2020最火的9个数据分析的思路来啦！让你轻松上阵

大数据大火，人们对数据分析的要求也越来越高，今天主要为大家介绍9个数据分析思路，让你轻松上道数据分析，轻松上阵！

一、关于数据分析的若干思路

1、流程类——行动步骤

行动步骤就是先确定起点、终点(目标)，然后将起点和终点的距离拆分成一个个小步骤，知道先做什么，后做什么。

常见的数据分析路径之一是SAS公司提出的SEMMA范式：

a. Sample，数据抽样，保证数据的效度和信度；

b. Explore，数据特征探索及预处理，看数据的分布情况、对数据进行标准化等；

c. Modefy，明确问题、模型选择、方案调整；

d. Model，执行建模方案；

e. Assess，结果评估(准确性、稳定性、是否符合业务预期、效益如何)。

另一个常用的数据分析范式是CRISP-DM，分为6个步骤：

2、流程类——分步转换

按照已知的转化路径，借助漏斗模型分析总体和每一步的转化情况。常见的转化情境有下单率，成功转化率等。

3、流程类——闭环迭代

一般的闭环流程包括3部分：事前方案规划，事中执行监控，事后复盘总结。

4、对比分析

基本上90%以上的分析都离不开对比，沿着提出假设及对应的衡量指标的思路，这时就可以通过对比来分析了。

对比最常用的有一下五类：

纵比：在时间维度上，纵向则是和自己的历史数据对比。常见的纵向对比有同比和环比，对比的周期根据实际情况可以按日、周、月、季、年等。

横比：横向是和其他对象比较，例如设置实验组和对比组，对比两组或多组之间的差异，以确定人为干预(实验、方案)的效应。和同类(竞品)比较也是其中一种。

与经验值对比：可以拉取更长的时间段，看A页面的转化率变化规律，看使用X策略是否高于时间规律上的预期值；可以选取更多同类页面，选取同时期的转化率对比，看A的转化率处于哪个位置？

与业务目标对比：假如大的业务目标其实是GMV为2000w，计算目标转化率=目标GMV/（UV*客单价），然后对比目标转化率和目前转化率的差距。

5、数据趋势分析

数据趋势分析，一般会选取一个较长的时间段来看数值的起伏变化趋势。看趋势有什么用呢？

数据预警：当某天的数据趋势线出现明显异常的变化时，就需要引起项目组的警惕，去排查变化原因并及时作出应对策略。

适应性运营策略：例如某服饰类的频道，历史呈现出的规律是工作日流量相对较高，到周末则会出现明显的下降。当运营想要在此频道推一个女装主题的促销活动时，就可依据此规律选取工作日为活动上线时间。

6、价值矩阵分析法

对比分析往往只是在单一维度上进行价值对比，直接得出谁高谁低。但在实际情况中，就跟做人才选拔既需要看成绩也需要看潜力一样，衡量的维度往往会有多个。在企业众多的业务线/产品的众多功能模块中，哪些值得加大资源投入、哪些应该及早放弃，才能是企业的资源得到最大化的运用呢？

价值矩阵分析法就可以用于综合衡量多个因素的价值，辅助决策在哪些因素可以加大投入。放到企业决策中，可以判断业务的价值高低；放到页面模块或产品功能模块的场景中，可以用于判断功能/模块的价值；放到渠道质量评估中，可以用于评估多个渠道的用户质量。

7、层级——自上而下的拆解

可以理解为“分级钻取”，如同金字塔结构一样，先从总体看到二级分支，然后再看更细的分支。

例如支付成功率的影响，可以对新老客、订单来源、支付方式、银行通道一层一层拆解，细化各个分支对整体变化的贡献率；

杜邦指标拆解也是很典型的一种。

(上图为亿信ABI制作的杜邦分析模型)

8、层级——自下而上的组合

就是将个体组成群体，将小的指标组合成一个综合指标。例如风控业务中累计坏账计提的计算，是将不同的逾期资金规定不同的风险计提比例，最后再把所有类别的风险计提资金汇总起来，作为公司所有贷出款项的风险计提资金，从而对公司贷款业务风险进行评估；

9、A/B 测试

A/B测试就是同时进行多个方案并行测试，但是每个方案仅有一个变量不同;然后以某种规则(例如用户体验、数据指标等)优胜略汰选择最优的方案。数据分析需要在这个过程中选择合理的分组样本、监测数据指标、事后数据分析和不同方案评估。

二、好用的数据分析工具

上面说了这么多数据分析的方法及思路，对于大家来说都是“概念性”的东西，如果想要避免纸上谈兵还是需要在实际数据分析过程中选择合适的思路去一一验证和实践。这个时候，一个好用的数据分析工具也会为你加分不少，像上述的杜邦分析法模型就是利用亿信ABI制作的，想要体验的小伙伴可以点击下方链接，进行试用~

亿信ABI一站式数据分析平台-全能型商业智能BI数据分析工具www.esensoft.com

1、亿信ABI，统计图表多样，可以给你的分析思路增光添彩。下面仅仅是沧海一粟，更多的样式等你发掘

2、打通数据生命周期各环节

从数据源接入，到数据采集、数据处理，再到数据分析和挖掘，打通数据生命周期的各个环节，实现数据填报、处理、分析一体化，为用户提供一站式数据服务。既能支持对分析表进行数据回填设置，又能完成数据融合，提升数据质量，服务数据分析。

有兴趣的可以去试用哦~轻松上手数据分析不是梦不是梦不是梦~