數據分析師常用的數據分析方法有哪些？

　　很多做數據分析或者剛接觸數據分析的小伙伴，不知道怎么做數據分析。一點(diǎn)思路都沒(méi)有，今天就給大家盤(pán)點(diǎn)數據分析師常用的數據分析方法。希望看完此文的小伙伴，有一個(gè)清晰的數據分析思維。

　　方法論和方法有什么區別?

　　方法論是從宏觀(guān)角度出發(fā)，從管理和業(yè)務(wù)的角度提出的分析框架，指導我們接下來(lái)具體分析的方向。方法是微觀(guān)的概念，是指我們在具體分析過(guò)程中使用的方法。

　　數據分析方法論

　　數據分析的方法論很多，這里我給大家介紹一些常見(jiàn)的框架。

　　1、PEST分析法

　　PEST 為一種企業(yè)所處宏觀(guān)環(huán)境分析模型，從政治(Politics)、經(jīng)濟(Economy)、社會(huì )(Society)、技術(shù)(Technology)四個(gè)方面分析內外環(huán)境，適用于宏觀(guān)分析。

　　

　　四點(diǎn)因素也被稱(chēng)之為“pest有害物”，PEST要求高級管理層具備相關(guān)的能力及素養。PEST分析與外部總體環(huán)境的因素互相結合就可歸納出SWOT分析中的機會(huì )與威脅。PEST/PESTLE、SWOT 與 SLEPT 可以作為企業(yè)與環(huán)境分析的基礎工具。

　　2、SWOT分析法

　　從優(yōu)勢(Strength)、劣勢(Weakness)、機遇(Opportunity)、威脅(Threat)四個(gè)方面分析內外環(huán)境，適用于宏觀(guān)分析。

　　

　　SWOT分析法是用來(lái)確定企業(yè)自身的競爭優(yōu)勢、競爭劣勢、機會(huì )和威脅，從而將公司的戰略與公司內部資源、外部環(huán)境有機地結合起來(lái)的一種科學(xué)的分析方法。運用這種方法，可以對研究對象所處的情景進(jìn)行全面、系統、準確的研究，從而根據研究結果制定相應的發(fā)展戰略、計劃以及對策等。

　　3、5W2H分析法

　　從Why、When、Where、What、Who、How、How much 7個(gè)常見(jiàn)的維度分析問(wèn)題。廣泛用于企業(yè)管理和技術(shù)活動(dòng)，對于決策和執行性的活動(dòng)措施也非常有幫助，也有助于彌補考慮問(wèn)題的疏漏。

　　

　　4、4P理論

　　經(jīng)典營(yíng)銷(xiāo)理論，認為產(chǎn)品(Product)、價(jià)格(Price)、渠道(Place)和促銷(xiāo)(Promote)是影響市場(chǎng)的重要因素。

　　

　　5、AARRR

　　增長(cháng)黑客的海盜法則，一種以用戶(hù)為中心的著(zhù)眼于轉化率的漏斗型的數據收集測量模型，從獲取(Acquisition)、激活(Activition)、留存(Retention)、收益(Revenue)和推薦(Referral)5個(gè)環(huán)節增長(cháng)。

　　

　　AARRR在應用推廣運營(yíng)各個(gè)層次（各個(gè)階段）需要關(guān)注的一些指標。在整個(gè)AARRR模型中，這些量化指標都具有很重要的地位，而且很多指標的影響力是跨多個(gè)層次的。及時(shí)準確地獲取這些指標的具體數據，對于應用的成功運營(yíng)是必不可少的。

　　數據分析的方法論很多，這里不能一一列舉;沒(méi)有最好的方法論，只有最合適的。

　　從數據分析方法論也可得知，數據分析的意義在于將雜亂無(wú)章的數據轉化為清晰可見(jiàn)的可視圖，從而進(jìn)行精準決策?！按髷祿r(shí)代，技術(shù)和分析哪個(gè)更重要”一文中也闡述了分析的重要性。

　　數據分析的七個(gè)方法

　　1、趨勢分析

　　趨勢分析是最簡(jiǎn)單、最基礎，也是最常見(jiàn)的數據監測與數據分析方法。通常我們在數據分析產(chǎn)品中建立一張數據指標的線(xiàn)圖或者柱狀圖，然后持續觀(guān)察，重點(diǎn)關(guān)注異常值。

　　

　　在這個(gè)過(guò)程中，我們要選定第一關(guān)鍵指標(OMTM，One Metric That Metter)，而不要被虛榮指標(Vanity Metrics )所迷惑。

　　以社交類(lèi)APP為例，如果我們將下載量作為第一關(guān)鍵指標，可能就會(huì )走偏;因為用戶(hù)下載APP并不代表他使用了你的產(chǎn)品。在這種情況下，建議將DAU(Daily Active Users，日活躍用戶(hù))作為第一關(guān)鍵指標，而且是啟動(dòng)并且執行了某個(gè)操作的用戶(hù)才能算上去;這樣的指標才有實(shí)際意義，運營(yíng)人員要核心關(guān)注這類(lèi)指標。

　　2、多維分解

　　多維分解是指從業(yè)務(wù)需求出發(fā)，將指標從多個(gè)維度進(jìn)行拆分;這里的維度包括但不限于瀏覽器、訪(fǎng)問(wèn)來(lái)源、操作系統、廣告內容等等。

　　為什么需要進(jìn)行多維拆解?有時(shí)候一個(gè)非?；\統或者最終的指標你是看不出什么問(wèn)題來(lái)的，但是進(jìn)行拆分之后，很多細節問(wèn)題就會(huì )浮現出來(lái)。

　　舉個(gè)例子，某網(wǎng)站的跳出率是0.47、平均訪(fǎng)問(wèn)深度是4.39、平均訪(fǎng)問(wèn)時(shí)長(cháng)是0.55分鐘。如果你要提升用戶(hù)的參與度，顯然這樣的數據會(huì )讓你無(wú)從下手;但是你對這些指標進(jìn)行拆解之后就會(huì )發(fā)現很多思路。

　　3、用戶(hù)分群

　　用戶(hù)分群主要有兩種分法：維度和行為組合。

　　第一種根據用戶(hù)的維度進(jìn)行分群，比如從地區維度分，有北京、上海、廣州、杭州等地的用戶(hù);從用戶(hù)登錄平臺進(jìn)行分群，有PC端、平板端和手機移動(dòng)端用戶(hù)。

　　第二種根據用戶(hù)行為組合進(jìn)行分群，比如說(shuō)每周在社區簽到3次的用戶(hù)與每周在社區簽到少于3次的用戶(hù)的區別，這個(gè)具體的我會(huì )在后面的留存分析中介紹。

　　

　　4、用戶(hù)細查

　　正如前面所說(shuō)的，用戶(hù)行為數據也是數據的一種，觀(guān)察用戶(hù)在你產(chǎn)品內的行為路徑是一種非常直觀(guān)的分析方法。在用戶(hù)分群的基礎上，一般抽取3-5個(gè)用戶(hù)進(jìn)行細查，即可覆蓋分群用戶(hù)大部分行為規律。

　　絕大多數產(chǎn)品都或多或少存在一些反人類(lèi)的設計或者BUG，通過(guò)用戶(hù)細查可以很好地發(fā)現產(chǎn)品中存在的問(wèn)題并且及時(shí)解決。

　　5、漏斗分析

　　漏斗分析是一套流程式數據分析，它能夠科學(xué)反映用戶(hù)行為狀態(tài)以及從起點(diǎn)到終點(diǎn)各階段用戶(hù)轉化率情況的重要分析模型。漏斗分析模型已經(jīng)廣泛應用于網(wǎng)站用戶(hù)行為分析和APP用戶(hù)行為分析的流量監控、產(chǎn)品目標轉化等日常數據運營(yíng)與數據分析的工作中。

　　

　　漏斗分析要注意的兩個(gè)要點(diǎn)：

　　第一：不但要看總體的轉化率，還要關(guān)注轉化過(guò)程每一步的轉化率;

　　第二：漏斗分析也需要進(jìn)行多維度拆解，拆解之后可能會(huì )發(fā)現不同維度下的轉化率也有很大差異。

　　6、留存分析

　　留存分析是一種用來(lái)分析用戶(hù)參與情況/活躍程度的分析模型，考察進(jìn)行初始行為的用戶(hù)中，有多少人會(huì )進(jìn)行后續行為。這是用來(lái)衡量產(chǎn)品對用戶(hù)價(jià)值高低的重要方法。

　　衡量留存的常見(jiàn)指標有：次日留存率、7日留存率、30日留存率等等。

　　

　　留存分析可以幫助回答以下問(wèn)題：

　　7、A/B測試與A/A測試

　　A/B測試是為了達到一個(gè)目標，采取了兩套方案，一組用戶(hù)采用A方案，一組用戶(hù)采用B方案。通過(guò)實(shí)驗觀(guān)察兩組方案的數據效果，判斷兩組方案的好壞。在A(yíng)/B測試方面，谷歌是不遺余力地嘗試;對于搜索結果的顯示，谷歌會(huì )制定多種不同的方案(包括文案標題，字體大小，顏色等等)，不斷來(lái)優(yōu)化搜索結果中廣告的點(diǎn)擊率。

　　

　　這里需要注意的一點(diǎn)，A/B測試之前最好有A/A測試或者類(lèi)似準備。什么是A/A測試?A/A測試是評估兩個(gè)實(shí)驗組是否是處于相同的水平，這樣A/B測試才有意義。其實(shí)這和學(xué)校里面的控制變量法、實(shí)驗組與對照組、雙盲試驗本質(zhì)一樣的。

　　來(lái)自：大數據分析和人工智能