今天小聚给大家介绍11种数据分析方法，从大家耳熟能详的5W2H法出发到群组分析法等，基本上涵盖了工作生活中可能会用到的各种方法，快把它收藏起来吧~

01

5W2H分析方法

以五个以W开头的英语单词和两个以H开头的英语单词进行设问，发现解决问题的线索，寻找思路，进行设计构思，从而搞出新的项目，这就叫做5W2H法。

不过它适用于解决简单的问题，而面对复杂的商业问题时就需要其他的方法辅助了。

02

逻辑树分析方法

由费米提出的逻辑树又称问题树、演绎树或分解树等。逻辑树是将问题的所有子问题分层罗列，从最高层开始，并逐步向下扩展。

面试中常见的问题：如估算深圳有多少个产品经理，芝加哥有多少钢琴调音师等，这类估算问题我们称之为费米问题，在解决费米问题时，考察点通常不是真的去算出深圳到底有多少个产品经理，重点在于你的分析方法，也就是你运用逻辑树分析问题的能力。

03

行业分析方法

当需要分析行业问题、制定发展规划时，要进行行业分析，首选PEST分析法。PEST分析是指宏观环境的分析，P是政治(politics)，E是经济(economy)，S是社会(society)，T是技术(technology)。

04

多维度拆解分析方法

维是人们观察事物的角度，同样的数据从不同的维进行观察可能会得到不同的结果，同时也使人们更加全面和清楚地认识事物的本质。

当数据有了维的概念之后，便可对数据进行多维分析操作，常见的多维分析操作主要有：钻取（上钻和下钻）、切片、切块、旋转。

钻取：钻取是改变维度的层次，变换分析的粒度。钻取包括上钻和下钻，上钻是在某一维上将低层次的细节数据概括到高层次的汇总数据的过程，减少了分析的维数；下钻则是相反，它是将高层次的汇总数据进行细化，深入到低层次细节数据的过程，增加了分析的维数。

切片和切块：在多维分析中，如果在某一维度上限定了一个值，则称为对原有分析的一个切片，如果对多个维度进行限定，每个维度限定为一组取值范围，则称为对原有分析的一个切块。

在多维分析中，维度都是按某一顺序进行显示，如果变换维度的顺序和方向，或交换两个维度的位置，则称为旋转。

比较著名的当属1973年加利福尼亚大学伯克利分校性别歧视的例子，调查结果显示男生录取率为44%，女生录取率为35%，有人就怀疑该院校有性别歧视的倾向，但当我们把学院的每个院系分开调查录取率，则会发现，A、B、D三个院女生的录取率都是比男生高的。

这个悖论告诉我们：一个简单的统计数字不能完全描述其背后的复杂意义，因此只看到数据整体，而忽视数据内各个部分的差异是不对的。

05

对比分析

在进行对比分析时，主要考虑两个问题：和谁比？如何比？

和谁比

和自己比：同比、环比、定比、与目标值的对比、纵比、横比、特定时期的对比；和行业比：与行业平均水平比。

如何比

数据整体的大小：平均值、中位数；数据整体的波动：变异系数；趋势变化：折线图、同比、环比。

注：比较的对象规模一致才有可比性，A/B测试就是应用了对比分析

06

假设检验分析

假设检验的特点就是采用逻辑上的反证法和统计上的小概率原理。小概率事件在单独一次的试验中基本上不会发生，可以不予考虑。

在假设检验中，我们做出判断时所依据的逻辑是：如果在原假设正确的前提下，检验统计量的样本观测值的出现属于小概率事件，那么可以认为原假设不可信，从而否定它，转而接受备择假设。

07

相关分析

相关性分析是指对两个或多个具备相关性的变量元素进行分析，从而衡量两个变量因素的相关密切程度。相关性的元素之间需要存在一定的联系或者概率才可以进行相关性分析。

需要注意的是，相关性并不是指因果性，现实生活中，100%的因果关系很难找到。

判断是相关性还是因果性的方式就是：单变量控制法，控制其他因素不变，只改变一个因素，然后观察这个因素对结果的影响。

08

群组分析

也叫同期群分析，也就是对数据分组后对比。比如按时间分析留存率，目的是找到留存率低的组，然后进一步分析这些组。还有流失用户分析、金融逾期分析等。

09

RFM分析

RFM分析用来对用户进行价值分类，从重要价值用户到一般挽留用户，识别有价值的用户，进行精细化运营，不断将用户转化为重要价值用户。

这里的R、F、M分别对应：

R-最近一次消费间隔F-消费频率M-消费金额

如信用卡会员服务，就是采用RFM分析后进行运营的一个例子，不能对用户采取同样的运营策略，否则可能导致流失。

注意：对RFM值要根据业务的不同灵活运用

10

AARRR模型

AARRR模型用来分析用户行为，为产品运营制定决策，实现用户增长。对应产品运营的5个重要环节：

Acquisition-获取用户：用户如何找到我们Activation-激活用户：用户的首次体验如何Retention-提高留存：用户会回来吗Revenue-增加收入：如何赚到更多的钱Refer-推荐：用户会推荐给其他人吗

获取用户阶段，我们比较关心以下指标：

渠道曝光量渠道转换率日新增用户数日应用下载量获客成本

激活用户阶段，需要找到“哇哦时刻”，就是让用户情不自禁地喜欢上产品亮点、发出赞叹的时刻。

留存阶段，核心目标是让用户养成使用习惯，重点关注留存率指标。

增加收入阶段，主要关注：

总量相关指标，如成交总额、成交数量人均情况指标，如ARPU/ARPPU、人均访问时长付费情况指标，如付费率、复购率

推荐阶段，也叫病毒营销，或自传播，主要关注：

转发率转化率K因子

11

漏斗分析

漏斗分析是一套流程式数据分析，它能够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情况的重要分析模型。

漏斗分析模型已经广泛应用于流量监控、产品目标转化等日常数据运营与数据分析的工作中。

例如在一款产品服务平台中，直播用户从激活APP开始到花费，一般的用户购物路径为激活APP、注册账号、进入直播间、互动行为、礼物花费五大阶段，漏斗能够展现出各个阶段的转化率，通过漏斗各环节相关数据的比较,能够直观地发现和说明问题所在，从而找到优化方向。

学会了这些数据分析方法，恭喜你离一名优秀的数据分析师又近了一步！

想要获取更多数据分析相关资讯，欢迎关注我们的公众号：聚数云海，免费获取大厂真题和为期四周的免费训练营课程。