常用的數據分析方法

常用的資料分析方法有：1、比較分析法；2、分組分析法；3、結構分析法；4、留存分析法；5、交叉分析法；6、漏斗分析法；7 、矩陣分析法；8、象限分析法；9、趨勢分析法；10、指標分析法；11、綜合評估分析法。其中「對比分析法」是對資料進行比較以分析資料間的差異，包括靜態比較和動態比較。

1、比較分析法

即比較分析法，比較資料以分析資料間的差異，包括靜態比較和動態比較。靜態比較又稱橫向對比，在同一時間下對不同指標進行的對比；動態比較又稱縱向對比，是在同一總體條件下對不同時期指標數值進行的比較。目的是揭示數據所代表的事物的發展變化和規律性。

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。

2、分組分析法

結合對比法，把整體中不同性質的物件分開，並進行比較以便了解內在的資料關係。

3、結構分析法

亦稱比重分析，分析總體內各組成部分佔總體的比例以及構成的變化，從中掌握事物的特徵和變化趨勢。

4、留存分析法

留存分析法是一種用來分析使用者參與情況和活躍程度的分析模型，考察進行初始行為的使用者中，有多少人會進行後續行為。從使用者的角度來說，留存率越高就代表這個產品對使用者的核心需求也掌握的越好，轉換成產品的活躍使用者也會更多，最終能幫助公司。

例如，我們可以透過觀察不同時段用戶留存的情況，透過比較各個管道、活動、關鍵行為的用戶後續留存變化，發現提升用戶留存率的影響因素，例如觀察領取過優惠券的用戶留存率是否比沒有領取優惠券的用戶留存率更高。

5、交叉分析法

即立體分析法，常用於分析變數間的相關關係。將不同維度資料交叉展現，進行多角度結合分析的方法。

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就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。

6、漏斗分析法

結合比較、分組分析法，可以比較同一環節優化前後效果、不同用戶群轉換率，同業類似產品的轉換率。反映使用者行為狀態以及從起點到終點各階段使用者轉換狀況，常用轉換率和流失率兩個指標。

7、矩陣分析法

即矩陣關聯分析法，以事物的兩個重要屬性為分析的依據，進行分類關聯分析，為解決問題和資源分配提供參考依據。

8、象限分析法

依據資料的不同，將各個比較主體分割到4個象限中。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。

9、趨勢分析法

當資料很多，而我們又想從資料中更快、更便捷來發現資料資訊的時候，這個時候需要藉助圖形的力量，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。

10、指標分析法

在實際工作中，當拿到一些視覺化資料圖表或是Excel表格時，我們可以直接運用統計學中的一些基礎指標來做資料分析，例如平均數、眾數、中位數、最大值、最小值等，以下我們分別來介紹：

平均數

平均數、也叫平均分析法，是指運用計算平均數的方法來反映總體在一定時間、地點條件下某一數量特徵的一般水準的分析方法。平均分析法常用指標有算術平均數、調和平均數、幾何平均數、眾數和中位數等，其中最常見的是算術平均數，也就是日常所說的平均數或平均值。

平均數指標可用於比較同類現像在不同地區、不同產業、不同單位等之間的差異程度，比用總量指標對比更具說服力。除此之外，利用平均指標來對比某些現像在不同歷史時期的變化，也更能說明其發現趨勢與規律。

眾數、中位數

眾數也就是資料中的一種代表數，它反應的是資料的一種集中程度。比如說最佳，最受歡迎，最滿意都跟眾數有關。眾數本質上來說，反映的是數據中發生頻率最高的一些數據指標，在做數據分析時，我們可以對這些數據指標提取一些共性的特點，然後進行提煉和總結，然後得出一些改進的意見。

中位數主要是反映的是一組數據的集中趨勢，像我們比較常見的常態分佈，比如說我們想去統計某市的人均收入，其實，大部分的人均收入都是在一定範圍之內的，只有少數部分是處於最低的和最高的，其實這是中位數帶來的意義。

在做數據分析時，如果各個數據之間的差異程度較小，用平均值就有較好的代表性；而如果數據之間的差異程度較大，特別是有個別的極端值的情況，用中位數或眾數有較好的代表性。

最大（小）值

最大（小）值在平常做資料分析工作時比較常見，只是我們沒有特別去注意。最值是作為典型代表和異常值進行分析的，比如說銷售團隊裡的銷售冠軍，電商爆款商品等。

11、綜合評價分析法

將多個指標轉化為一個能反映綜合情況的指標來進行評價，如企業經濟效益評價。包括主成分分析法、資料包絡分析法、模糊評估法等。

以上是常用的數據分析方法的詳細內容。更多資訊請關注PHP中文網其他相關文章！