接下來就分享常見的20種資料分析方法：

一、指標思維

我們平時表達內容基本可以分為 事實和觀點兩部分，事實不可否認，而觀點則可以不認同，但是大部分人很容易將事實和觀點混淆

資料分析的工作中也是如此，我們做資料分析的目的是為了提升公司的決策水平，如果不能描述客觀事實，那麼資訊在溝透過程中很容易變形。

如果開會的時候說“本月的銷售額大幅下降“這樣的觀點，不同的人會有不同的理解。有些人會覺得下降20%以上叫大幅下降，有些人覺得下降10%就叫大幅。

如果去掉“大幅”呢？“本月的銷售額下降”，這句話是一個事實，但是不同人的理解可能是不同的事實，因為沒有說清楚下降是拿什麼做對比。

二、結構化思維

歸納其實就是把複雜問題分解成多種單一因素的過程，並且將這些因素加以歸納和整理，使之條理化、綱領化。這個過程猶如抽絲剝繭，將一團亂麻理地條條順順。

三、結構化思維

在面對這麼一個問題時，結構化思維方法首先做的並不是立刻著手清洗資料。

而是根據對業務的理解，先為資料分析畫一個思維導圖，它的作用相當於你來到一個陌生的城市拿出百度地圖查詢乘坐交通工具到入住的酒店的路線圖。

事實上，結構化思維就是由麥肯錫提出的著名的“金字塔思維”，如下圖就是典型的結構化：

四、漏斗思維

漏斗思維是透過確定關鍵環節，進而完成一套流程式分析的思路，在各行各業都有相應的應用，如註冊轉化率的分析、使用者瀏覽路徑的分析、流量監控等。

以使用者轉化率的分析為例，一個網頁從展示到下單運用結構化思維分析下來實際有五個關鍵步驟：曝光、點選、瀏覽、諮詢、下單

五、象限法

透過對兩種維度的劃分，運用座標的方式表達出想要的價值，由價值直接轉變為策略，從而進行一些落地的推動。象限法是一種策略驅動的思維，廣泛應用於戰略分析，產品分析，市場分析，客戶管理，使用者管理，商品管理等。

下圖是RFM模型，把客戶按最近一次消費(Recency)、消費頻率(Frequency)、消費金額 (Monetary)三個維度分成八個象限。

六、多維法

多維法是指對分析物件從多個維度去分析，這裡一般是三個維度，每個維度有不同資料分類，這樣代表總資料的大正方體就被分割成一個個小方塊，落在同一個小方塊的資料擁有同樣的屬性，這樣可以透過對比小方塊內的資料進行分析。如圖，這是一個快餐店的外賣訂單多維表：

七、對比思維

對比主要分為以下幾種：

• 橫切對比：根據細分中的橫切維度進行對比，如城市和品類
• 縱切對比：與細分中的縱切維護進行對比，如漏斗不同階段的轉化率
• 目標對比：常見於目標管理，如完成率等
• 時間對比：日環比，周月同比；7天滑動平均值對比，7天內極值對比

八、維度思維

鑽取：在維的不同層次間的變化，從上層降到下一層，或者說是將彙總資料拆分到更細節的資料，比如透過對2018年華為的總銷售資料進行鑽取來檢視各個手機型號的銷售資料。

上卷：鑽取的逆操作，即從細粒度資料向高層的聚合。如將江蘇省、上海市和浙江省的銷售資料進行彙總來檢視江浙滬地區的銷售資料。

切片：選擇維中特定的值進行分析，比如只選擇蘋果手機的銷售資料，或2017年的手機銷售資料。

切塊：選擇維中特定區間的資料進行分析，比如選擇2016年2017年的銷售資料。

旋轉：即維的位置的互換，就像是二維表的行列轉換，如圖中透過旋轉實現產品維和地域維的互換。

九、溯源思維

經過反覆的細分對比後，基本可以確認問題所在了。這時候就需要和業務方確認是否因為某些業務動作導致的資料異常，包括新版本上線，或者活動策略最佳化等等。

如果仍然沒有頭緒，那麼只能從最細顆粒度查起了，如使用者日誌分析、使用者訪談、外在環境瞭解，如外部活動，政策經濟條件變化等等

十、二八思維

二八法也可以叫帕累托法則，源於經典的二八法則。比如在個人財富上可以說世界上20%的人掌握著80%的財富。

而在資料分析中，則可以理解為20%的資料產生了80%的效果需要圍繞這20%的資料進行挖掘。

往往在使用二八法則的時候和排名有關係，排在前20%的才算是有效資料。二八法是抓重點分析，適用於任何行業。

找到重點，發現其特徵，然後可以思考如何讓其餘的80%向這20%轉化，提高效果。

十一、假設法

在一些情況下，如進入新市場的銷量、商品提價後銷量的變化情況，可能沒有明細資料進行分析，那麼就需要用到假設法。假設法也就是假設一個變數或者比率成立，然後根據部分資料進行反推，這是一種啟發思維的技巧，一般過程是先假設後驗證然後判斷出分析結果。

十二、目標思維

與資料分析流程的第一步相同，分析目的要明確，你需要思考的是：採用什麼方法才能達到分析的目的，到底哪種圖表才能完全展現你想要表達的意圖，這幾個分析維度是否全面，是否可以支撐分析結論等等，是自然而然的進行相應的問題分析。