文章转载自DataHunter
html
作数据分析时，拿着手里的数据不知道怎么分析、从什么维度分析数据库
下面来给你们分享7种最经常使用的数据分析方法，让你轻松运用数据分析解决实际工做问题，提高核心竞争力微信
1、漏斗分析法框架
漏斗分析法可以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状况，是一种重要的分析模型。漏斗分析模型已经普遍应用于网站和APP的用户行为分析中，例如流量监控、CRM系统、SEO优化、产品营销和销售等平常数据运营与数据分析工做中。布局
为网站制做的“促销活动分析”学习
好比，对一些电商产品来讲，最终目的是让用户下单并支付，但转化率取决于整个流程。这时，咱们就能够经过漏斗模型一步一步地进行监测。以下图所示，咱们能够监控用户在流程中各个层级上的行为路径，寻找每一个层级的可优化点。对没有按照流程操做的用户绘制他们的转化路径，找到可提高用户体验，缩短路径的空间，最终提高总体转化率。大数据
漏斗模型除了在电商中应用的比较多之外，在落地页、H5等也应用的比较多。咱们能够反复优化落地页当中的图片、文案、布局，进一步的提升总体转化率。优化
2、留存分析法网站
留存分析法是一种用来分析用户参与状况和活跃程度的分析模型，考察进行初始行为的用户中，有多少人会进行后续行为。从用户的角度来讲，留存率越高就说明这个产品对用户的核心需求也把握的越好，转化成产品的活跃用户也会更多，最终能帮助公司更好的盈利。云计算
这里须要注意的是，在作留存分析以前，咱们首先须要了解用户留存的特色：
好比，咱们能够经过观察不一样时间段用户留存的状况，经过对比各个渠道、活动、关键行为的用户后续留存变化，发现提高用户留存率的影响因素，例如观察领取过优惠券的用户留存率是否比没有领取优惠券的用户留存率更高。
除此之外，还能够针对流失高/留存高的用户群组进行一对一的用户行为分析，统计留存/流失用户的行为特征，特别是针对流失用户，经过流失用户的行为分析总结流失缘由，从而提高留存率。具体步骤以下图所示：
3、分组分析法
分组分析法是根据数据分析对象的特征，按照必定的标志（指标），把数据分析对象划分为不一样的部分和类型来进行研究，以揭示其内在的联系和规律性。
分组的目的就是为了便于对比，把整体中具备不一样性质的对象区分开，把性质相同的对象合并在一块儿，保持各组内对象属性的一致性、组与组之间属性的差别性，以便进一步运用各类数据分析方法来揭示内在的数量关系，所以分组法必须与对比法结合运用。
如图所示，分组分析在平常工做中应用的比较多的是用户分层与分群，好比在发优惠券的时候，能够经过红包，满减，限时券还有积分券等方式。咱们能够针对不一样的用户发送不一样的优惠券以达到精细化运营的效果。那么当咱们在作数据分析时，也能够从结果将用户进行分层来进行判断，这时一样也能够获得优化和改进业务的建议。
说了完用户分层，接下来咱们说说用户分群。用户分群和用户分层实际上是相关联的，用户分群是对用户分层的补充，当用户差别性较大，层级上不能再作用户细分时，能够考虑将同一个分层内的群体继续切分，知足更高的精细化运营须要。
制做的“客户RFM群体分析”
RFM模型是客户管理中的一个经典方法，它用以衡量消费用户的价值和创利能力，是一个典型的用户分群。它依托收费的三个核心指标：最近一次消费时间（Recency）、消费频率（Frequency）和消费金额（Monetary）。
消费金额Monetary：衡量用户对企业利润的贡献，消费金额越高的用户，价值也就越高。
消费频率Frequency：衡量用户的忠诚度，是用户在限定的期间内购买的次数，最常购买的用户，忠诚度也越高。
最近一次消费时间Recency：衡量用户的流失，消费时间越接近当前的用户，越容易维系与其的关系。1年前消费的用户价值确定不如一个月才消费的用户。
4、矩阵分析法
矩阵分析法是指根据事物（如产品、服务等）的两个重要属性（指标）做为分析的依据，进行分类关联分析，找出解决问题的一种分析方法，也称为矩阵关联分析法，简称矩阵分析法。
矩阵关联分析法在解决问题和资源分配时，能够为决策者提供重要参考依据——先解决主要矛盾，再解决次要矛盾，这样有利于提升工做效率，并将资源分配到最能产生绩效的部门、工做中，最终有利于决策者进行资源优化配置。
好比在电商行业，咱们可使用浏览量和加购数这两个维度来进行矩阵分析，如图所示，左上角的是浏览量低的，而后加购次数多的，这说明产品实际上是有很大潜力的，这时须要将这部分产品放在更好的位置让给用户进行浏览；右下角的浏览量高，但加购数低的，说明这个时候他的资源位置是好的，可是用户对这部分的产品并不感兴趣的，咱们就须要对其进行相应的位置调整。
5、关联分析法
关联分析法是一种简单、实用的分析技术，是指从大量数据集中发现项集之间的关联性或相关性。若两个或多个变量的取值之间存在某种规律性，就称为关联。关联可分为简单关联、时序关联、因果关联等。
关联分析的一个典型例子是购物篮分析。该过程经过发现顾客放入其购物篮中的不一样商品之间的联系，分析顾客的购买习惯。经过了解哪些商品频繁地被顾客同时购买，帮助零售商制定营销策略。其余的应用还包括价目表设计、商品促销、商品的排放和基于购买模式的顾客划分。
可从数据库中关联分析出形如"因为某些事件的发生而引发另一些事件的发生"之类的规则。如“67%的顾客在购买啤酒的同时也会购买尿布”，所以经过合理的“啤酒和尿布”的货架摆放或捆绑销售可提升超市的服务质量和效益。
6、指标分析法
在实际工做中，当拿到一些可视化数据图表或者是Excel表格时，咱们能够直接运用统计学中的一些基础指标来作数据分析，好比平均数、众数、中位数、最大值、最小值等，下面咱们分别来介绍：
1.平均数
平均数、也叫平均分析法，是指运用计算平均数的方法来反映整体在必定时间、地点条件下某一数量特征的通常水平的分析方法。平均分析法经常使用指标有算术平均数、调和平均数、几何平均数、众数和中位数等，其中最为常见的是算术平均数，也就是平常所说的平均数或平均值。
平均数指标可用于对比同类现象在不一样地区、不一样行业、不一样单位等之间的差别程度，比用总量指标对比更具说服力。除此之外，利用平均指标对比某些现象在不一样历史时期的变化，也更能说明其发现趋势和规律。
好比，汽车行业的自媒体若是想要分析数据，可从两个方面来分析：①外部：行业内总体公众号的平均打开率是多少，咱们距离行业平均水平相差多少，该如何去作一些优化；②内部：针对每月都在尝试的各类选题和内容运营策略，能够分析本月比上月平均打开率又增长了多少，这个月的选题是否有一些爆款，爆款文章平均打开率是多少，标题有什么特色等等。
2.众数、中位数
众数也就是数据中的一种表明数，它反应的是数据的一种集中程度。好比说最佳，最受欢迎，最满意都与众数有关。众数本质上来讲，反映的是数据中发生频率最高的一些数据指标，在作数据分析时，咱们能够对这些数据指标提取一些共性的特色，而后进行提炼和总结，而后得出一些改进的意见。
中位数主要是反映的是一组数据的集中趋势，像咱们比较常见的正态分布，好比说咱们想去统计某市的人均收入，其实，大部分的人均收入都是在必定范围以内的，只有少部分是处于最低的和最高的，其实这是中位数带来的意义。
在作数据分析时，若是各个数据之间的差别程度较小，用平均值就有较好的表明性；而若是数据之间的差别程度较大，特别是有个别的极端值的状况，用中位数或众数有较好的表明性。
3.最大（小）值
最大（小）值在平时作数据分析工做时比较常见，只是咱们没有特别去注意。最值是做为典型表明和异常值进行分析的，好比说销售团队里的销售冠军，电商爆款商品等，如图所示，咱们能够将销售额最大的几款商品提出来，而后咱们去总结共性，找到缘由，而后复制到其余的商品，最终提升平均转化率。
7、对比分析法
对比分析法是指将两个或两个以上的数据进行比较，分析它们的差别，从而揭示这些数据所表明的事物发展变化状况和规律性。它能够很是直观地看出事物某方面的变化或差距，而且能够准确、量化地表示出这种变化或差距是多少？对比分析法可分为静态比较和动态比较两类。
静态比较：在同一时间条件下对不一样整体指标的比较，如不一样部门、不一样地区、不一样国家的比较、也叫横向比较，简称横比；
动态比较：在同一整体条件下对不一样时期指标数值的比较，也叫纵向比较，简称纵比。
这两种方法既可单独使用，也可结合使用。
进行对比分析时，能够单独使用总量指标、相对指标或平均指标，也可将它们结合起来进行对比。比较的结果可用相对数表示，如百分数、倍数等指标。
在使用对比分析法时，须要先注意如下几个方面：①指标的口径范围、计算方法、计量单位必须一致，即要用同一种单位或标准去衡量；②对比的对象要有可比性；③对比的指标类型必须一致。不管绝对数指标、相对数指标、平均数指标，仍是其余不一样类型的指标，在进行对比时，双方必须统一。
1.时间维度对比
同一指标在不一样时间维度下的对比，如同比、环比、定基比等。同比就是与去年的同一个时间段进行对比分析，能够是季、月、周、天；环比就是和上一个时间段来对比（也有和下一个时间段对比的，也叫后比），例如本月和上月，本周和上周对比；定基比是和某个指定的时期进行对比分析，好比2013年每月都和2013年1月的销售额进行对比取值。
如图为各月销售额对比，时间范围一致（均为月汇总）、指标一致、指标含义一致、其表现的为整个企业信息，整体性质可比。
2.空间对比
就是不一样空间数据的对比，好比华北区和华南区对比，北京和上海，上海古北店和成都春熙路店进行对比。类似空间的对比对象必须是形态上比较接近，先进空间则是和同一种形态中的优秀空间进行对比，与扩大空间的对比，好比北京和全国的数据对比，北京王府井店和全北京的数据对比，和竞争对手的对比也在此列。
如图为2018年整年各销售小组销售额对比，其对比的时间范围一致、指标一致、指标含义一致、维度为各个销售小组，具备相同性质。
3.计划对比
和计划标准的对比是销售追踪中很是重要的一环，全部的绩效考核都是计划标准，例如销售实际达成金额与销售计划达成金额对比，看销售是否完成当初指定的计划，若是没有完成，缘由在哪里。
4.与经验值或理论值对比
其中的经验标准是在大量的实践过程当中总结出来的值，而理论标准则是根据理论推断出来的值，平均值则是某一空间或时间的平均值。如，一单一品率：全部销售小票中只有一个商品的小票数量占比。参考值为小于40%，若是数据超过了40%，则须要考虑如何调整策略，帮助客户作关联购买。而参考值小于40%，就是一个理论值。
以上就是7种常见的数据分析方法，在不一样领域的工做中，它们一般都是以不一样的形式展示出来的，咱们须要在拥有数据面前，清晰知道应用哪个或几个方法来分析实际问题最为有效，结合场景灵活运用，没有最好的分析方法只有最适合的。
原文连接:http://www.chinacpda.com/jishu/20846.html
你点的每一个在看 我都认真当成了喜欢
本文分享自微信公众号 - 数据指南（BigDataDT）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。