老板分享的学习资料放在桌面快有一年了一直还没有学习哈哈，发现其中有数据分析的课程资料，花了一周的时间看完视频课程，并整理了数据分析常用的模型、框架和方法等如下。

什么是数据分析

数据分析：是根据分析目的用适当的分析方法及工具，对数据进行分析，提取有价值的信息，形成有效结论的过程

数据分析能力要求：数据敏感性、对业务的深入理解、逻辑思维能力、统计分析能力、熟练使用分析工具、数据解读能力、数据应用能力

数据分析的流程

数据分析流程：需求分析-数据提取-数据清洗-数据分析-报告撰写-报告分享-投入应用收集反馈

如何做数据分析

基础数据类型和特点：定性数据（通过问卷调查获取）、定量数据（通过日志获取）

数据收集：数据埋点、第三方数据平台（Growing IO\SimilarWeb\Google Analytics\国家统计局网站）、问卷调查

数据整理：

数据异常表现：空值、波动太大、不同数据源获取的数据矛盾数据异常原因：系统故障、人为因素数据如何清洗：删除异常值、平均值填充、通过统计计算值填充、不同数据源的数据交叉验证

常用数据分析指标

网站分析指标：UV、PV、点击率、转化率、网页停留时间、网站停留时间、跳出率、退出率等渠道分析指标：新增用户数、用户转化率、渠道ROI、渠道流量、渠道流量占比活动效果指标：活动点击率、活动参与人数、活动转化率、活动ROI收入指标：付费人数、转化率、订单数、客单价、GMV、复购频次、毛利率、毛利额用户类型指标：新增用户、活跃用户、留存用户、回流用户、流失用户等用户价值指标：用户最近一次下单时间、用户下单频次、用户消费总金额

构建数据分析指标体系

通过收入关联指标拆解数据指标通过用户类型拆解指标通过用户渠道拆解指标通过流量漏斗拆解指标不同产品关注的数据指标不同

常用分析框架

QQ模型：数量（绝对数）、质量（相对数）用户行为理论：

认知——网站访问：PV、UV、访问来源

熟悉——网站浏览：平均停留时长、跳出率、页面偏好；站内搜索：搜索访问次数占比

试用——用户注册：注册用户数、注册转化率

使用——用户登录：登录用户数、访问登录比；用户订购：订单数、转化率

忠诚——用户粘性：回访者比率、访问深度；用户流失：用户流失数、流失率

5W2H分析法：What（产品提供什么服务、用户核心需求是什么）、Who（目标用户、核心用户）、Where（用户使用场景、用户分布哪里、用户来源）、When（什么时候使用产品）、Why（用户为什么使用产品、产品吸引用户的地方）、How（用户如何使用产品、用户使用路径）、How much（用户花费了多少钱多少时间）AARRR模型：Acquisition用户获取-Activation用户激活-Retention用户留存-Revenue收入-Refer推荐RFM模型：Recency最近一次购买时间-Frequency购买频次-Money购买金额人货场模型：人（用户）-货（产品）-场（场景）

常用数据分析方法

对比分析法：

时间对比——同比、环比、变化趋势

空间对比——不同城市、不同产品对比

目标对比——年度目标、月度目标、活动目标

用户对比——新用户VS老用户、注册用户VS未注册用户

竞品对比——渠道、功能、体验和流程、推广和收入

备注：使用场景用于判断某个数据是好还是坏，以及某几个数据之间的差异性

分组分析法：

不同时间分组——日、周、月、年等

不同产品类型分组——人口属性（性别、年龄）、客户价值、消费频次

不同渠道分组——线上/线下、付费/免费渠道

备注：使用场景用户数据包含信息多样化，且各种类型的数据之间差异较大，用户分析不同类型数据之间的差异，经常与对比分析法一起使用

逻辑数分析法：分层罗列影响因素，发现问题

备注：使用场景为通过将复杂数据层层拆解，用于发现复杂数据中的问题和机会

漏斗图分析：用于发现某个行为路径中的问题矩阵关联法：对2-4个重要属性进行分析SWOT矩阵——优势、劣势、机会、威胁波士顿矩阵——市场份额、市场增长率满意度矩阵——重要性、满意度

备注：使用场景为当判断某个事物有多重属性时，且各个属性之间没有直接的关联性，需要根据多重属性判断事务的结果。