你会用哪些数据分析方法？

有同学问：陈老师，每次被面试都被问“你使用过哪些数据分析的方法”。结果都感觉答不上来。到底数据分析有什么方法？为啥我在做数据分析，却感觉没什么方法？今天系统解答一下。

首先，并不是名字带“分析”俩字的，就是数据分析方法。有很多XX分析，是统计学、运筹学、数学的专业工具，并不直接指向业务问题的答案。当人们在问：“有什么分析方法”的时候，更多期望听到一个能给出结论的方法。

所以想回答好这个问题，要回到：数据分析到底解决哪些业务问题上去。

从业务用途上看，数据分析可以解决5大类问题

1、是多少（数据描述状况）

2、是什么（树立数据标准）

3、为什么（探索问题原因）

4、会怎样（预测业务走势）

5、又如何（综合判断状况）

围绕每个问题场景，有特定的方法组合（如下图）

一、解决“是多少”的方法

用数据描述状况，需要建立完善的数据指标体系。建立数据指标体系，则需要梳理清楚数据指标之间的逻辑。数据指标间有两种基本的逻辑：串行逻辑和并行逻辑，因此衍生出两种基本的分析方法：漏斗分析法&指标拆解法。

拆解的业务多了，人们发现，某些数据指标可以固定的组合使用，比如：

用户运营场景：AARRR指标、RFM指标

零售门店场景：人、货、场指标

商品管理场景：进、销、存指标

这些也习惯性被称为：分析模型。但注意，这些都只是在展示数据。数据+判断标准，才有分析结论。有关判断标准的分析，就是：是什么类问题。

二、解决“是什么”问题的方法

判断标准可以很简单，比如领导的指令、KPI要求、过往同期数据，都能作为标准。这些统称为：简单标准。但很多时候，指标走势是否正常，并无明确的KPI约束，甚至KPI达标，但是走势奇特，领导们还是会觉得有问题。这时候就需要找其他参照物。因此衍生出一系列分析方法。

比如：

与业务自身规律比较，判断好坏：生命周期法、自然周期法

与同类型，同期发展的业务比较：同期群分析法

与其他业务个体进行比较：分层分析法

这样对比，即使只有1个数据指标，也能得出好坏判断。如果业务发展违背过往规律，明显比其他个体更差，则可以判定为：不好。

当然，也可以使用2个指标，比如经典的矩阵分析法，通过两指标交叉+两指标平均值，分出四类业务，从而得出好坏判断。

如果用更多指标也行，比如常用的Kmean聚类，可以先利用多个指标对业务个体聚类，之后再看各类型之间表现优劣。

以上这些方法，都能将业务的好/坏区分出来，从而在一定程度上辅助判断。

三、解决“为什么”问题的方法

“分析下这个问题是什么原因导致的……”是常见的要求，这就是“为什么”问题。解决为什么问题，有两大基本思路：

一：结果推断：问题发生后，用各种数据寻找差异，建立假设。

常见的，比如：

结构分析法：通过结构分析，找到问题发生点

标签分析法：通过打标签，做个体对比，找到问题原因

相关分析法：通过计算指标相关关系，找到相关指标，再形成假设

MECE法：讲多个业务假设，按MECE原则合并成分析逻辑，一一验证

结果推断，可以把业务口中“我觉得这是XX原因”，抽象成一个数据可验证的假设，因此适用范围非常广。但结果推断只是单方面从结果做归纳