數據分析是針對某個具體的問題，將獲取后的數據用分析手段加以處理，并發現業務價值的過程。學習數據分析理論知識時，除了高等數學、統計學、算法原理等專業知識以及必要的SQL、R、Python等技術語言和工具使用能力外，有一套常用的基礎分析方法，可以不局限于特定的業務場景或分析對象，具有普適性。

本文將圍繞數據分析的九大常用基本方法進行介紹：

1.周期性分析法

周期性分析法指從日常雜亂的數據中發現周期性規律，通常用來避免低級分析錯誤的產生，或者用于發現數據中的異常情況。周期性分析常見的有兩者：自然周期和生命周期。自然周期，指業務指標會隨著時間自然變化，如節假日用戶/業績出現下滑、產品銷售額隨季節變動等，適合具有自然規律波動的分析對象，比如保暖用品有淡旺季，吃喝娛樂有節假日的聚集等，隨著業務的特性而表現不盡相同。生命周期，在進行分析或運營過程中經常可以見到譬如“商品生命周期”、“APP生命周期”、“用戶生命周期”等描述，這些都是由時間軸+指標走勢組合出來的，如一款新商品上市，其銷量和上市時間，經常有如下圖的表現規律，通過分析定位產品發展周期，及時調整經營策略。2.結構分析法

結構分析法是通過了解關鍵指標的構成方式，跟蹤關鍵指標的走勢和結構變化情況，在關鍵指標出現明顯上升/下降的時候，找到變化最大的結構分類，分析問題原因。通過結構分析可以認識總體構成的特征。如2022年某市生產總值100萬，其中第一產業占4%、第二產業占20%、第三產業占21%、高新技術產業占比55%；且該市近五年來高新技術產品比重第一年占20%，第三年占32%，第五年占55%，這些信息可以揭示該市生產總值各產業的變動趨勢，研究總體結構變化過程，表明產業結構向高新技術產業轉變的規律性。3.分層分析法

分層分析一般用來處理平均值失效的場景，如一個人或是少部分人群數值過高或過低，導致把人均數值過分拉高的情況，這就是典型的平均值失效。分層分析法處理這個問題的思路是將人群按層級劃分，即數值偏離程度較大的人群單獨分層，每個階層單獨統計平均收入，這樣就解決了平均值失效的問題。分層分析的實施步驟一般為：第一步：明確分層對象和分層指標。如區分銷售能力場景下，分層對象就是銷售員，分層指標就是銷售業績。第二步：查看數據，確認是否需要分層。分層是應對平均值失效的情況的，原則上最大值和最小值之間差異越大(10倍以上)，越值得做分層。第三步：設定分層的層級。有些時候到底多少業績算“高”，并沒有一個明確的閾值去定義，這時候可以參考“二八法則”，如下圖示意：分層的最大作用是幫我們看清楚到底誰是主力，誰是長尾；但也存在缺點，如果只考慮一個分層指標，可能無法全面說明問題，因此通常需要和其他方法結合使用。

4.矩陣分析法

矩陣分析法，指通過交叉兩個指標，構造分析矩陣，并利用平均值切出四個象限，從而發現問題的方法。很多咨詢公司傾向于使用這種方法，如Gartner的魔力四象限圖、KANO模型和波士頓矩陣，其本質就是找到了兩個較好的評價指標，通過交叉這兩個兩指標構造矩陣，實現對業務的分類。矩陣分析法中還可以疊加時間維度，比較不同對象在矩陣分區中的位置差異，來分析各自的發展遷移情況。5.指標拆解法

指標分解法是將一個相對復雜的指標分解成若干個子指標，再對每一個子指標進行研究，從而達到易于分析、便于實行的目的。常用的指標分解法為總分法，即直接把核心數據拆分成若干個子指標，這些子指標通過運算組合起來就可得到核心數據。比如：

這樣的拆解，能夠幫助企業快速看清楚利潤來源和收支結構，從而優化企業經營。又如零售行業常講的：人貨場模型，其實就是將銷售收入按用戶、員工（人）商品（貨）渠道（場）進行拆解，從而分析業績好壞變動與哪部分密切相關。

6.漏斗分析法

漏斗分析法是一套流程式數據分析，可以理解為把最終目標放到漏斗最下方，并將各個中間環節按照順序依次放入漏斗中，然后從上往下，尋找每個環節的流失嚴重點。因此，漏斗分析法常常被用來分析用戶轉化問題、用戶流失問題等，探究用戶路徑上阻礙用戶轉化的關鍵環節，從而快速定位影響用戶體驗的關鍵步驟，進行針對性優化策略。例如廣告投放時，可以進行廣告用戶轉化、新手引導流失等分析，這就經常會使用到漏斗分析法。以廣告轉化為例進行說明，廣告用戶從看到廣告到進入APP有一個轉化路徑，可以把這個路徑看做一個漏斗，因為每一個步驟都會漏掉一批用戶，如果想要提升用戶轉化的比例，毫無疑問需要減少每個步驟漏掉的用戶，企業通過分析用戶在每一關鍵步驟漏掉的原因，并針對每一個原因逐一對產品進行優化，進而提升用戶轉化率。

7.相關分析法

相關分析法是研究兩個或兩個以上處于同等地位的變量間的相關關系的分析方法，可分為直接相關和間接相關。以下三種關系被稱為直接相關：

在結構分析法中，整體指標與部分指標之間的關系

在指標拆解法中，主指標與子指標之間的關系

在漏斗分析法中，前后步驟指標之間的關系 直接相關不需要數據計算，通過指標梳理就能看清楚關系。直接相關的指標通常表現為同增同減，步調一致。間接相關又稱為理論相關，例如廣告投入和銷售額的關系。常規認知中，廣告投放的越多，知名度越高，銷量越高。分析間接相關關系，有兩種常用方法，一種是散點圖法，通過繪制散點圖，觀察二者的相關關系。如果散點圖顯示圖像是有一定規律的線條（如下圖所示），則說明存在相關關系。另一種是計算相關系數，獲得的相關系數越接近1，則相關性越大。在此案例中，計算發現廣告投入與銷售兩個指標之間確有相關關系。至于具體是怎么相關的，可以再做進一步研究。但相關分析也有兩大不足，一是得到的相關關系不等于因果，二是相關分析不能解決非量化指標問題。

8.標簽分析法

標簽分析，特指用打標簽的方式，把難以量化的因素轉化為標簽，進而分析該因素與其他變量的關系。一般分為以下五個步驟：

明確要分析的影響因素

把影響因素制作成標簽

明確要分析的指標

對比不同標簽下指標的差異

得出分析結論 有時我們分析的關系無法通過指標表達，如：是不是私域流量比公域流量，轉化更佳？是不是晴天比雨天的信用卡地推效果更好？私域流量/晴天，是難以衡量的數據指標。但這些因素確實會對企業經營產生影響，這時可以通過打標簽的方式進行分析。

9.MECE分析法

MECE（Mutually Exclusive Collectively Exhaustive，相互獨立、完全窮盡），其中“相互獨立”指問題的細分是在同一維度上的并有明確區分、不可重迭，“完全窮盡” 則意味著全面和周密。這種方法通常用于幫助分析人員找到所有影響預期效益或目標的關鍵因素，并找到所有可能的解決辦法，有助于管理者對問題或解決方案進行排序和分析，并從中找到令人滿意的解決方案。通常做法有兩種。一是在確立問題的時候，通過類似魚刺圖的方法，首先確立主要問題，再逐個往下層層分解，直至所有的疑問都找到，通過問題的層層分解，可以分析出關鍵問題和初步的解決思路；另一種方法是通過頭腦風暴找到主要問題，然后在不考慮現有資源的限制基礎上，梳理解決該問題的所有可能方法。在這個過程中，要注意分析方法不是單一的，在實操過程中往往需要將多種方法進行融合使用，再深入分析每種解決方法所需要的各種資源，最后通過分析比較，從多個方案中找到目前狀況下最可行、效果最好的答案。這九種基礎方法可以相互獨立，也可相互組合，需要結合經驗在工作中多實踐、多運用，找到最優解。