分析

⼗种常⽤的数据分析⽅法01 细分分析 细分分析是分析的基础，单⼀维度下的指标数据的信息价值很低。

细分⽅法可以分为两类，⼀类逐步分析，⽐如：来北京市的访客可分为朝阳，海淀等区；另⼀类是维度交叉，如：来⾃付费SEM的新访客。

细分⽤于解决所有问题。

⽐如漏⽃转化，实际上就是把转化过程按照步骤进⾏细分，流量渠道的分析和评估也需要⼤量⽤到细分的⽅法。

02 对⽐分析 对⽐分析主要是指将两个相互联系的指标数据进⾏⽐较，从数量上展⽰和说明研究对象的规模⼤⼩，⽔平⾼低，速度快慢等相对数值，通过相同维度下的指标对⽐，可以发现，找出业务在不同阶段的问题。

常见的对⽐⽅法包括：时间对⽐，空间对⽐，标准对⽐。

时间对⽐有三种：同⽐，环⽐，定基⽐。

例如：本周和上周进⾏对⽐就是环⽐；本⽉第⼀周和上⽉第⼀周对⽐就是同⽐；所有数据同今年的第⼀周对⽐则为定基⽐。

通过三种⽅式，可以分析业务增长⽔平，速度等信息。

03 漏⽃分析 转化漏⽃分析是业务分析的基本模型，最常见的是把最终的转化设置为某种⽬的的实现，最典型的就是完成交易。

但也可以是其他任何⽬的的实现，⽐如⼀次使⽤app的时间超过10分钟。

漏⽃帮助我们解决两⽅⾯的问题： 在⼀个过程中是否发⽣泄漏，如果有泄漏，我们能在漏⽃中看到，并且能够通过进⼀步的分析堵住这个泄漏点。

在⼀个过程中是否出现了其他不应该出现的过程，造成转化主进程收到损害。

04 同期群分析 同期群（cohort）分析在数据运营领域⼗分重要，互联⽹运营特别需要仔细洞察留存情况。

通过对性质完全⼀样的可对⽐群体的留存情况的⽐较，来分析哪些因素影响⽤户的留存。

同期群分析深受欢迎的重要原因是⼗分简单，但却⼗分直观。

同期群只⽤简单的⼀个图表，直接描述了⽤户在⼀段时间周期（甚⾄是整个LTV）的留存或流失变化情况。

以前留存分析只要⽤户有回访即定义为留存，这会导致留存指标虚⾼。

05 聚类分析 聚类分析具有简单，直观的特征，⽹站分析中的聚类主要分为：⽤户，页⾯或内容，来源。

5种经典的数据分析思维和方法：启方：数据分析不是个事儿在数据分析中，数据分析思维是框架式的指引，实际分析问题时还是需要很多“技巧工具”的。

就好比中学里你要解一元二次方式，可以用公式法、配方法、直接开平方法、因式分解法。

数据分析里也有技巧，在一些通用的分析场景下可以快速使用，而且对未来构建数据分析模型也有帮助。

接下来就分享常见的5种数据分析方法，分别是：公式法、对比法、象限法，二八法，漏斗法，常常多种结合一起使用。

注：主要偏思维层面的，基于业务问题对数据的探索性分析，不同于专业统计学中的数据处理方法。

一、公式法所谓公式法就是针对某个指标，用公式层层分解该指标的影响因素，这个我在指标化思维中提到过。

举例：分析某产品的销售额较低的原因，用公式法分解•某产品销售额=销售量 X 产品单价•销售量=渠道A销售量 + 渠道B销售量 + 渠道C销售量+ …•渠道销售量=点击用户数 X 下单率•点击用户数=曝光量 X 点击率第一层：找到产品销售额的影响因素。

某产品销售额=销售量X 产品单价。

是销量过低还是价格设置不合理？第二层：找到销售量的影响因素。

分析各渠道销售量，对比以往，是哪些过低了。

第三层：分析影响渠道销售量的因素。

渠道销售量=点击用户数X 下单率。

是点击用户数低了，还是下单量过低。

如果是下单量过低，需要看一下该渠道的广告内容针对的人群和产品实际受众符合度高不高。

第四层：分析影响点击的因素。

点击用户数=曝光量X点击率。

是曝光量不够还是点击率太低，点击率低需要优化广告创意，曝光量则和投放的渠道有关。

通过对销售额的逐层拆解，细化评估以及分析的粒度。

公式拆解法是针对问题的层级式解析，在拆解时，对因素层层分解，层层剥尽。

二、对比法对比法就是用两组或两组以上的数据进行比较，是最通用的方法。

我们知道孤立的数据没有意义，有对比才有差异。

一些直接描述事物的变量，如长度、数量、高度、宽度等。

通过对比得到比率数据，增速、效率、效益等指标，这才是数据分析时常用的。

分析的名词解释是什么分析是一种理解和解构复杂事物的方法或过程。

在不同领域和学科中，分析的目的和方法可能略有不同，但整体上，分析的核心目标是通过分解问题，找到问题的本质和相关要素之间的关系，以便更好地理解和解决问题。

分析通常包含以下几个方面：观察、解释、比较、推理和总结。

观察是指仔细观察事物的各个方面，收集信息，注意细节和变化。

解释是解构问题，明确问题所涉及的要点和关系，找出问题的关键因素。

比较是将问题与其他事物进行对比，以寻求异同之处，理解问题的特点和特征。

推理是根据已有的信息和逻辑思维，得出合理的结论和推测。

总结是将分析的结果进行归纳，形成一个完整的理解或解释，从而对问题有更深入的认识。

在实际应用中，分析具有广泛的用途和重要性。

无论是在科学研究领域，还是在商业决策、政策制定、社会问题解决等方面，分析都扮演着至关重要的角色。

在科学研究中，分析是获取和解释数据的关键过程。

科学研究中的数据往往非常庞大，需要通过分析的方法，从中提取有用的信息和模式。

科学家们可以利用不同的分析技术和工具，如统计分析、计算模型、图表等，对数据进行解释和推理，以发现新的现象、验证理论或提出假设。

在商业决策中，分析是帮助企业预测市场趋势、优化运营效率、制定市场营销策略等的关键工具。

通过对市场、客户、竞争对手等相关信息的分析，企业可以做出更准确的决策，提高竞争力。

例如，通过对销售数据的分析，企业可以了解产品的热销情况、客户的消费习惯，进而调整产品的定价、推广方式等，以满足市场需求。

在政策制定中，分析是评估政策效果和制定合理政策的基础。

政府部门往往需要对各种社会问题进行分析，以了解问题的原因、规模和影响。

通过对数据和信息的分析，政府可以更准确地评估目前政策的效果，发现问题的症结，并制定相应的政策措施。

例如，在环境保护领域，政府可以通过对环境数据的分析，了解污染源、污染物排放量、生态系统变化等情况，以制定更有效的环境保护政策。

总之，分析是一种重要的思维方法和工具，它帮助人们更好地理解和解决问题。

名词解释1、工作分析工作分析也叫职务分析，是指在组织中通过采用标准的程序和科学的方法，经过系统的岗位调查，收集有关工作职务的信息，包括职务的目的、任务或职责、权力、隶属关系、工作条件、任职资格等全面的信息，进行分析与整理，进而制定出岗位规范、工作说明书、岗位分类图等各种人力资源管理文件，为组织的人员甄选、员工培训与开发、薪酬设计、劳动关系、工作设计等一系列基础职能活动提供客观依据的系统过程。

2、工作要素工作要素是指工作活动中不能够再继续分解的最小动作单位，是形成职责的信息来源和分析基础，并不直接体现于岗位说明书中。

3、任务任务是指一系列为了不同的目的所担负完成的不同的工作活动，即工作活动中达到某一工作目的的要素集合。

4、职责职责是指由一个人负担的一项或多项相关联系的任务集合，常用任职者的行动加上行动目标加以表达。

5、权限权限是指为了保证职责的有效履行，任职者必须具备的，对某事项进行决策的范围和程度。

6、职位职位即岗位，是某一时间内某一主体所担负的一项或数项相互联系的职责集合。

7、职务职务是指主要职责在重要性与数量上相当的一组职位的集合或统称。

8、职业职业是指不同时间、不同组织中，工作要求相似或职责平行（相近、相当）的职位集合。

9、职位分类职位分类是指将所有的工作岗位，按其业务性质分为若干职组、职系（从横向上讲），然后按责任的大小、工作难易、所需教育程度及技术高低分为若干职级、职等（从纵向上讲），对每一职位给予准确的定义和描述，制作成职位说明书，以此作为对聘用人员管理的依据。

10、职系职系又被称为工作族，由两个或两个以上的工作组成，是职责繁简难易、轻重大小及所需资格条件不同，但工作性质充分相似的所有职位集合。

11、职组职组是指若干工作性质相近的所有职系的集合，也叫职群。

12、职级职级是同一职系中职责繁简、难易、轻重及任职条件充分相似的所有职位集合。

13、职等职等是指不同职系之间，职责的繁简、难易、轻重及任职条件要求充分相似的所有职位的集合。