数据分析方法论（干货）

导读：数据分析逐步成为很多职业的必备技能，也成为大家求职过程中的加分项。随着数据分析方法体系的逐步完善，学习数据分析门槛也逐步降低，本篇就从分析框架角度，带大家揭开数据分析的面纱。

1分析类别

数据分析主要分为描述性分析、诊断性分析、预测性分析和指导性分析四个类别。

• 描述性分析 通过对客观情况的定量描述，掌握业务发展、参与用户等方面的特征，解决过去发生了什么的问题，报告报表中使用的分析类别主要为描述性分析。
• 诊断性分析 根据业务逻辑，确定引起最终结果的原因，解决为什么发生的问题。
• 预测性分析 根据数据挖掘等方法，预测用户行为、业务发展趋势等，解决将来会怎么样的问题。
• 指导性分析 根据分析结论确定最佳执行方案，达到增加用户量、降低成本、提升效率、控制风险的目的，解决应该做什么的问题。

2分析步骤

典型的分析工作分为发现和澄清、分析和拆解和提出解决方案三个步骤。

• 发现和澄清 通过数据表现，明确某一特定时间段内的基本情况、变化趋势、波动异常等。如：通过计算环比，发现业务发现变化情况。
• 分析和拆解 根据业务逻辑，对某一现象的发生进行深入分析定位，明确关键原因。如：某品牌商户的当月成交额=购买人数*客单价，通过分析购买人数和客单价的情况，明确具体影响当月成交额的主要因素。
• 提出解决方案 根据分析找到的问题切入点，结合业务实际得到最佳处理方案，并进行应用落地。如：根据投入产出比，通过ROI分析判断哪种运营策略可以投入少产出高，或通过AB测试确定产品优化方案。

3分析步骤与分析类别对应关系

通常情况下，发现和澄清过程主要使用的是描述性分析，分析和拆解过程主要使用的是诊断性分析和预测性分析，提出解决方案主要使用的是指导性问题，针对具体情况也会有所交叉。

下图对不同分析步骤使用的分析类别及具体方法进行了罗列，快快保存下载吧～