主要問題，再逐個(gè)往下層層分解，直至所有的疑問都找到，通過問題的層層分解，可以分析出關(guān)鍵問題和初步的解決思路；另一種方法是通過頭腦風(fēng)暴找到主要問題，然后在不考慮現(xiàn)有資源的限制基礎(chǔ)上，梳理解決該問題的所有可能方法。在這個(gè)過程中，要注意分析方法不是單一的，在實(shí)操過程中往往需要將多種方法進(jìn)行融合使用，再深入分析每種解決方法所需要的各種資源，最后通過分析比較，從多個(gè)方案中找到目前狀況下最可行、效果最好的答案。這九種基礎(chǔ)方法可以相互獨(dú)立，也可相互組合，需要結(jié)合經(jīng)驗(yàn)在工作中多實(shí)踐、多運(yùn)用，找到最優(yōu)解。