在互联网时代，我们的工作中太容易接触数据了，比如用户行为的分析、用户的喜好、产品的好坏等等，都是可以通过纷繁复杂的数据看出来的。

但是在我们的工作中，很多没有怎么接触过数据分析的朋友会缺少数据思维，会带着主观的意识去看待客观的数据，这也就导致了很多时候数据分析没问题，但是结果却差之毫厘，谬以千里。

为了避免这种情况的出现，今天我总结了四个我平常工作中最常使用到的数据分析基本法，大家可以做参考。

趋势分析

如果我们平常接触的数据多是连续的数据（日期等），非离散的数据，那么我建议这时候就用趋势分析来看数据。

同样一个日期维度划分的数据，如果单单只看表格的话，我们很容易在数字中看得晕头转向，这时候一般可以用线图来呈现问题。如果线图出现波峰，这说明当天可能有活动节点，数据趋势达到了峰值。如果线图出现了周期性的变化，比如一周之内有两天数据不好，那么就可以分析这两天是否有一些客观因素影响数据。

在我们跟踪一些核心指标，且需要长期跟踪的时候，都要用到趋势分析。借此来看数据有那些趋势上的变化，有没有周期性，有没有拐点，并分析背后的原因。

对比分析

对比分析分为横向对比和纵向对比。横向对比即自己跟自己对比，比如同环比、目标值对比等等。纵向对比指的是跟别人比，比如跟竞争对手去做对比。

在做对比分析的时候，我们要保证数据是单一变量，其他条件保持一致。比如我们去看一个产品各地区售卖的好坏，就需要确定它的销售渠道一样，销售时间一样，用户质量一样，只有这样才能得出更精确的数据分析结果。

象限分析

象限分析指的是依据数据的不同，将各个比较主体划分到4个象限中。下面我给大家举一个我在工作场景中用到的象限分析法的实例。

我们搞了一个APP，去研究各个渠道在同一时间上的用户的数量和质量间的关系。我们划出了四个象限：高质量高数量的象限、高数量低质量的象限、高质量低数量的象限和低质量低数量的象限。做出这个象限之后，我们直接筛掉了一批耗费资源的渠道，也对部分高低交错的渠道进行了投放策略的优化。结果第二个月该APP的月活就有明显的提高。

以此可见，象限分析的重要性。

交叉分析

我们前面讲了横向对比和纵向对比，那么如果我们又要横向，还要纵向呢？这时候就用到了我们数据分析中的交叉分析法。

在BI产品中我们能看到一个叫交叉表的东西，其实这两个完全是一个意思。比如，我先搞了一个我司APP总日活，和竞品APP总日活的数据做对比，那么，可能会简单得出谁更牛。但是如果我去细分这个数据，按照月份的时间维度去做展开，那么这个数据会变的很有意思，其中蕴含的信息远远比原数据更丰富。

借此，我们甚至能细化到每个月份两个公司的相应动作，及其影响。以此来为该APP的后续运营指定战略方向。

对于普通的数据对比，我们哪怕往里面加入一个维度，这个数据的信息量就会几何式上升，那么当我们加入更多维度呢？其结果不言而喻。我个人习惯添加的维度有：时间、渠道、用户标签、地区等等，大家也可以做一个参考。

坦白讲，数据分析的方法除了学习，更靠感悟，数据来的时候总是五花八门，但处理起来又万变不离其宗，找到共性，挖掘个性，在懂数字的基础上，更懂业务，才是数据分析之不二法门。