一、数据分析方法论
营销方面：4P、用户使用行为、STP理论、SWOT
管理方面的理论模型：PEST、5W2H、时间管理、生命周期、逻辑树、金字塔、SMART原则等
PEST（宏观环境分析） |
|||
P(political) |
政治环境（社会性质、执政党性质、方针、政策、法令） 政治经济体制、财政税收政策、产业政策等 |
||
E(economic) |
经济环境 |
宏观 |
GDP及其增长率、进出口总额、利率、税率、通货膨胀率、 |
微观 |
消费价格指数、居民可支配收入、失业率、劳动生产率 |
||
S(social) |
社会环境（人口、性别比例、出生率和死亡率、种族结构、生活方式、教育状况、城市特点、宗教信仰等） |
||
T(technological) |
技术环境（新技术的发明和发展、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、国家重点支持项目、国家投入的研发费用、专利个数和保护情况等） |
||
v PEST——行业分析
v 5W2H——用户行为分析、业务问题专题分析
Why+what+who+when+where
How+how much
v 逻辑树——业务问题专题分析
要素化：相同问题总结归纳成要素
框架化：要素组织成框架，不重不漏
关联化：框架内的各要素保持必要的相互关系，简单不孤立
v 4P——可了解公司的整体运营情况
产品（有形产品、人员、组织、服务等）、
价格（需求、成本、竞争）、
渠道（生产到用户中间的各个环节）、
促销（广告、宣传推广、人员推销、销售促进）
v 用户行为理论——用户行为分析
用户使用行为的完整过程：
二、数据处理
1.数据清洗
v 清除不必要的重复数据
（1）Excel中的方法
Ø Countif(区域，条件）
编号 |
重复标记 |
第二次重复标记 |
A667708 |
1 |
1 |
A310882 |
1 |
1 |
A520304 |
1 |
1 |
A356517 |
1 |
1 |
A776477 |
2 |
1 |
A466074 |
3 |
1 |
A466074 |
3 |
2 |
A466074 |
3 |
3 |
A776477 |
2 |
2 |
A218912 |
1 |
1 |
Ø 利用excel的高级筛选功能
选择待筛选数据，‘数据’—排序和筛选中’高级’—勾选‘选择不重复的记录’
Ø 条件格式法
选中待筛选数据，‘条件格式’—‘突出显示单元格规则’—‘重复值’
Ø 数据表透视法
选中待筛选数据，分别拖至‘行’和‘数值’
（2）sql中
select Email from Person where Id in (select Id from Person group by Email having count(*)>=2)
（3）删除重复数据
Ø Sql
delete from person where Id not in (select * from (select min(Id) as Id from Person group by Email having count(*)>=1) a)
Ø Excel
选中待筛选数据，‘数据’—‘删除重复项’
v 填充缺失的数据
平均值/删除/模型训练出的数据/保留缺失记录（样本大，缺失占比小）
（1）EXCEL
Ctrl+G 定位空值
Ctrl+Enter 不连续区域中同时输入同一个数据或公式
查找和替换
v 检测逻辑错误的数据
Excel中：
If+countif
条件格式：标出逻辑错误的数据
or（逻辑值1，逻辑值2，...）
and（逻辑值1，逻辑值2，...）
2. 数据加工
v 数据抽取
主要工作：
Ø 合并字段
& 运算符
Concatenate(text1，text2，,text3，,text4......)
Text（text,格式）连接文本与数字时，指定数字的显示格式
Ø 截取部分字段（字段分列）
Excel中的分列
Ø 字段匹配
Vlookup(要查找的vlaue，单个区域期中第一列必须是要查找的值area，希望匹配的列序号，近似匹配1精确匹配0)
精确匹配就是指值必须相等
近似匹配指在待查找区域area的第一列找接近又不大于area的值
v 数据计算
加减乘除、自动求和、求平均值、
日期的加减法：
Today() |
返回当前时间 |
2018/4/7 |
now() |
返回当前时间 |
2018/4/7 9:55 |
Ctrl+; |
返回当前时间 |
2018/4/7 |
Date(year,month,day) |
返回指定日期（可用来进行加减） |
=DATE(2017,2,8) 2017/2/8 =DATE(YEAR(G6)+10,MONTH(G6)+6,DAY(G6)+10) 2027/8/18（比上一个多了10年，6个月，10天）
|
Datedif(起始日子，结束日期，unit) |
返回两个日期之间的年/月/日间隔数 Unit取值： Y:相差年份 M：相差月份 D:相差天数 YM:相差月份（忽略了年份和天数） MD:相差天数（忽略了年份和月份） YD:相差天数（忽略了年份） |
=DATEDIF(G6,H6,"Y")&"年" 10年 =DATEDIF(G6,H6,"MD")&"天（忽略年份和月份的天数）" 10天（忽略年份和月份的天数） =DATEDIF(G6,H6,"YM")&"月（忽略年份和天数）" 6月（忽略年份和天数） =DATEDIF(G6,H6,"YD")&"天（忽略年份天数）" 191天（忽略年份天数） =DATEDIF(G6,H6,"D")&"天" 3843天 |
v 数据分组
vlookup
v 数据转换
‘选择性粘贴’—‘转置’
多选转化为0-1
=IF(ISNUMBER(HLOOKUP(find_value,area,列序号,0/1)),1,0)
=IF(ISNUMBER(SEARCH(find_value,with_text)),1,0)
v 数据抽样
Rand()函数
返回（0,1）的均匀分布随机数，每次计算工作表时都将返回一个新的数值
三 数据分析方法
数据分析的作用：现状分析、原因分析、预测分析
三大作用对应的分析思路：对比、细分、预测
