|
在数据分析中，分析思路远比工具要重要，一般来说，数据未动，思路先行，清晰的分析思维能让我们明确问题的本质，清晰地梳理分析框架，进而完整回答提出的问题。纸上得来终觉浅，那实际应用中应该怎样操作呢？这里详细地介绍了7种数据分析技巧，它们分别是象限法，多维法，假设法，指数法，二八法，对比法，漏斗法。
下面详细介绍一下对于这7种数据分析技巧的学习总结： 01 象限法 通过对两种维度的划分，运用坐标的方式表达出想要的价值，由价值直接转变为策略，从而进行一些落地的推动。象限法是一种策略驱动的思维，广泛应用于战略分析，产品分析，市场分析，客户管理，用户管理，商品管理等。 优点：直观，清晰，对数据进行人工的划分。划分结果可以直接应用于策略。 02 多维法
通过对多种维度的划分，运用立方体的形式进行展现，适用于大的数据量。比如： 用户统计维度：性别、年龄； 用户行为维度：注册用户、用户偏好、用户兴趣、用户流失； 消费维度：消费金额、消费频率、消费水平； 商品维度：商品品类、商品品牌、商品属性。 多维法是一种精细驱动的思维，只要数据齐全且丰富，均可以使用。 优点：处理大数据量，维度丰富且复杂的数据有较好的效果，但是维度过多会消耗很多时间。 规避辛普森悖论 对不同维度进行交叉分析时，需要运用钻取的方法来尽量避免辛普森悖论。 03 假设法 很多时候，数据分析是没有数据可明确参考的，比如：新进入一个市场，公司开拓某样产品。老板让你预测一年后的销量。产品的基础数据非常糟糕，拿不到什么有效数据。 这时候就用到了假设法，往往都是人工设置一个变量或者比率来进行反推。假设法是一种启发思考驱动的思维，它更多的时一种思考方法，即假设，验证，判断。 优点：当没有直观数据或者线索能分析时，以假设先行的方法进行推断，这是一个论证的过程。
04 指数法 很多时候我们有数据，但不知道怎么应用。就是因为缺乏了一个有效性的方向。这个方向可以成为目标指数。通过将数据加工成指数，达到聚焦的目的。 指数法主要有线性加权、反比例、log三种方法，是一种目标驱动的思维，是将无法利用的数据加工成可利用的，从而进行分析。但是指数法没有统一的标准，很多指数更依赖经验来进行加工。 优点：目标驱动力强，直观，简洁，有效，对业务有一定的指导作用，一旦设立指数不易频繁变动。
05 二八法 数据中，20% 的变量将直接产生80%的效果，数据分析更应该围绕这20%作文章，持续关注topN的数据是一个非常好的习惯。二八法是一种只抓重点的思维，几乎应用于所有的领域，所以这种分析思维几乎没有什么局限性。但是在一些特定的情况下数据分析依旧不能放弃全局，否则就会使思路变得狭隘。 优点：和业务紧密相关，和KPI更紧密相关，可以花费最少的时间和精力就达到不错的效果，性价比很高。
06 对比法 好的数据指标一定是比例或者比率，好的数据分析一定会用到对比。我们要从多方面进行对比，比如：竞争对手对比，时间同比环比，类别对比，转化对比，特征和属性对比，前后变化的对比等，很多时候只有通过这些对比才能看出问题，正所谓孤数不证。对比法是一种挖掘数据规律的思维，一次合格的分析一定要用到N次对比。 优点：对比法可以发现很多数据间的规律，它可以与任何技巧结合。
07 漏斗法 漏斗分析模型，简单来讲，就是抽象产品中的某一流程，观察流程中每一步的转化与流失。 比如：教育培训类产品的用户，从首页进入到最终完成支付的行为，大多需要经过搜索课程，查看课程详情、点击购买、立即支付、支付成功，我们需要将按照流程操作的用户进行各个转化层级上的监控，寻找每个层级的可优化点；对没有按照流程操作的用户绘制他们的转化路径，找到可提升用户体验，缩短路径的空间。
| 
