数据分析方法论

1. 数据分析方法论

数据分析方法论主要从宏观角度指导如何进行数据分析，它就像是一个指南针，指引后期数据分析工作的开展。
  
   数据分析方法论有以下作用：  
  
 （1）理顺分析思路，确保数据分析结构体系化；
  
 （2）把问题拆解成相关林的部分，并显示其中的关系；
  
 （3）为后续数据分析的开展提供方向；
  
 （4）确保分析结果的有效性及正确性。
  
 以营销、管理等理论为指导，结合实际业务情况，搭建分析框架，这样才能尽量确保数据分析维度的完整性，结果的有效性及正确性。
  
  一、营销方面的理论模型有  ： 4P、用户使用行为、STP理论、SWOT等。
  
  二、管理方面的理论模型有  ： PEST、5W2H、时间管理、生命周期、逻辑树、金字塔、SMART原则等。
  
 主要用于公司整体经营情况分析
  
  4P即：产品（Product），价格（Price），渠道（Place），促销（Promotion） 
  
 产品（Product）：从市场营销角度来看，产品是指能够提供给市场，被人们使用和消费并满足人们某种需要的的任何东西，包括有形产品、服务、人员、组织、观念或他们的组合。
  
 价格（Price）：指顾客购买商品时的价格，包括基本价格，折扣价格，支付期限等。影响定价的因素主要有3个：需求、成本与竞争。最高价格取决于市场需求，最低价格取决于产品的成本需求，在两者之间，企业如何定价取决于竞争同种产品的定价。
  
 渠道（Place）：是指产品从生产企业流转的用户手中的全过程经历的各个环节。
  
 促销（Promotion）：是指企业通过改变销售行为来刺激用户消费，以短期的行为(如买一送一、让利、营销现场氛围等)促进消费的增长，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。
                                          
 在做公司业务分析时，要根据实际业务情况进行调整，灵活运用，上图中的元素不代表仅考虑这几点。
  
 用途较为单一，就是用于用户行为的研究分析。
  
 用户使用行为是指用户为获取、使用物品或服务所采取的各种行动，用户对产品首先需要有一个认知、熟悉的过程，然后试用，再决定是否继续消费，最后成为忠诚用户。
  
 用户使用行为的完整过程如下：
                                          
 可以利用用户使用行为理论，梳理产品分析的各关键指标之间的逻辑关系，构建符合公司实际业务的产品分析指标体系：
                                          
 上图不代表仅考虑以上因素。
  
 SPT即市场细分(Segmentation)、选择适当的市场目标(Targeting)和市场定位(Positioning)
  
 是战略营销的核心内容。STP理论是指企业在一定的市场细分的基础上，确定自己的目标市场，最后把产品或服务定位在目标市场中的确定位置上。 
  
 市场细分(Market Segmentation):是指按照某种特征将客户分类，同类客户称为一个细分Segmentation。细分的标准一般有三个：客户类型、客户所需要的服务类型、组织的决策方式。
  
 市场细分方法：(1)地理因素市场细分法；(2)消费行为市场细分法；(3)人文因素市场细分法；(4)利益因素市场细分法。
  
 目标市场(Market Targeting):就是评估不同市场细分的吸引力，并据此选择为之服务的目标客户。
  
 市场定位(Market Position):指服务机构将所提供的服务介入所选定的目标客户的行动。
                                          
 隶属于企业内部分析方法，用于制定集团发展战略和分析竞争对手情况。
  
 SWOT即 优势(strengths),劣势(weaknesses), 机会(opportunities),威胁(threats)。
  
 优势(S)：内部因素。包括：有利的竞争态势；充足的财政来源；良好的企业形象；技术力量；规模经济；产品质量；市场份额；成本优势；广告攻势等。
  
 劣势(W)：内部因素。包括：设备老化；管理混乱；缺少关键技术；研究开发落后；资金短缺；经营不善；产品积压；竞争力差等。
  
 机会(O)：外部因素。包括：新产品；新市场；新需求；外国市场壁垒解除；竞争对手失误等。
  
 威胁(T)：外部因素，包括：新的竞争对手；替代产品增多；市场紧缩；行业政策变化；经济衰退；客户偏好改变；突发事件等
  
 与其他的分析方法相比较：SWOT分析从一开始就具有显著的结构化和系统性的特征。就结构化而言，首先在形式上，SWOT分析法表现为构造SWOT结构矩阵，并对矩阵的不同区域赋予了不同分析意义。其次内容上，SWOT分析法的主要理论基础也强调从结构分析入手对企业的外部环境和内部资源进行分析。
                                          
 
  
 从整体上看， SWOT 可以分为两部分：第一部分为 SW ，主要用来分析内部条件；第二部分为 OT ，主要用来分析外部条件。利用这种方法可以从中找出对自己有利的、值得发扬的因素，以及对自己不利的、要避开的东西，发现存在的问题，找出解决办法，并明确以后的发展方向。根据这个分析，可以将问题按轻重缓急分类，明确哪些是急需解决的问题，哪些是可以稍微拖后一点儿的事情，哪些属于战略目标上的障碍，哪些属于战术上的问题，并将这些研究对象列举出来，依照矩阵形式排列，然后用系统分析的所想，把各种因素相互匹配起来加以分析，从中得出一系列相应的结论而结论通常带有一定的决策性，有利于领导者和管理者做出较正确的决策和规划。
  
 用于对宏观环境的分析。宏观环境又称一般环境，是指影响一切行业和企业的各种宏观力量。
  
 PEST即政治(Political)，经济(Economic)，社会(Social)和技术(Technological)
  
 政治：构成政治环境的关键指标有，政治体制、经济体制、财政政策、税收政策、产业政策、投资政策、国防开支水平政府补贴水平、民众对政治的参与度等；
  
 经济：构成经济环境的关键指标有，GDP及增长率、进出口总额及增长率、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；
  
 社会：构成社会文化环境的关键指标有：人口规模、性别比例、年龄结构、出生率、死亡率、种族结构、妇女生育率、生活方式、购买习惯、教育状况、城市特点、宗教信仰状况等因素；
  
 技术：构成技术环境的关键指标有：新技术的发明和进展、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、国家重点支持项目、国家投入的研发费用、专利个数、专利保护情况等因素。
                                          
 以上因为并不是唯一的，根据具体情况具体分析。
  
 应用相对广泛，可用于用户行为分析、业务问题专题分析、营销活动等。
  
 5W2H即何因(Why)、何事(What)、何人(Who)、何时(When)、何地(Where)、如何做(How)、何价(How much)
                                          
 可用于业务问题专题分析。
  
 逻辑树又称问题树、演绎树或分解树等，它是将问题的所有子问题分层罗列，从最高层开始，并逐层向下扩展。
                                          
 一个大的"树枝"上可以有好多个小"树枝",找出与问题相关联的所有项项目罗列出来，逐层分析。逻辑树的主要作用是可以帮助自己理清思路，避免进行重复和无关的思考。
  
 逻辑树的使用必须遵守三个原则：
  
 （1）要素化：把相同的问题总结归纳成要素；
  
 （2）框架化：将各个要素组织成框架遵守不重不漏的原则；
  
 （3）关联化：框架内的各个要素保持必要的相互关系，简单而不孤立。
  
 逻辑树也有缺点就是涉及的相关问题可能有遗漏，虽然可以用头脑风暴把涉及的问题总结归纳出来，但还是难以避免存在考虑不周全的地方。所以在使用逻辑树的时候，尽量把涉及的问题或要素考虑周全。
  
 下面是对某公司利润下降的研究，使用逻辑树分析方法（以下考虑因素不是绝对的，可根据公司的实际情况进行调整）：
                                          
 以上是7中常用的数据分析方法论，在使用方法论时要具体问题具体分析，灵活运用，切忌生搬硬套。以上仅供大家参考。

2. 有关数据分析的7个方法论

距离2018Tableau峰会--上海站已经过去10天了，好记性不如烂笔头，干货太多很想把所有内容都记录下来，下面分享一篇《有关数据分析的7个方法》并结合我工作当中的一些心得~
  
 当我们拿到海量的数据时，可能会因为数据体量过大而无从下手，于是我们就变成了数据的搬运工，老板实际上要的是一瓢数据，而我们给老板的是一池数据让老板在数据的池水中翱游。好的数据分析是让数据说话，那么我们怎样来让数据说话呢，上干货~~~7个分析方法
  
 1. 数据随时间变化 ：某一个指标在日期维度上的变化，找寻异常、趋势
  
 tips：结合已知的事件来看待它的影响，最大值和最小值、异常值，等拐点都可以成为挖掘故事的金矿，可以将跨度时间切割为年度、季度、月度等，比较正常和不正常值的差异来探究异常。
  
 结合工作当中的实例：上海一门店进行促销，老板一般会看截止某一时间节点的销量，当时我们在分析销量的时候我们分析了按小时的销量，发现门店的销量会在早晚高峰出现销量上升，但在晚高峰时突然出现了销量的短时下跌，后来结合CCTV发现门店因为进货短时间人手不足等原因造成销量下降。
  
 2. 数据的放大与缩小 
  
 tips:集中关注某一特定区域或者范围的数据，将其与其余的数据做对比，可以先从整体入手并选择感兴趣的的数据区间，或者从某些有特征的数据点入手，查看数据是否存在异常
  
 结合工作当中的实例：每月在做月度分析的时候，比如涉及销量完成率等这一个指标，我们一般会先看当月的情况，根据预算分配，我们会再考察YTD的情况。
  
 3. 数据的对比 
  
 tips:展示不同区域或者不同类别为什么会呈现不同的现象，通常是将一个群组/维度/项目与另外一个做对比
  
 确认对比的目的，比如证实或伪证自己的猜想，对比不一定需要产生于在同一层级之间，可以个体VS个体，VS整体/平均/中位数
  
 结合工作当中的实例：我们在年初的时候，公司对亏损的门店进行指标分析和量化，我们选取了销量-服务-效率等几个维度进行对比。对于具体门店到具体指标时，我们采用门店指标与公司中位数进行对比。
  
 4. 数据的上钻/下钻 
  
 tips:在具有层级结构的数据中探索某一维度是如何影响全局的，可以有自下而上或者自上而下
  
 当选择到底是自下而上还是自上而下时，考虑你的听众更熟悉的背景，如果他们是只处理工作流程的某一具体环节的同事，那么选择自下而上；如果他们是对全局有宏观把控但是你需要他们关注某些具体细节的领导，那么选择自上而下。
  
 结合工作当中的实例：每月在做月度分析的时候，我们一般都会先关注公司整体销售数据，具体销量数字和完成预算情况，此外还会关注重点销售区域的销售数据，对于预算完成较差的区域，我们进一步再关注具体门店的情况。
  
 5.突出值/异常值
  
 tips:发现表现异常的时间段/个体，通过散点图或者盒须图进行呈现。异常值越突出，故事效果越好，越容易给观众以深刻的印象，用不同的颜色或者注释标记出异常值以达到突出的效果。结合其他的叙述类型来挖掘出异常值背后的故事。
  
 结合工作当中的实例：笔者所在的行业为零售行业，每天的零售销售数据很多，记得一次月度汇报，销量Top5的门店竟然出现在利润后十名的表单中，当时细究原因是财务在账务处理时将利润进行了分割。此外，对于异常数据笔者发现很多情况是由于底层数据未经处理而导致数据不干净。
  
 6. 数据的交叉点 ：多条趋势线的相互交叉，或者某一个体超越了另外一个个体的时间节点
  
 tips:通常代表着某种转折或某个标志性的时间，展示时将交叉点之前时段的数据带入到故事当中可以让听众对交叉点产生时的背景有大致了解，同样可以结合其他的故事类型一同讲述。
  
 结合工作当中的实例：我们在做数据分析时，我们会对比同期销量趋势，对于本年度销量大于上一年度销量的月份，我们会具体去看上涨的原因，具体是因为某一营销政策、竞争对手等原因。
  
 7.剖析原因：
  
 tips:在关注某一指标时，分析哪些因素会影响该指标的表现，分析两个角度之间的关系。
  
 一个普遍应用的结构叫做“Goldilocks", 先展示一个并非特别相关的因素，然后再讲述特别恰当的影响因子。如果有一个大家普遍认为很重要的因素但事实上并没有想象中那么重要，说明后面还有一个更恰当的因素。
  
 结合工作当中的实例：我们在分析门店亏损情况的时候，通常会先找到几个可能影响利润的几个指标，然后进行参考环比数据进行解释，当我们用现有的几个指标不能解释利润变化的时候，说明我们查看的影响因素还不够全面或者门店周围环境发生了重大改变。

3. 数据分析方法论是什么？

业务分析的目标是使用大数据为所有专业人员提供可伸缩的解决方案，以快速、高质量和高效的决策。
业务分析是创造价值的数据科学。
企业增长模式的增长模式需要一个核心业务平台，通过生成产品和价值来看到客户业务和数据的增长。随着这些增长积累了大量的数据洞察，然后基于这些洞察，推动客户的需求，创造更多的增值产品和服务满足需求，形成一个完整的闭环。

商业分析进化论
1。现在正在发生什么事情?例如，如果您想知道A和B的在线通道有多少流量，那么有多少用户会喜欢这个新产品，以及有多少人注册在新的注册流中?所有这些都需要通过数据来显示。2。理解为什么?我们需要知道为什么A通道比B通道更好，这是通过数据来发现的。也许一个关键字的流量比其他关键字要低，它可以通过信息、知识和数据来沉淀。未来会发生什么?根据过去的知识，我们可以判断出A和B的情况，我们可以预测将来会发生什么。在交付通道C、D、猜测通道C优于D通道时，当启动新的注册流程时，一个新的优化，您可以知道哪个节点相对容易出现问题，这些都是通过数据进行预测的过程。

所有业务决策中最重要的是业务决策，这决定了如何处理数据。这是业务分析的最终目标。
数据分析对这三种类型的任务有不同的目标。对于核心任务，数据分析有助于公司更好的盈利，完成战略模式。优化战略任务;风险任务是创新。

4. 数据分析方法论是什么？

常见的数据分析方法：数据分析的基本思路，数据分析应该以业务场景为起始思考点，以业务决策作为终点；基本思路为5步，首先要挖掘业务含义、制定分析计划、从分析计划中拆分出需要的数据、再根据数据分析的手段提炼业务洞察，最终产出商业决策。在这种多渠道的投放场景下，如何进行深度决策，我们按照数据分析的基本思路拆解一下这个问题。挖掘业务含义，首先要了解市场部想优化什么，并以此为核心的 KPI 去衡量。对于渠道效果评估，重要的是业务转化：对P2P类网站来说，是否『发起借贷』要远重要于用『用户数量』。无论是 Google 还是金山渠道，重点在因为用户群体的不同，如何优化相应用户的落地页，提升转化。制定分析计划，以『发起借贷』为核心转化点，分配一定的预算进行流量测试，观察对比注册数量及 ROI 效果，可以持续观察这部分用户的后续价值。拆分查询数据，需要根据各个渠道追踪流量、落地页停留时间、落地页跳出率、网站访问深度以及订单类型数据，进行用户分群。提炼业务洞察，对于不同渠道进行投放时，根据 KPI 的变化，推测业务含义。比如谷歌渠道的效果不好，可能因为谷歌大部分的流量在海外，合规的问题造成转化率低。金山网络联盟有很多展示位置，要持续衡量不同位置的效果。产出商业决策，根据数据洞察，指引渠道的决策制定。比如停止谷歌渠道的投放，继续跟进金山网络联盟进行评估。落地页可以根据数据指标进行一定程度优化。以上这些都是商务分析拆解和完成推论的方式。

5. 数据分析方法论有哪些?

1、PEST分析法PEST，也就是政治(Politics)、经济(Economy)、社会(Society)、技术(Technology)，能从各个方面把握宏观环境的现状及变化趋势，主要用户行业分析。
宏观环境又称一般环境，是指影响一切行业和企业的各种宏观力量。
对宏观环境因素作分析时，由于不同行业和企业有其自身特点和经营需要，分析的具体内容会有差异，但一般都应对政治、经济、技术、社会，这四大类影响企业的主要外部环境因素进行分析。
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、生活力式、购买习惯、城市特点等。
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 及增长率、进出口总额及增长率、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)、什么地方(Where)、如何做(How)、什么价格(How much)，主要用于用户行为分析、业务问题专题分析、营销活动等。
该分析方法又称为七何分析法，是一个非常简单、方便又实用的工具，以用户购买行为为例：
Why：用户为什么要买?产品的吸引点在哪里?
What：产品提供的功能是什么?
Who：用户群体是什么?这个群体的特点是什么?
When：购买频次是多少?
Where：产品在哪里最受欢迎?在哪里卖出去?
How：用户怎么购买?购买方式什么?
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分析法也叫态势分析法，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。

6. 数据分析很难?8大分析方法帮到你

1. 趋势分析法
将两个或两个以上的指标或比率进行对比，以便计算出它们增减变动的方向、数额、以及变动幅度的一种分析方法。
2. 对比分析法
将两个或两个以上指标对比，寻找其中规律。静态对比，不同指标横向对比。动态对比，同一指标纵向对比
3. 多维分解法
把一种产品或一种市场现象，放到一个两维以上的空间坐标上来进行分析。
4. 用户分群
根据用户与产品之间的互动程度进行划分，以更好经营用户。
5. 用户细查
用户抽样，具体观察用户在行为、交易上的特征数据，以观察是否具有显著特征，反推宏观数据，找出数据规律。
6. 漏斗分析法
对业务流程节点进行划分，建立整个业务流程的转化漏斗，并追踪分析。
7. 留存分析
用户注册后，追踪该用户次日/周/月的活跃情况。
8. AB测试法
A/B测试的实质是对照试验，即通过对几个不同的版本进行对比，从而选出最优解。
关于数据分析很难?8大分析方法帮到你，青藤小编就和您分享到这里了。如果您对大数据工程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于数据分析师、大数据工程师的技巧及素材等内容，可以点击本站的其他文章进行学习。
以上是小编为大家分享的关于数据分析很难?8大分析方法帮到你的相关内容，更多信息可以关注环球青藤分享更多干货

7. 分析方法与分析数据

在野外剖面实测、描述和采样、钻井岩心现场取样的基础上,对川涪82井、渡5井、河坝1井、罗家2井、罗家6井、毛坝3井、普光5井、普光8井、重庆北碚剖面、重庆中梁山剖面、邻水仰天窝剖面、南江桥亭剖面344个样品中的171个样品 (包括结构组分) 进行了较为系统配套的地球化学分析,包括CaO、MgO、Fe、Mn、Sr、δ13C、δ18O、87Sr/86Sr比值等,其中钻井岩心和典型剖面样品的分析数据列于表4.1中。 由于表格篇幅的限制,本书未将其他剖面样品的分析数据以及与表4.1中部分样品配对分析的SiO2 、 等一一列出。
一部分样品的Ca、Mg、Mn、Sr、Fe含量分析由四川省地矿局华阳检测中心完成,Ca、Mg含量由常规化学分析方法测试,检测限0.1%,相对误差为2%; Fe含量由比色法测试,检测限0.01%,相对误差小于8%; Mn、Sr含量由原子吸收光度法测试,检测限分别为5×10-6和42×10-6,相对误差分别为13%和14%; 另一部分样品的Ca、Mg、Mn、Fe、Sr等元素分析由中国石化无锡石油地质研究所等离子体发射光谱仪 (Varian Vista MPX) 完成,Ca、Mg相对误差小于10%,Mn、Fe、Sr相对误差小于15%。 一部分样品的碳、氧同位素分析由中国石油西南油气田分公司勘探开发研究院气体同位素质谱仪(Finnigan MAT 252) 完成, 误差为0.01%; 另一部分样品的碳、 氧同位素分析由中国石化无锡石油地质研究所气体同位素质谱仪 (Finnigan MAT 253) 完成, 误差为0.2‰。 所有样品的锶同位素分析由中国科学院地质与地球物理研究所固体同位素质谱仪 (Finnigan MAT 262) 完成, 误差以2σ (±) 表示。
续表表4.1 川东北地区三叠系飞仙关组不同岩石(或组构)类型的主要地球化学组成*


续表


续表


续表


续表


续表


*方解石、白云石计算过程中假定岩石中只有方解石、白云石两种碳酸盐矿物,白云石含量按理想化学组成由MgO含量换算(部分样品经MgO含量换算获得的白云石存在过量,故这些样品按CaO含量计算)。**1ppm=10-6,下同。

8. 做数据分析时有哪些方法论