數據分析的常用方法

數據分析更多的是基於業務背景來解讀數據，把隱藏的數據背後資訊提煉和總結出來，發現其中有價值的內容。由於這個過程中，數據是客觀的，人是主觀的。同樣的數據不同的人解讀出來的結論可能是不一樣的，甚至是完全相反的，但結論本身沒有對錯，所以從客觀的數據到主觀的人，需要有一些科學的分析方法作為橋樑，幫助數據的資訊更好、更全面、更快的傳遞。

那常用的資料分析方法有哪些呢？

趨勢分析

當資料很多，而我們又想從資料中更快、更方便來發現資料資訊的時候，這個時候需要藉由圖形的力量，所謂圖形的力量，就是藉助EXCEl或其他畫圖工具把他畫出來。

趨勢分析一般用於核心指標的長期跟踪，例如：點擊率、GMV、活躍用戶數。一般做成簡單的數據趨勢圖，但光製作成數據趨勢圖還不算分析，必須像上面一樣，數據有那些趨勢上的變化，有沒有周期性，有沒有拐點，並分析背後的原因，無論是內在原因還是外在原因。趨勢分析最好的產出是比值。有環比、同比、定基比。例如2017年4月比3月GDP成長了多少，這就是環比，季比反映了最近變化的趨勢，但有季節性的影響。為了消除季節性的影響，推出了年比，例如：2017年4月份比2016年的4月GDP成長了多少，這就是年比。定基比就更好理解，就是固定某個基點，例如將2017年1月份的數據作為基點，定基比則為2017年5月份的數據和2017年1月份的數據做比較。

比較分析

橫向對比：橫向對比就是跟自己比。最常見的數據指標就是需要跟目標值比，來回答我們有沒有完成目標；跟我們上個月比，來回答我們環北成長了多少。

縱向對比：簡單來說就是跟他人比。我們要跟競爭對手比，來回答我們在市場中的份額和地位是怎樣的。

很多人可能會說，比較分析聽起來也很簡單麼。那我舉個例子，有個電商的簽到頁面，昨天它的pv是5000，你聽到這樣的數據有啥感受？

你不會有任何感受，如果說這個簽到頁面的平均PV是10000，表示昨天出現了重大問題，如果說簽到頁面的平均pv是2000，則昨天有個躍升，數據只有對比，才能產生意義。

象限分析

依據資料的不同，將各個比較主體分割到4個象限。如果把智商和情緒智商進行劃分，就可以劃分為兩個維度四個像限，每個人都有自己所屬的象限。一般來說，智商保證一個人的下限，情商提升一個人的上限。

一個先前實際工作中用過的象限分析法的例子。一般p2p產品註冊用戶都是有第三方管道引流的，如果按照流量來源的質量和數量可以劃分四個像限，然後選取一個固定時間點，比較各個渠道的流量性價比，質量可以用留存的總額這個維度作標準。對於高品質高數量的渠道繼續保持，對於高品質低數量的渠道擴大引入數量，低質量低數量pass，低質量高數量嘗試一下投放的策略和要求，這樣的象限分析可以讓我們在對比分析的時候得到一個非常直覺和快速的結果。

交叉分析

對比分析既有橫向對比，又有縱向對比。如果既想橫向對比，又想縱向對比，就有了交叉分析法。交叉分析法就是將資料從多個維度進行交叉展現，並進行多角度的結合分析。

在分析app資料的時候，通常會分ios和安卓來看。

交叉分析的主要作用是從多個維度細分數據，從中發現最相關的維度來探索數據變化的原因。

常見的維度有：

分時：不同時間段資料是否有變化。

分管道：不同流量來源資料是否有變化。

分用戶：新註冊用戶和舊用戶相比是否有差異，高等級用戶和低等級用戶相比是否有差異。

分地區：不同地區的資料是否有變化。

交叉分析法是一個從粗到細的過程，也可以叫做細分分析法。

總結：

趨勢、對比、象限、交叉包含了資料分析最基礎的部分。無論是數據核實、或數據分析，找趨勢、做比較、劃象限、做細分，數據才能發揮應有的作用。

以上是數據分析的常用方法的詳細內容。更多資訊請關注PHP中文網其他相關文章！