我想很多人听说过数据分析，但实际情况并非如此。 留着胡子或者拿不出手。 这表明缺乏理论知识的支持，本文试图盘点数据分析常用的方法论和思路，作为数据分析入门的基础。

在介绍

数据分析的流程

数据分析方法论和思路之前，让我们先不厌其烦地看看数据分析的流程。 简而言之，可分为以下六个步骤。

1、明确分析目的，提出问题。 只有明确分析的目的是什么，才能正确定位分析因子，提出有价值的问题，提供明确的指导方针。

2、数据采集。 要收集原始数据，数据源可能很丰富，一般有数据库、互联网、市场调查等。 可以通过添加“嵌入点”代码或使用第三方数据聚集工具来实现特定的方法。

3、数据处理。 对收集到的原始数据进行数据加工，主要包括数据清洗、数据分组、数据检索、数据提取等处理方法。

4、数据搜索。 通过搜索公式分析验证假设值的形成方式，在数据中发现新的特征，对整个数据集有全面的认识，然后选择哪种分析策略？

5、分析数据。 数据整理后，要对数据进行综合分析和相关分析，必须熟悉产品、业务、技术等，经常使用分类、聚合等数据挖掘算法。 Excel是最简单的数据分析工具，专业的数据分析工具有精细bi、Python等。

6、得到可视化结果。 通过可视化数据，可以有效、直观地表达想要呈现的信息、观点和建议，包括金字塔图、矩阵图、漏斗图、平面电源图等，同时还可以通过报告等形式与他人进行交流。

数据分析方法论

数据分析的方法论有很多，小编介绍其中的六个比较常见的理论。

1、PEST分析法

PEST，即政治、经济、社会、技术，可以从各个方面把握宏观环境的现状和变化趋势，由主要用户行业进行分析。

宏观环境又称一般环境，是指影响所有行业和企业的各种宏观力量。

在分析宏观环境因素时，不同行业和企业有自己的特点和经营需求，因此分析的具体内容不同，但一般应对政治、经济、技术、社会，分析影响这四类企业的主要外部环境因素。

政治环境：政治体制、经济体制、财政政策、税收政策、产业政策、投资政策等。

社会环境：人口规模、性别比例、年龄结构、生活力公式、购买习惯、城市特征等。

技术环境：折旧和报废速度、技术更新速度、技术传播速度、技术商品化速度等。

经济环境： GDP与增长率、进出口总额与增长率、利率、汇率、通货膨胀率、消费价格指数、居民可支配收入、失业率、劳动生产率等。

2，5w2h分析法

5W2H，即为什么(Why )、什么事(What )、谁(Who )、什么时候(When )、在哪里(Where )、怎么(How )，等等

这种分析方法又称七何分析法，是一种非常简单方便实用的工具，以用户的购买行为为例。

Why :用户为什么要买？ 产品的魅力在哪里？

What :产品提供的功能是什么？

世卫组织：用户组是什么？ 这个小组的特征是什么？

When :购买频率是多少？

Where :产品在哪里最受欢迎？ 在哪里能卖？

How :用户怎么购买？ 购买方法是什么？

How much :用户购买的成本是多少？ 时间成本是多少？

3、SWOT分析法

SWOT分析法也称为态势分析法，是s

（strengths）是优势、W （weaknesses）是劣势，O （opportunities）是机会、T （threats）是威胁或风险。

SWOT分析法是用来确定企业自身的内部优势、劣势和外部的机会和威胁等，通过调查列举出来，并依照矩阵形式排列，然后用系统分析的思想，把各种因素相互匹配起来加以分析。

运用这种方法，可以对研究对象所处的情景进行全面、系统、准确的研究，从而将公司的战略与公司内部资源、外部环境有机地结合起来。

4、4P营销理论

4P即产品（Product）、价格（Price）、渠道（Place）、推广（Promotion），在营销领域，这种以市场为导向的营销组合理论，被企业应用最普遍。

可以说企业的一切营销动作都是在围绕着4P理论进行，也就是将：产品、价格、渠道、推广。通过将四者的结合、协调发展，从而提高企业的市场份额，达到最终获利的目的。

产品：从市场营销的角度来看，产品是指能够提供给市场，被入们使用和消费并满足人们某种需要的任何东西，包括有形产品、服务、人员、组织、观念或它们的组合。

价格：是指顾客购买产品时的价格，包括基本价格、折扣价格、支付期限等。影响定价的主要因素有三个:需求、成本与竞争。

渠道：是指产品从生产企业流转到用户手上全过程中所经历的各个环节。

促销：是指企业通过销售行为的改变来刺激用户消费，以短期的行为（比如让利、买一送一，营销现场气氛等等)促成消费的增长，吸引其他品牌的用户或导致提前消费来促进销售的增长。广告、宣传推广、人员推销、销售促进是一个机构促销组合的四大要素。

5、逻辑树法

逻辑树又称问题树、演绎树或分解树等。它是把一个已知问题当成“主干”，然后开始考虑这个问题和哪些相关问题有关，也就是“分支”。逻辑树能保证解决问题的过程的完整性，它能将工作细分为便于操作的任务，确定各部分的优先顺序，明确地把责任落实到个人。

逻辑树的使用必须遵循以下三个原则：

要素化：把相同的问题总结归纳成要素。

框架化：将各个要素组织成框架。遵守不重不漏的原则。

关联化：框架内的各要素保持必要的相互关系，简单而不独立。

6、AARRR模型

AARRR模型是所有运营人员都要了解的一个数据模型，从整个用户生命周期入手，包括获取（Acquisition）、激活（Activition）、留存（Retention）、变现（Revenue）和传播（Refer）。

每个环节分别对应生命周期的5个重要过程，即从获取用户，到提升活跃度，提升留存率，并获取收入，直至最后形成病毒式传播。

数据分析思路

数据分析方法论主要是从宏观角度介绍如何进行数据分析，它就像是一个数据分析的前期规划，搭建一个清晰的数据分析框架。那么对于具体的业务场景问题，就要靠具体的分析方法来支撑了，下面小编就介绍几种常用的数据分析思路。

1、趋势分析

最简单、最常见的数据分析方法，一般用于核心指标的长期跟踪，比如点击率、GMV、活跃用户数。可以看出数据有那些趋势上的变化，有没有周期性，有没有拐点等，继而分析原因。

2、多维分解

也就是通过不同的维度对于数据进行分解，以获取更加精细的数据洞察。举个例子，对网站维护进行数据分析，可以拆分出地区、访问来源、设备、浏览器等等维度。

3、用户分群

针对符合某种特定行为或背景信息的用户，进行特定的优化和分析，将多维度和多指标作为分群条件，有针对性地优化供应链，提升供应链稳定性。

4、漏斗分析

按照已知的转化路径，借助漏斗模型分析总体和每一步的转化情况。例如将漏斗图用于网站关键路径的转化率分析，不仅能显示用户的最终转化率，同时还可以展示每一节点的转化率。

5、留存分析

留存分析是一种用来分析用户参与情况/活跃程度的分析模型，考察进行初始行为的用户中，有多少人会进行后续行为。衡量留存的常见指标有次日留存率、7日留存率、30日留存率等。

6、A/B 测试

A/B测试是为了达到一个目标，采取了两套方案，通过实验观察两组方案的数据效果，判断两组方案的好坏，需要选择合理的分组样本、监测数据指标、事后数据分析和不同方案评估。

7、对比分析

分为横向对比（跟自己比）和纵向对比（跟别人比），常见的对比应用有A/B test，A/B test的关键就是保证两组中只有一个单一变量，其他条件保持一致。

8、交叉分析

交叉分析法就是将对比分析从多个维度进行交叉展现，进行多角度的结合分析，从中发现最为相关的维度来探索数据变化的原因。