数据分析中的五大思维方法

在数据分析中，数据分析思维是一个基于框架的指南。在分析问题时，我们需要很多技能和工具。就像在中学一样，你可以用公式法，完全平方，平方根的提取或分解方法来求解二次方程。

我们还可以在一些常见的分析场景中使用数据分析技术。它们可以帮助您构建未来的数据分析模型。

在本文中，我们将共享五种常见的数据分析方法：公式方法，比较方法，象限方法，80/20规则和漏斗分析。我们经常组合使用它们。

注意：这些方法主要偏向思维层面，是基于业务问题的数据探索性分析。它们与专业统计中的数据处理方法不同。

1.公式方法

所谓公式是对公式进行分解，以分解某一指标的影响因素。

示例：使用公式方法分析产品销售低的原因。

产品销售额=销售量 单价 销量=渠道A销量+渠道B销量+渠道C销量+ ...... 渠道销售量=用户数 订单率 用户数=曝光率*点击率 第1步：找出影响产品销售的因素。销量是否过低或价格设定不合理？

第2步：找出影响销量的因素。分析每个渠道的销售量。将它与之前的销售进行比较，找出异常的销售情况。

第3步：分析影响渠道销售的因素。用户数量或订单率是低吗？如果订单率低，则有必要查看频道的广告内容是否与产品的实际受众相匹配。

第4步：分析影响点击次数的因素。曝光不足还是点击率太低？如果点击次数比率较低，则需要优化广告系列。曝光与频道有关。

为此，公式方法是对问题的层次分析。它逐步分解影响因素。

2.比较方法

比较方法是比较两组或更多组数据，这是最常用的方法。

我们知道孤立的数据毫无意义，我们通过比较看到差异。人们比较一些直接描述事物的变量，例如长度，数量，高度，宽度等，以获得比率，增长率，效率和其他指标。

比较方法可以找到数据变化的规律。下图显示了A公司和B公司的销售比较。虽然A公司的销售额普遍增加并且高于B公司，但B公司的增长率高于A公司。即使已经很晚了B公司的增长率下降，最终销售额迎头赶上。

3.象限法

通过划分两个或更多维度，我们使用坐标来表示值，即象限方法。象限方法基于策略驱动的思维。我们经常在产品分析，市场分析，客户管理和商品管理中使用它。

例如，以下图片是广告点击的四象限分布。

如果广告获得高转化率（CVR）和高点击率（CTR），则意味着其目标受众群体相对准确。

如果点击率很高且CVR很低，则意味着点击的大多数人都被广告本身所吸引。CVR较低表示广告定位的人与产品的实际受众群体不匹配。

高CVR和低点击率表示广告的受众和产品的实际受众更加一致。问题是需要优化广告内容以吸引更多人点击。

我们可以放弃CVR低，点击率低的广告。

使用象限方法分析具有相同特征的事件，您可以找到问题的常见原因。在上述广告案例中，观察第一象限中的事件，可以总结出有效的推广渠道和策略。第三和第四象限可以排除一些无效的促销渠道。同时，您可以为不同的象限建立优化策略。

4. 80/20规则

80/20规则也称为帕累托原则。它以其创始人，意大利经济学家Vilfredo Pareto的名字命名。他注意到意大利80％的财富在20％的人口控制下。在数据分析中，我们可以理解，20％的数据产生了80％的效果。我们需要挖掘这20％的数据。

它通常与排名有关，前20％被认为是有效数据。80/20规则分析关键部分并适用于任何行业。找到关键点，发现它们的特征，然后考虑如何使剩余的80％转换为这20％来改善效果。

通常，它将用于产品分类以测量和构建ABC模型。例如，如果零售企业有500个SKU（库存单位），那么哪些SKU很重要？这是在业务操作中区分主要部分和次要部分的问题。

通常的做法是将产品的SKU用作维度，并使用相应的销售作为基本指标来对这些销售指标进行排名，并计算每个SKU在总销售额中的累计销售百分比。例如，我们可以将它们分为3类：A类（<70％），B类（70％-90％）和C类（90％-100％）。您可以根据实际情况调整百分比。

ABC分析模型不仅可用于划分产品和销售，还可用于划分客户和利润。例如，哪些客户将80％的利润贡献给公司？如果这部分客户占20％，那么在资源有限的情况下，您就会专注于维护这20％的客户。

5.漏斗分析

漏斗分析是一个漏斗图，有点像一个倒金字塔。这是一种简化的思维方式。我们经常在分析中使用它来改变和某些过程，如新用户的开发，购物转换率等。

上图是一个经典的营销渠道，展示了从用户获取到最终转换为购买的整个过程。渠道模型将整个购买流程分为几个步骤。然后使用转换率来衡量每个步骤的性能，最后通过异常数据指标找到有问题的步骤。通过这种方式，我们可以优化步骤，以提高整体购买的转换率。

漏斗模型的核心概念可以归类为分解和量化。例如，要分析电子商务的转换，我们所要做的就是监控每个级别的用户转换，并找到每个级别的可优化点。对于未遵循该流程的用户，我们专门构建其转换模型并缩短路径以增强用户体验。但是，单个漏斗分析是无用的。我们应该将它与其他方法结合起来，例如与历史数据进行比较。

数据分析 工具 使用数据分析思维方法的好处是它提供了一个思维框架，可以帮助您建立对事物和问题的观点。现在我们有了一个思考框架，我们还需要有效的工具来实现真正的数据分析，比如Tableau和Python。在这里，我强烈推荐一种新的数据分析工具FineReport。它是一个商业智能和报告软件，集成了数据显示（报告）和数据输入（填充），可用于协助软件开发。它已成功入选Gartner全球市场指南，成为中国唯一被选中的制造商和产品，与微软，SAP和甲骨文等国际巨头一同上市。

FineReport允许您通过简单的拖放操作创建复杂的报告。它还集成了强大的功能，包括报告的可变显示，数据填充，数据分析，二次开发，移动应用程序等。

接下来，我们将使用FineReport向您展示一些数据分析方案。

1、指数完成率分析

2、营销分析

3、人口流动分析

如果您对FineReport感兴趣，可以去官方网站免费下载。这里也是FineReport初学者的学习路径。

此篇文章来自https://dzone.com/articles/top-5-methods-of-thinking-in-data-analysis

欢迎关注我的公众号，一起暴富~~~