常见的数据分析方法
作为一个数据分析师来说，掌握分析方法尤为关键，本人也在积极学习各种分析方法，最近在网站上看到最常见的数据分析方法，感觉非常不错，借此平台，来说说数据分析方法；
某网大牛，把数据分析方法说成道，也是满满的厉害了，不得不服啊，并总结了四字真言，分别是：“道、法、术、器”。
四字真言有那么区别呢：
“器”是指物品或工具，指的就是数据分析的产品或工具，比如，sql、python、Excel、Power BI、Tableau等等“
“术”是对器的使用程度，熟练、精通sql、python、Excel、Power BI、Tableau；
“法”是指选择的方法；
“道”是指方向，是指导思想，是战略。
“法”和“术”是数据分析和产品、运营优化方面，数据分析方法的核心。
一个优秀的数据分析师应该以价值为导向，放眼全局、立足业务、与人为善，用数据来驱动增长。
NO.1.细分分析
是分析的基础，可以分为两类：
第一类：逐步分析，比如：服务台咨询业务可分为分公司1，分公司2，分公司3等分公司；
第二类：交叉分析，指对数据在不同维度进行交叉展现，进行多角度结合分析的方法，弥补了独立维度进行分析没法发现的一些问题。一般用于表格为主。
交叉分析
NO.2.对比分析
主要是指将两个相互联系的指标数据进行比较，从数量上展示和说明研究对象的规模大小，水平高低，速度快慢等相对数值， 通过相同维度下的指标对比，可以发现，找出业务在不同阶段的问题。
常见的对比方法包括：时间对比、空间对比、标准对比。
时间对比有三种：同比、环比、定基比；
比如：本周和上周进行对比就是环比；
本月第一周和上月第一周对比就是同比；
所有数据同今年的第一周对比则为定基比。
通过三种方式，可以分析业务增长水平，速度等信息。
NO.3.漏斗分析
是一套流程式数据分析，它能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型。
漏斗分析模型广泛应用于产品目标转化、网站等日常数据运营与数据分析的工作中。例如在一款产品服务平台中，直播用户从激活APP开始到花费，一般的用户购物路径为激活APP、注册账号、进入直播间、互动行为、礼物花费五大阶段，漏斗能够展现出各个阶段的转化率，通过漏斗各环节相关数据的比较,能够直观地发现和说明问题所在，从而找到优化方向。
NO.4.聚类分析
聚类分析是将个体或对象分类，使得同一类中的对象之间的相似性比其他类的对象的相似性更强。
目的是把相似的研究对象归成类，使类内对象的同质性最大化和类与类间对象的异质性最大化。
聚类分析的应用
（1）聚类一方面本身就是一种模型技术，另一方面，又常常作为数据分析过程中，前期进行数据摸底和数据清洗、数据整理的工具。
（2）聚类分析技术在数据化运营实践中常见的业务应用场景：目标用户的群体分类、搜索推荐业务、不同产品的价值组合、探测、发现孤立点、异常值等。
NO.5.AB测试
所谓 A/B 测试，简单来说，就是为同一个目标制定两个方案（比如两个页面），让一部分用户使用 A 方案，另一部分用户使用 B 方案，记录下用户的使用情况，看哪个方案更符合设计目标
AB测试
NO.6. 埋点分析
数据埋点是数据产品经理、数据运营以及数据分析师，基于业务需求（例如：CPC点击付费广告中统计每一个广告位的点击次数），产品需求（例如：推荐系统中推荐商品的曝光次数以及点击的人数）对用户行为的每一个事件对应的位置进行开发埋点，并通过SDK上报埋点的数据结果，记录数据汇总后进行分析，推动产品优化或指导运营。
推荐网址：http://www.woshipm.com/data-analysis/872543.html
NO.7. 用户分析
用户分析是互联网运营的核心， 常用的分析方法包括：活跃分析，留存分析，用户分群，用户画像，用户细查等。
可将用户活跃细分为浏览活跃，互动活跃，交易活跃等，通过活跃行为的细分，掌握关键行为指标；通过用户行为事件序列，用户属性进行分群，观察分群用户的访问，浏览，注册，互动，交易等行为，从而真正把握不同用户类型的特点，提供有针对性的产品和服务。
NO.8.表单分析
填写表单是每个平台与用户交互的必备环节，优秀的表单设计，对转化率的提升起到重要作用。
用户从进入表单页面之时起，就产生了微漏斗，从进入总人数到最终完成并成功提交表单人数，这个过程之中，有多少人开始填写表单，填写表单时，遇到了什么困难导致无法完成表单，都影响最终的转化效果。
文章来源（https://www.cnblogs.com/ljt1412451704/p/9937833.html）
网友评论