在數據分析訓練營給大家講解數據分析案例的時候，發現一些新手小白在做數據分析時，拿到數據不知道怎么分析、從什么維度分析，腦海里沒有清晰的分析思路。

[[333557]]

對于數據分析思路的培養是一個不斷練習積累的過程，剛入行的小白可以先套用一些常用的數據分析方法或模型，掌握基礎的分析思路。本文給大家講解8個常見的數據分析方法，幫助大家快速上手數據分析，解決實際工作問題。

邏輯樹分析法

邏輯樹分析法就是把一個復雜的問題拆解成若干個小問題，像樹枝一樣展開。

邏輯樹是分析問題最常使用的方法之一，不光是在數據分析領域，在日常生活中也是一個很好的解決問題的方法，幫助我們理清思路，避免進行重復和無關的思考。

例如，我們需要對站外推送到達率底的問題進行分析，可以按照邏輯樹分析法將問題拆解外安卓和ios送達率低兩個子問題，然后在繼續向下拆分，嚴密地探索問題背后的每一個原因，將問題表面化，以因果邏輯為線索，在深度與廣度上尋找問題的原因。

PEST分析法

PEST分析法主要用在行業研究中。從政治(P)、經濟(E)、社會(S)、技術(T)這個四個角度，對行業進行比較分析。

比如，我們就以分析大數據行業為例，用PEST來分析一下大數據行業的前景：

多維度拆解法

多維度拆解法就是把復雜問題按照維度拆解成簡單問題，觀察數據異動，發現問題的原因。

多維度拆解法的應用場景主要有兩個：一是對單一指標的構成或比例進行拆解分析，比如讓你對某個課程網站的訪問情況進行分析，你可以從用戶性別、用戶來源渠道、用戶地區等維度進行分析

第二個就是對業務流程進行拆解分析，最常見的就是電商網站的用戶轉化流程分析，我們可以從渠道、地區等維度來對用戶的注冊、下單、支付數據進行拆解，進一步定位問題的原因。

比如下圖，我們從渠道維度拆分用戶注冊、下單、支付的數據，發現百度這個渠道的注冊流量很大，但是下單轉化率卻很低，這種情況我們可以適當減少百度的廣告投放力度，加大其他渠道。

對比分析法

對比分析法是最基礎分析方法之一，基本上人人都會用了，俗話說“沒有對比沒有傷害嘛”

在使用對比分析法的過程中，我們要搞清楚三點：比什么?怎么比?和誰比?

比什么，一般就是拿數值進行對比，絕對值或者是比例值。

怎么比，一般有同比和環比兩種方式，同比是與當前時間范圍上層時間范圍的前一范圍中同樣位置數據對比，比如年同比：今日vs去年今日。環比是與當前時間范圍相鄰的上一個時間范圍對比，比如日環比：今天vs昨天

和誰比?可以和自己比，也可以和行業或者競品比。比如從時間維度，那去年的銷售額數據和今年的相比，發現下滑5%，說明公司今年銷售情況相比去年不太好，然后再和行業整體數據相比，發現行業整體銷售下滑20%，公司銷售下滑比例遠小于行業整體銷售下滑比例，說明今年公司的銷售情況還不錯。

假設檢驗分析法

假設檢驗分析法顧名思義就是先提出假設，然后通過證據證明假設是否成立，然后得出結論

比如，發現某一天的用戶活躍率下降了5%，根據這個問題，我們可以從這三個角度提出假設，活躍率下降可能是用戶渠道出了問題，或者產品出問題，又或者競品當天搞了什么大型活動，對我們沖擊比較大?...帶著這些問題，我們去找運營部、產品部、市場部查看數據，分別求證，看看是否我們的推斷成立，如果都不成立，那排除以上假設后，再從其他角度尋找原因

AARRR漏斗分析法

AARRR模型在《增長黑客》中提出來的，AARRR對應了產品運營中最重要的5個環節：獲取用戶、提高用戶活躍度、提高用戶留存率、獲取收入、自傳播，通常會用在流量監控、活動營銷效果監控、app運營、商品活動分析、產品轉化分析上，通過分析各個環節的轉化率，從而優化產品的運營

RFM分析

RFM分析法是衡量客戶價值的一個重要方法，通過計算R、F、M值，來判定客戶價值的高低，把企業的主要運營精力放在最有價值的客戶上。

Recency(R)是最近一次購買日期距離現在的天數，理論上越是在近期發生購買行為，就越有可能復購。

Frequency(F)指的是最近一段時間內購買的次數，最常購買的消費者，忠誠度也就較高。

Monetary value(M)是最近一段時間內購買的金額。

計算出R、F、M的值后，再按照他們與均值比較后的高低可以將客戶分成8類，然后對不同價值的客戶采取對應的營銷策略。

杜邦分析法

杜邦分析法是一個經典的財務分析方法，把企業的盈利水平、經營效率和風險承受能力綜合在一起評價企業經營業績。它的核心思路就是把凈資產收益率ROE層層分解，深入了解企業經營業績

以上就是我今天的分享，希望能給大家一些幫助，關于數據分析思維的掌握，需要不斷實戰練習，積累經驗，提升數據敏感度，對各種數據分析方法爛熟于心后，拿到問題就自然而然知道如何下手分析了。