作为数据产品，前期的数据分析工作是必不可少的，只有经历过足够多的数据分析小活，对业务的认知和对底层数据的熟悉度才能够足够深入，足够支撑我们将底层的需求提升成为数据产品层面上的需求。而数据分析的方法层出不穷，但很多都是基于前人最基础的数据方法论所衍生出来的，因此对原始常见的数据方法论的了解和认知程度很大层度影响了后面的工作。本篇文章将介绍常见的数据分析方法，并会在自己工作过程中，结合实际的事件进行不断的丰富。
数据分析流程： 明确分析的目的并提出问题>>数据采集>>数据处理>>数据探索>>分析数据>>得到可视化结果
营销方面的理论模型有： 4P、用户使用行为、STP理论、SWOT等。
管理方面的理论模型有： PEST、5W2H、时间管理、生命周期、逻辑树、金字塔、SMART原则等
基本分析方法： 对比分析，分组分析，交叉分析，结构分析，漏斗分析，多维分解，因素分析，矩阵分析等
高级分析方法： 相关分析，回归分析，聚类分析，判断分析，成分分析，因子分析，时间序列等
新进发展起来的分析方法： 同期群分析，用户分层和用户分群，A/B测试，RFM模型，用户路径分析等
常用分析维度指标： 流量、用户、订单、内容、活动
一、营销方面的理论模型
1、4P理论
说明： 从产品(Product)、价格(Price)、渠道(Place)和促销(Promote)这四个方面分析市场。适用于公司整体经营状况的分析，通过将四者的结合、协调发展，从而提高企业的市场份额，达到最终获利的目的
产品：指公司提供什么产品或服务？那个产品销量最好？是否与用户需求一致？购买产品的都是些什么用户？
价格：公司收入如何？用户能接受的价格时什么样？用户的支付方式？
渠道：公司的渠道方式有哪些？各种渠道的转化率、地区覆盖率等？渠道政策的吸引力？
促销：投入多少促销资源？效果如何？
2、用户使用行为理论
说明： 认知—熟悉—试用—使用—忠诚。用户行为指用户为获取、使用产品或服务才去的各种行动，首先要认知熟悉，然后试用，再决定是否继续消费使用，最后成为产品或服务的忠实用户
用户行为分析对应的五大场景分别是：拉新，转化，促活，留存，变现
用户行为分析是最为常见的分析工作，特别是以软件为核心的业务的公司，常会分析软件的用户信息、点击信息、异常信息等
3、SWOT理论
说明： S：strengths(优势)，weaknesses(劣势)，Opportunities(机会)，Trreats(威胁) SWOT分析又称态势分析法，基于内外部竞争环境和竞争条件下的态势分析，就是将与研究对象密切相关的各种主要内部优势、劣势和外部的机会和威胁等，通过调查列举出来，并依照矩阵形式排列，然后用系统分析的思想，把各种因素相互匹配起来加以分析，从中得出一系列相应的结论，而结论通常带有一定的决策性
4、STP理论
说明：市场细分（Segmentation）、选择适当的市场目标（Targeting）和市场定位（Positioning），是战略营销的核心内容。STP理论是指企业在一定的市场细分的基础上，确定自己的目标市场，最后把产品或服务定位在目标市场中的确定位置上。
二、管理方面的理论模型
1、PEST理论
说明： 从政治(Politics)、经济(Economy)、社会(Society)、技术(Technology)这4个方面分析内外环境。该方法适用于行业分析、企业战略管理、产品分析等。常见于行业报告中的分析方法
政治环境：政治体制、经济体制、财政政策、税收政策、产业政策、投资政策等
社会环境：人口规模、性别比例、年龄结构、生活力式、购买习惯、城市特点等
技术环境：折旧和报废速度、技术更新速度、技术传播速度、技术商品化速度等
经济环境：GDP及增长率、进出口总额及增长率、利率、汇率、通货膨胀率、消费价格指数、居民可支配收入、失业率、劳动生产率等
2、5W2H理论
说明： 从Why、When、Where、What、Who、How、How much 这7个常见的维度分析问题
-------最常见的例子：需要组织一个拉新活动来增长网站新用户注册量，使用5W2H方法来思考--------
What：要举办一个什么样的拉新活动？活动的助力或阻力是什么？具体工作有哪些？
Why：为什么要举办这个活动？为什么要采取线上/线下的活动形式?
Who：活动面向的用户是哪些人？参加活动的工作人员有哪些？谁负责哪部分工作？
When：活动策划什么时候完成？什么时候开始宣传？活动举办的时间？
Where：活动在哪举办？是线上(宣传渠道有哪些？活动渠道是?)还是线下(具体地点是？在哪做活动宣传？)活动
How：活动举办的形式是？通过什么方式来吸引用户？怎么做宣传？
How much：我们期待达成的目标注册量是多少？活动需要的选产成本是什么？
------当做分析的时候，也可以用5W2H来思考工作的进行--------
我做这个的分析报告目的是什么？为什么要做(why)？
要做成什么样的形式，会用到什么样的数据，用到什么样的方法(what)？
做这个分析的时候可能会涉及到哪些业务线的人，需要谁的帮助(who)?
什么时候开始做，截止期限是什么(when)?
要达到怎样的分析高度—可以是技术层面，也可以是职位层面(where)?
采取什么样的分析分析，怎么样分析才能符合业务背景(How)?
在整个分析过程中要付出多少努力？(How much)?
3、逻辑树理论
说明： 又称问题树、演绎树或分解树等。它将问题的所有子问题分层罗列，从最高层开始，并逐步向下扩展。适用于业务问题专题分析
逻辑树分析法三原则：
a、要素化：把相同问题总结归纳成要素
b、框架化：将各个要素组成框架，遵守不重不漏原则
c、关联化：框架内的各要素保持必要的相互关系，简单而不孤立
---------麦肯锡逻辑树一共分为7个步骤---------
第一步确认你要解决什么问题
第二步是分解问题，运用树枝的逻辑层层展开
第三步是剔除次要问题
第四步是制定详细的工作计划，并将计划分为可执行的带日期的步骤
第五步是进行关键分析，对于关键驱动点再通过头脑风暴，进行分析找到解决方案
第六步综合分析结果，建立论证
第七步陈述工作过程，进行交流
4、SMART原则
说明：SMART原则（Specific具体、Measurable可度量、Attainable可实现、Relevant现实性、Time-based时限性）
是一种目标管理方法，按照这个原则制定出的目标才能保证可实施、可跟进、可考核，也更容易实现。
三、基本分析方法：
1、交叉分析法
说明： 用于分析两个变量之间的相互关系的一种基本数据分析法。把统计分析数据制作成二维交叉表格，将具有一定联系的变量分别设置为行变量和列变量，两个变量在表格中的交叉结点即为变量值，通过表格体现变量之间的关系，称为交叉分析法
2、矩阵关联分析法
说明： 矩阵分析法是指根据事物的两个重要属性作为分析的依据，进行分类关联分析，找出解决问题的一种分析方法，也称为象限图分析法。以属性A为横轴，属性B为纵轴，在两个轴上分别按照某标准进行划分，构成四个象限，将待分析的主体项目对应投射进四象限中，可直观表现出两属性的关联性。
3、漏斗分析方法
说明： 转化漏斗分析是业务分析的基本模型，最常见的是把最终的转化设置为某种目的的实现，最典型的就是完成交易。 漏斗帮助我们解决两方面的问题：
①在一个过程中是否发生泄漏，如果有泄漏，我们能在漏斗中看到，并且能够通过进一步的分析堵住这个泄漏点。
②在一个过程中是否出现了其他不应该出现的过程，造成转化主进程收到损害。
---------比如一个电商的活动页，它的漏斗模型应该是这样的--------
四、高级分析方法
1、聚类分析
说明： 聚类分析常用于数据挖掘当中，也常用于数据标签指标聚合之中，样本个体或指标变量按其具有的特性进行分类，寻找合理的度量事物相似性的统计量。
性质分类：
a、Q型聚类分析：对样本进行分类处理，又称样本聚类分祈 使用距离系数作为统计量衡量相似度，如欧式距离、极端距离、绝对距离等
b、R型聚类分析：对指标进行分类处理，又称指标聚类分析 使用相似系数作为统计量衡量相似度，相关系数、列联系数等 方法分类：
a、系统聚类法：适用于小样本的样本聚类或指标聚类，一般用系统聚类法来聚类指标，又称分层聚类
b、逐步聚类法：适用于大样本的样本聚类
c、其他聚类法：两步聚类、K均值聚类等
2、时间序列分析
说明： 动态数据处理的统计方法，研究随机数据序列所遵从的统计规律，以用于解决实际问题 时间序列通常由4种要素组成：趋势、季节变动、循环波动和不规则波动
五、新进发展起来的分析方法
1、RFM模型
从最近一次消费（Recency）
客户最近一次消费距离现在的时间，消费频率（Frequency）
客户在固定时间内的购买次数（一般是1年），消费金额（Monetary）
客户在一段时间（通常是1年）内的消费金额这3个方面来衡量客户价值和客户创利能力
--------根据三维图表，以RFM为XYZ轴，1代表高，0代表低，进行用户分层--------------
六、常用分析维度指标
1、流量
访问：PV、UV、IP（最常见）；跳出率、平均访问时长、平均访问页数等；使用设备、操作系统、浏览器、地域分布等访问行为
注册：注册人数、注册走势、累计注册人数、达成率等
渠道&推广：来源渠道分布、总消费、展示量、点击率、点击率、平均点击价格、转化率、转化成本、ROI等
2、用户
活跃/登录：活跃/登录：DAU、WAU、MAU、活跃率、登录人数等
留存：次日留存率、周留存率、月留存率等，还有按渠道去分析留存率
流失：流失率，流失人数、每日平均流失人数
付费：付费人数、付费转化率、单笔订单平均金额等 其他：每日评论人数、收藏人数、分享人数
头像：一方面分析用户属性：关注年龄、性别、学历、职业、地域、婚否、收入、兴趣等；另一方面分析用户行为：登录次数、活跃率、累计消费金额、最近一次购买、购买次数、复购率等
3、订单
付费人数、新增付费人数；总金额、每日订单数、平均每日成交额、客单价；付费金额、付费毛利、付费利润、复购率、ARPU、付费各个路径转化等
4、内容
PV、UV；UGC、PGC、文章数、关注数、阅读数、互动数（评论、点赞等）、传播数（转发、分享等）
5、活动
活动页PV、UV、新增人数、参与人数、登录人数、转化人数、转化成交金额、ARPU、优惠券发放/使用人数、营销成本、营销转化率、ROI、分享人数、分享次数等，数据要根据活动类型而定。