书名：谁说菜鸟不会数据分析（入门篇）

作者：刘夏璐，狄松

本文为上一篇读书笔记的延续，整理一些自己觉得重要的知识点提醒，需要的可以找下原书详细看。

五、数据分析

方法：

1、对比分析法

定义：将两个或两个以上的数据进行比较，分析差异，从而揭示这些数据所代表的事物发展变化情况和规律性。

特点：可以非常直观地看出事物某方面的变化或差距，并且可以准确、量化地表示出这种变化或差距是多少。

分类：

（1）静态比较：在同一时间条件下对不同总体指标的比较，横向比较

（2）动态比较：在同一总体条件下对不同时期指标数值的比较，纵向比较。

对比分析维度：

（1）与目标对比

（2）不同时期对比

（3）同级部门、单位、地区对比

（4）行业内对比

（5）活动效果对比

2、分组分析法

（1）确定组数。

（2）确定各组的组距：组距=（最大值-最小值）/组数

（3）根据组距大小，对数据进行分组整理，划归至相应组内。

3、结构分析法

定义：被分析总体内的各部分与总体之间进行对比的分析方法，即总体内各部分占总体的比例，属于相对指标。如市场占有率。

结构相对指标（比例）的计算公式为：

结构相对指标（比例）=（总体某部分的数值/总体总量）×100%

4、平均分析法

作用：利用平均指标对比同类现象在不同地区、不同行业、不同类型单位之间的差异程度；利用平均指标对比某些现象在不同历史时期的变化，更能说明其发展趋势和规律。

平均指标包括算数平均数、调和平均数、几何平均数、众数和中位数等。

5、交叉分析法

分析两个变量（字段）之间的关系，即同时将有两个有一定联系的变量及其值交叉排列在一张表格内，使各变量值成为不同变量的交叉结点，形成交叉表，从而分析交叉表中变量之间的关系。一般为二维交叉表。

6、综合评价分析法

五个步骤：

（1）确定综合评价指标体系，即包括哪些指标，是综合评价的基础和依据。

（2）收集数据，并对不同计量单位的指标数据进行标准化处理。

（3）确定指标体系中各指标的权重，以保证评价的科学性。

（4）对经处理后的指标再进行汇总计算出综合评价指数或综合评价分值。

（5）根据评价指数或分值对参评单位进行排序，并由此得出结论。

三大特点：

（1）评价过程不是逐个指标顺次完成的，而是通过一些特殊方法将多个指标的评价同时完成。

（2）在综合评价过程中，一般要根据指标的重要性进行加权处理。

（3）评价结果不再是具有具体含义的统计指标，而以指数或分值表示参评单位综合状况的排序。

0-1标准化又称离差标准化，即对原始数据作线性变换，使结果落到[0,1]区间。

数据转换公式为：第N个经标准化处理的值=（第N个原始值-最小值）/（最大值-最小值）

权重确定方法，如目标优化矩阵。

目标优化矩阵的用法为：将纵轴上的项目依次与横轴上的项目对比，如果纵轴上的项目比横轴上的项目重要，那么在两个项目相交的格子中填“1”，否则填“0”，最后将每行数字相加，根据合计的数值进行排序。

7、杜邦分析法

以总资产收益率和权益乘数为核心，重点揭示企业盈利能力及权益乘数对净资产收益率的影响，以及各相关指标间的相互影响关系。

8、漏斗图分析法

适合业务流程比较规范、周期比较长、各流程环节涉及复杂业务过程比较多的管理分析工具。

9、矩阵关联分析法

根据事物（如产品、服务等）的两个重要属性（指标）作为分析的依据，进行分类关联分析，找出解决问题的一种分析方法。以属性A为横轴，属性B为纵轴，组成一个坐标系，在两坐标轴上分别按某一标准（可取平均值、经验值、行业水平等）进行刻度划分，构成四个象限，将要分析的每个事物对应投射至这四个象限内，进行交叉分类分析，直观地将两个属性的关联性表现出来，进而分析每一个事物在这两个属性上的表现。又称象限图分析法。

发展矩阵：用箭头把每个项目在近年中的变化标注出来。

改进难易矩阵

10、其他高级数据分析方法（开个坑留在这里以后专门整理方法）

（1）产品研究：相关分析、对应分析、判别分析、结合分析、多维尺度分析等

（2）品牌研究：相关分析、聚类分析、判别分析、因子分析、对应分析、多维尺度分析等

（3）价格研究：相关分析、PSM价格分析等

（4）市场细分：聚类分析、判别分析、因子分析、对应分析、多维尺度分析、Logistic回归、决策树等

（5）满意度分析：相关分析、回归分析、主成分分析、因子分析、结构方程等

（6）用户研究：相关分析、聚类分析、判别分析、因子分析、对应分析、Logistic回归、决策树、关联规则等

（7）预测决策：回归分析、决策树、神经网络、时间序列、Logistic回归等

工具：

数据透视表

以上内容为个人理解整理学习用，请在引用时标明原作者。

如果觉得我的努力还可以，客官点个赞可好？

如果有理解错误，请评论指点我修改。你的支持也是我的学习动力。谢谢！