正文

數(shù)據(jù)分析的六種基本分析方法（數(shù)據(jù)處理最基本的四種方法）

發(fā)布時(shí)間：2023-03-23 05:18:24 稿源：創(chuàng)意嶺閱讀： 1096 問大家

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于數(shù)據(jù)分析的六種基本分析方法的問題，以下是小編對(duì)此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個(gè)非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對(duì)話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁(yè)版、PC客戶端

官網(wǎng)：https://ai.de1919.com，如需咨詢相關(guān)業(yè)務(wù)請(qǐng)撥打175-8598-2043，或微信：1454722008

本文目錄:

1、數(shù)據(jù)分析的基本方法有哪些
2、懂視生活
3、常見的數(shù)據(jù)分析方法有哪些？
4、數(shù)據(jù)分析的幾種常用方法21-10-27

數(shù)據(jù)分析的六種基本分析方法（數(shù)據(jù)處理最基本的四種方法）

一、數(shù)據(jù)分析的基本方法有哪些

數(shù)據(jù)分析的三個(gè)常用方法：

1. 數(shù)據(jù)趨勢(shì)分析

趨勢(shì)分析一般而言，適用于產(chǎn)品核心指標(biāo)的長(zhǎng)期跟蹤，比如，點(diǎn)擊率，GMV，活躍用戶數(shù)等。做出簡(jiǎn)單的數(shù)據(jù)趨勢(shì)圖，并不算是趨勢(shì)分析，趨勢(shì)分析更多的是需要明確數(shù)據(jù)的變化，以及對(duì)變化原因進(jìn)行分析。

趨勢(shì)分析，最好的產(chǎn)出是比值。在趨勢(shì)分析的時(shí)候需要明確幾個(gè)概念：環(huán)比，同比，定基比。環(huán)比是指，是本期統(tǒng)計(jì)數(shù)據(jù)與上期比較，例如2019年2月份與2019年1月份相比較，環(huán)比可以知道最近的變化趨勢(shì)，但是會(huì)有些季節(jié)性差異。為了消除季節(jié)差異，于是有了同比的概念，例如2019年2月份和2018年2月份進(jìn)行比較。定基比更好理解，就是和某個(gè)基點(diǎn)進(jìn)行比較，比如2018年1月作為基點(diǎn)，定基比則為2019年2月和2018年1月進(jìn)行比較。

比如：2019年2月份某APP月活躍用戶數(shù)我2000萬(wàn)，相比1月份，環(huán)比增加2%，相比去年2月份，同比增長(zhǎng)20%。趨勢(shì)分析另一個(gè)核心目的則是對(duì)趨勢(shì)做出解釋，對(duì)于趨勢(shì)線中明顯的拐點(diǎn)，發(fā)生了什么事情要給出合理的解釋，無論是外部原因還是內(nèi)部原因。

2. 數(shù)據(jù)對(duì)比分析

數(shù)據(jù)的趨勢(shì)變化獨(dú)立的看，其實(shí)很多情況下并不能說明問題，比如如果一個(gè)企業(yè)盈利增長(zhǎng)10%，我們并無法判斷這個(gè)企業(yè)的好壞，如果這個(gè)企業(yè)所處行業(yè)的其他企業(yè)普遍為負(fù)增長(zhǎng)，則5%很多，如果行業(yè)其他企業(yè)增長(zhǎng)平均為50%，則這是一個(gè)很差的數(shù)據(jù)。

對(duì)比分析，就是給孤立的數(shù)據(jù)一個(gè)合理的參考系，否則孤立的數(shù)據(jù)毫無意義。在此我向大家推薦一個(gè)大數(shù)據(jù)技術(shù)交流圈： 658558542 突破技術(shù)瓶頸，提升思維能力。

一般而言，對(duì)比的數(shù)據(jù)是數(shù)據(jù)的基本面，比如行業(yè)的情況，全站的情況等。有的時(shí)候，在產(chǎn)品迭代測(cè)試的時(shí)候，為了增加說服力，會(huì)人為的設(shè)置對(duì)比的基準(zhǔn)。也就是A/B test。

比較試驗(yàn)最關(guān)鍵的是A/B兩組只保持單一變量，其他條件保持一致。比如測(cè)試首頁(yè)改版的效果，就需要保持A/B兩組用戶質(zhì)量保持相同，上線時(shí)間保持相同，來源渠道相同等。只有這樣才能得到比較有說服力的數(shù)據(jù)。

3. 數(shù)據(jù)細(xì)分分析

在得到一些初步結(jié)論的時(shí)候，需要進(jìn)一步地細(xì)拆，因?yàn)樵谝恍┚C合指標(biāo)的使用過程中，會(huì)抹殺一些關(guān)鍵的數(shù)據(jù)細(xì)節(jié)，而指標(biāo)本身的變化，也需要分析變化產(chǎn)生的原因。這里的細(xì)分一定要進(jìn)行多維度的細(xì)拆。常見的拆分方法包括：

分時(shí) ：不同時(shí)間短數(shù)據(jù)是否有變化。

分渠道：不同來源的流量或者產(chǎn)品是否有變化。

分用戶：新注冊(cè)用戶和老用戶相比是否有差異，高等級(jí)用戶和低等級(jí)用戶相比是否有差異。

分地區(qū) ：不同地區(qū)的數(shù)據(jù)是否有變化。

組成拆分：比如搜索由搜索詞組成，可以拆分不同搜索詞;店鋪流量由不用店鋪產(chǎn)生，可以分拆不同的店鋪。

細(xì)分分析是一個(gè)非常重要的手段，多問一些為什么，才是得到結(jié)論的關(guān)鍵，而一步一步拆分，就是在不斷問為什么的過程。

二、懂視生活

1、分組分析法。分組分析法是為了對(duì)比，把總體中不同性質(zhì)的對(duì)象分開，以便進(jìn)一步了解內(nèi)在的數(shù)據(jù)關(guān)系，因此分組法必須和對(duì)比法結(jié)合運(yùn)用。

2、結(jié)構(gòu)分析法。結(jié)構(gòu)分析法指分析總體內(nèi)的各部分與總體之間進(jìn)行對(duì)比的分析方法及總體內(nèi)各部分占總體的比例，屬于相對(duì)指標(biāo)。一般某部分的比例越大，說明其重要程度越高，對(duì)總體的影響越大。

3、平均分析法。平均分析法是運(yùn)用計(jì)算平均數(shù)的方法來反映總體在一定時(shí)間、地點(diǎn)條件下某一數(shù)量特征的一般水平。

4、漏斗分析法。漏斗分析法是結(jié)合對(duì)比分析法分組分析，比較同一環(huán)節(jié)優(yōu)化前后、不同用戶群、同行類似的轉(zhuǎn)化率通過漏斗各環(huán)節(jié)業(yè)務(wù)數(shù)據(jù)的比較，能夠直觀地發(fā)現(xiàn)和說明問題所在。

三、常見的數(shù)據(jù)分析方法有哪些？

常見的數(shù)據(jù)分析方法有哪些？

1.趨勢(shì)分析

當(dāng)有大量數(shù)據(jù)時(shí)，我們希望更快，更方便地從數(shù)據(jù)中查找數(shù)據(jù)信息，這時(shí)我們需要使用圖形功能。所謂的圖形功能就是用EXCEl或其他繪圖工具來繪制圖形。

趨勢(shì)分析通常用于長(zhǎng)期跟蹤核心指標(biāo)，例如點(diǎn)擊率，GMV和活躍用戶數(shù)。通常，只制作一個(gè)簡(jiǎn)單的數(shù)據(jù)趨勢(shì)圖，但并不是分析數(shù)據(jù)趨勢(shì)圖。它必須像上面一樣。數(shù)據(jù)具有那些趨勢(shì)變化，無論是周期性的，是否存在拐點(diǎn)以及分析背后的原因，還是內(nèi)部的或外部的。趨勢(shì)分析的最佳輸出是比率，有環(huán)比，同比和固定基數(shù)比。例如，2017年4月的GDP比3月增加了多少，這是環(huán)比關(guān)系，該環(huán)比關(guān)系反映了近期趨勢(shì)的變化，但具有季節(jié)性影響。為了消除季節(jié)性因素的影響，引入了同比數(shù)據(jù)，例如：2017年4月的GDP與2016年4月相比增長(zhǎng)了多少，這是同比數(shù)據(jù)。更好地理解固定基準(zhǔn)比率，即固定某個(gè)基準(zhǔn)點(diǎn)，例如，以2017年1月的數(shù)據(jù)為基準(zhǔn)點(diǎn)，固定基準(zhǔn)比率是2017年5月數(shù)據(jù)與該數(shù)據(jù)2017年1月之間的比較。

2.對(duì)比分析

水平對(duì)比度：水平對(duì)比度是與自己進(jìn)行比較。最常見的數(shù)據(jù)指標(biāo)是需要與目標(biāo)值進(jìn)行比較，以了解我們是否已完成目標(biāo)；與上個(gè)月相比，要了解我們環(huán)比的增長(zhǎng)情況。

縱向?qū)Ρ龋汉?jiǎn)單來說，就是與其他對(duì)比。我們必須與競(jìng)爭(zhēng)對(duì)手進(jìn)行比較以了解我們?cè)谑袌?chǎng)上的份額和地位。

許多人可能會(huì)說比較分析聽起來很簡(jiǎn)單。讓我舉一個(gè)例子。有一個(gè)電子商務(wù)公司的登錄頁(yè)面。昨天的PV是5000。您如何看待此類數(shù)據(jù)？您不會(huì)有任何感覺。如果此簽到頁(yè)面的平均PV為10,000，則意味著昨天有一個(gè)主要問題。如果簽到頁(yè)面的平均PV為2000，則昨天有一個(gè)跳躍。數(shù)據(jù)只能通過比較才有意義。

3.象限分析

根據(jù)不同的數(shù)據(jù)，每個(gè)比較對(duì)象分為4個(gè)象限。如果將IQ和EQ劃分，則可以將其劃分為兩個(gè)維度和四個(gè)象限，每個(gè)人都有自己的象限。一般來說，智商保證一個(gè)人的下限，情商提高一個(gè)人的上限。

說一個(gè)象限分析方法的例子，在實(shí)際工作中使用過：通常，p2p產(chǎn)品的注冊(cè)用戶由第三方渠道主導(dǎo)。如果您可以根據(jù)流量來源的質(zhì)量和數(shù)量劃分四個(gè)象限，然后選擇一個(gè)固定的時(shí)間點(diǎn)，比較每個(gè)渠道的流量成本效果，則該質(zhì)量可以用作保留的總金額的維度為標(biāo)準(zhǔn)。對(duì)于高質(zhì)量和高數(shù)量的通道，繼續(xù)增加引入高質(zhì)量和低數(shù)量的通道，低質(zhì)量和低數(shù)量的通過，低質(zhì)量和高數(shù)量的嘗試策略和要求，例如象限分析可以讓我們比較和分析時(shí)間以獲得非常直觀和快速的結(jié)果。

4.交叉分析

比較分析包括水平和垂直比較。如果要同時(shí)比較水平和垂直方向，則可以使用交叉分析方法。交叉分析方法是從多個(gè)維度交叉顯示數(shù)據(jù)，并從多個(gè)角度執(zhí)行組合分析。

分析應(yīng)用程序數(shù)據(jù)時(shí)，通常分為iOS和Android。

交叉分析的主要功能是從多個(gè)維度細(xì)分?jǐn)?shù)據(jù)并找到最相關(guān)的維度，以探究數(shù)據(jù)更改的原因。

四、數(shù)據(jù)分析的幾種常用方法21-10-27

幾種常見的數(shù)據(jù)分析分析方法：

1.周期性分析（基礎(chǔ)分析）

What ：主要是從日常雜亂的數(shù)據(jù)中，發(fā)現(xiàn)周期性出現(xiàn)的現(xiàn)象，而從避免或改善問題的發(fā)生。常見的兩種周期：自然周期和生命周期。

需要注意的點(diǎn)：雖然周期性分析主要針對(duì)時(shí)間序列，但不全是，例如公眾號(hào)的文章閱讀走勢(shì)不僅和日期（工作日或周末）相關(guān)，也和文章類型相關(guān)。

例如：銷售中3,6,9,12月，由于績(jī)效考核出現(xiàn)的峰值

重點(diǎn)節(jié)假日對(duì)和交付的影響

產(chǎn)品銷售的季節(jié)性影響（例如北方下半年的采暖產(chǎn)品，入夏空調(diào)的銷售旺季等）

How：自然后期的時(shí)間維度，根據(jù)分析的需求，可從年（同環(huán)比，業(yè)績(jī)達(dá)成、和行業(yè)趨勢(shì)對(duì)比），月（淡旺季、銷售進(jìn)度、生產(chǎn)預(yù)測(cè)），周（一般較少），日（工作日，非工作日的差異分析），時(shí)（時(shí)間分布，工作時(shí)段，上下班高峰，晚上，主要和大眾消費(fèi)行為分析相關(guān)）進(jìn)行展開

生命周期一種常見的分析就“商品生命周期”，商品銷量隨上市時(shí)間的變化，通過時(shí)間軸+指標(biāo)走勢(shì)組合出來的。這種分析對(duì)快消品或者產(chǎn)品迭代速度很快的商品（典型如手機(jī)）是比較重要的，可以用于監(jiān)控產(chǎn)品的市場(chǎng)表現(xiàn)，對(duì)照市場(chǎng)活動(dòng)可以量化活動(dòng)效果以及產(chǎn)品線的經(jīng)營(yíng)情況，如持續(xù)跟進(jìn)，則可針對(duì)性的提出產(chǎn)品上市的建議。

2.矩陣分析（重要分析方法）

矩陣分析是數(shù)據(jù)分析中非常重要的分析方法。主要解決分析領(lǐng)域的一個(gè)非常致命的核心問題：“到底指標(biāo)是多少，才算好”。

平均數(shù)是一個(gè)非常常用的數(shù)據(jù)維度，但是單一維度，并不能充分評(píng)價(jià)好壞。例如考核銷售，如果只考核業(yè)務(wù)銷售業(yè)績(jī)，那么業(yè)務(wù)人員一定會(huì)傾向賣利潤(rùn)低的引流產(chǎn)品。那種利潤(rùn)高，價(jià)格高，不容易賣的利潤(rùn)型產(chǎn)品就沒人賣了，最后銷售越多，公司的利潤(rùn)反而下降了。這個(gè)時(shí)候通過兩個(gè)維度：銷售規(guī)模和銷售利潤(rùn)，構(gòu)建交叉矩陣，就能將業(yè)務(wù)業(yè)績(jī)進(jìn)行更有效的區(qū)分。

舉個(gè)簡(jiǎn)單的例子，一個(gè)銷售團(tuán)隊(duì)，10名銷售一個(gè)月內(nèi)開發(fā)的客戶數(shù)量，產(chǎn)生的總業(yè)績(jī)用矩陣分析法進(jìn)行分析（具體數(shù)據(jù)略）：

第一步：先對(duì)客戶數(shù)量、業(yè)績(jī)求平均值

第二步：利用平均值，對(duì)每個(gè)銷售人員的客戶數(shù)量、業(yè)績(jī)進(jìn)行分類

第三步：區(qū)分出多客戶+高業(yè)績(jī)，少客戶+高業(yè)績(jī)，多客戶+低業(yè)績(jī)，少客戶+低業(yè)績(jī)四類

矩陣分析把關(guān)鍵業(yè)務(wù)目標(biāo)拆分為兩個(gè)維度，每個(gè)維度進(jìn)行高低分類，進(jìn)而可以對(duì)目標(biāo)進(jìn)行更加立體的描述。維度高低分類多采用平均值作為參考值。

注意：有兩個(gè)場(chǎng)景，是不適合用矩陣分析法：

一：有極大/極小值影響了平均值的時(shí)候，一般出現(xiàn)極大/極小值的時(shí)候，可以用：分層分析法。

二：兩個(gè)指標(biāo)高度相關(guān)的時(shí)候，例如用戶消費(fèi)金額與消費(fèi)頻次，兩個(gè)指標(biāo)天生高度相關(guān)，此時(shí)數(shù)據(jù)分布會(huì)集中在某一個(gè)或兩個(gè)區(qū)域，矩陣分析法的業(yè)務(wù)解讀能力接近0，可采用相關(guān)分析法

3.結(jié)構(gòu)分析

What：結(jié)構(gòu)分析是將分析的目標(biāo)，向下分解，主要用于發(fā)現(xiàn)問題。

例如銷售分析，可以按照區(qū)域—省—市一級(jí)級(jí)的分解，分解之后可以更好的看出影響銷售業(yè)績(jī)的影響因素在哪個(gè)位置。

結(jié)構(gòu)分析可以有多個(gè)維度，取決于我們需要分析的方向。例如還是銷售分析，可以從產(chǎn)品構(gòu)成進(jìn)行拆解，也可用從業(yè)務(wù)形態(tài)拆解

How：如何進(jìn)行結(jié)構(gòu)分析？

第一步：定出要分析的關(guān)鍵指標(biāo)（一般是業(yè)績(jī)、用戶量、DAU、利潤(rùn)等等）

第二步：了解關(guān)鍵指標(biāo)的構(gòu)成方式（比如業(yè)績(jī)，由哪些用戶、哪些商品、哪些渠道組成）

第三步：跟蹤關(guān)鍵指標(biāo)的走勢(shì)，了解指標(biāo)結(jié)構(gòu)變化情況

第四步：在關(guān)鍵指標(biāo)出現(xiàn)明顯上升/下降的時(shí)候，找到變化最大的結(jié)構(gòu)分類，分析問題

注意：結(jié)構(gòu)分析的不足

結(jié)構(gòu)分析法是一種：知其然，不知其所以然的方法。只適用于發(fā)現(xiàn)問題，不能解答問題

4.分層分析

What：分層分析，是為了應(yīng)對(duì) 平均值失效的場(chǎng)景。典型的平均值失效例如平均工資，很多人都被“代表”。這個(gè)時(shí)候需要把收入群體分成幾類，例如土豪，普通百姓，窮光蛋等，后面進(jìn)行分析時(shí)就比較清楚了。業(yè)內(nèi)也有一些不同的叫法，比如應(yīng)用于商品的，叫ABC分類，應(yīng)用于用戶的，叫用戶分層，應(yīng)用于業(yè)務(wù)的，叫二八法則。本質(zhì)都是一回事。

How：如何進(jìn)行分層分析

1.明確分層對(duì)象和分層指標(biāo)

例如：想?yún)^(qū)分用戶消費(fèi)力，分層對(duì)象就是：用戶，分層指標(biāo)就是：消費(fèi)金額

想?yún)^(qū)分商品銷售額，分層對(duì)象就是：商品，分層指標(biāo)就是：銷售金額

想?yún)^(qū)分部銷售額，分層對(duì)象就是：分部，分層指標(biāo)就是：銷售收入

2.查看數(shù)據(jù)，確認(rèn)是否需要分層。分層是應(yīng)對(duì)平均值失效的情況的，存在極值影響的情況，則適合分層。

3.設(shè)定分層的層級(jí)。最好的解決辦法是老板拍板，其次可以用“二八原則”，以上述銷售業(yè)績(jī)分層為例，可以先從高到低排序，然后把累積業(yè)績(jī)占80%的人選出來，作為“第1層級(jí)（優(yōu)等）”，其他的歸為“第2層級(jí)（次等）”。有時(shí)如果顆粒度不夠，也可以用“二四六八十”法則”。

如何應(yīng)用分層

分層的最大作用是幫我們看清楚：到底誰(shuí)是主力，誰(shuí)是吊車尾。從而指導(dǎo)業(yè)務(wù)，從人海戰(zhàn)術(shù)向精兵簡(jiǎn)政思考。

根據(jù)分層的結(jié)果找出差距，進(jìn)而提出（假設(shè)）差異背后可能的原因，通過其它方式進(jìn)行

應(yīng)用：客戶分析，目前系統(tǒng)中客戶超5000個(gè)，為了更好的了解客戶結(jié)構(gòu)，可以通過分層分析的方法對(duì)這5000個(gè)客戶進(jìn)行分層，分層的方式通過年銷售規(guī)模，可以按照累計(jì)規(guī)模排序，一般采用4-6個(gè)層級(jí)，每個(gè)層級(jí)可以給一個(gè)標(biāo)簽。例如王者客戶，腰部客戶，mini客戶等。分層后，便可以針對(duì)性的進(jìn)行分析，例如客戶層級(jí)的銷售占比，變動(dòng)，各層級(jí)客戶的銷售構(gòu)成，結(jié)合其它方法就可以有較全面的分析

5.漏斗分析（待補(bǔ)充）

6.指標(biāo)拆解（待補(bǔ)充）

7.相關(guān)性分析（待補(bǔ)充）

What ：兩個(gè)（或多個(gè)）因素之間的關(guān)系。例如員工人數(shù)與銷售額，市場(chǎng)推廣與銷售業(yè)績(jī)，天氣和銷售表現(xiàn)等

很多因素我們直觀的感覺到之間有聯(lián)系，相互影響，但具體的關(guān)系是什么，如何產(chǎn)品影響的，可以通相關(guān)性分析來量化。

例如，客戶開拓中拜訪客戶的次數(shù)和客戶成交是否有關(guān)系？

拜訪次數(shù)多，表明客戶也感興趣，所以成功幾率大

拜訪這么多，客戶還不成交，成功幾率不大

客戶成交和拜訪關(guān)系不太大，主要看你是否能打動(dòng)他

How ：兩種聯(lián)系：直接關(guān)系，間接關(guān)系

直接關(guān)系：整體指標(biāo)與部分指標(biāo)的關(guān)系——結(jié)構(gòu)分析，例如銷售業(yè)績(jī)與各中心的業(yè)績(jī)

主指標(biāo)與子指標(biāo)的關(guān)系——拆解分析，例如總銷售規(guī)模和客戶數(shù)量與客戶銷售規(guī)模

前后步驟間的關(guān)系——漏斗分析：例如銷售目標(biāo)和項(xiàng)目覆蓋率，儲(chǔ)備率，簽約等因素間的關(guān)系

聯(lián)系中，指標(biāo)之間出現(xiàn)一致性的變化，基本是正常，如果出現(xiàn)相反的變動(dòng)，則需要關(guān)注，這可能是問題所在

間接關(guān)系：要素之間沒有直接的聯(lián)系，但存在邏輯上的連接。例如推廣多了，知名度上市，進(jìn)而銷售額上升。

由于關(guān)系非顯性，需要通過處理進(jìn)行評(píng)價(jià)，常用的就是散點(diǎn)圖和excel中的相關(guān)系數(shù)法

在明確相關(guān)性后，就可以通過改變其中一個(gè)變量來影響和控制另一個(gè)變量的發(fā)展。

注意：相關(guān)性分析也存在很大的局限。主要體現(xiàn)在相關(guān)性并不等同因果性。例如十年前你在院子里種了一顆樹，你發(fā)現(xiàn)樹每天的高度和中國(guó)近十年GDP的增速高度相關(guān)，然后這兩者間并沒有什么實(shí)質(zhì)性的聯(lián)系。此次相關(guān)性分析過程中一定注意要找到關(guān)聯(lián)的邏輯自洽。

8.標(biāo)簽分析（待補(bǔ)充）

以上就是關(guān)于數(shù)據(jù)分析的六種基本分析方法相關(guān)問題的回答。希望能幫到你，如有更多相關(guān)問題，您也可以聯(lián)系我們的客服進(jìn)行咨詢，客服也會(huì)為您講解更多精彩的知識(shí)和內(nèi)容。