数据分析基础地图

目录

1. 数据分析方法

1.1产品研究

1.2品牌研究

1.3价格研究

1.4市场细分

1.5满意度研究

1.6用户研究

1.7预测决策

2.数据分析思维

2.1目标思维

2.1.1正确定义问题

2.1.2合理分解问题

2.1.3抓住关键问题

2.2对比思维

2.2.1 跟目标对比

2.2.2与上月环比

2.2.3与去年同比

2.2.4分渠道对比

2.2.5与同类对比

2.3细分思维

2.3.1按时间细分

2.3.2按空间细分

2.3.3按过程细分

2.3.4按公式细分

2.3.5按模型细分

2.4溯源思维

2.5相关思维

2.6假设思维

2.7逆向思维

2.7.1结构逆向

2.7.2功能逆向

2.7.3状态逆向

2.7.4原理逆向

2.7.5方法逆向

3.数据分析的模型

3.1  一维线性分析模型

3.2  二维矩阵分析模型

3.3  多维空间分析模型

3.4  其他分析模型

4.分析指标的5个步骤

4.1确认数据源是否正确

4.2判断变化的程度如何

4.3数据变化的周期如何

4.4变化前后发生了什么

4.5细分维度有哪些

---

1. 数据分析方法

按研究方向分类

1.1产品研究

ABC 分析 | 相关分析 | 对应分析 | 判别分析 | 结合分析 | 多维尺度分析

1.2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

1.3价格研究

相关分析 | PSM 价格分析

1.4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

1.5满意度研究

相关分析 | 回归分析 | 主成分分析 | 因子分析 | 结构方程

1.6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

1.7预测决策

回归分析 | 决策树 | 神经网络 | 时间序列 | Logistic 回归

2.数据分析思维

2.1目标思维

2.1.1正确定义问题

2.1.2合理分解问题

将大问题分解为小问题，并用MECE原则，做到相互独立，完全穷尽。

2.1.3抓住关键问题

在多数情况下，80% 的结果是由 20% 的原因造成的，故称之为二八法则

在不同的发展阶段，关键问题不一样

2.2对比思维

2.2.1 跟目标对比

2.2.2与上月环比

2.2.3与去年同比

2.2.4分渠道对比

2.2.5与同类对比

2.3细分思维

2.3.1按时间细分

2.3.2按空间细分

2.3.3按过程细分

2.3.4按公式细分

2.3.5按模型细分

2.4溯源思维

2.5相关思维

运用相关思维，通常包括以下 3 个步骤：
（1）收集相关数据
（2 ）绘制散点图形
（3 ）计算相关系数

2.6假设思维

运用假设思维，通常包括以下 3 个步骤：
（1 ）提出假设
（2 ）统计检验
（3 ）做出判断

2.7逆向思维

2.7.1结构逆向

结构逆向，就是把物理的结构反过来看。
比如说，手机通常是正向显示的。如果把画面反转过来，放在汽车仪表盘上方
合适的位置，导航软件的画面反射到前挡风玻璃上，就成了正面，这样你就不必低
头看手机了。

2.7.2功能逆向

功能逆向，就是把产品的功能反过来用。

比如说，保温桶的功能一般是保热。如果把保热的功能反过来，变成保冷，于
是有人做出了冰桶。

2.7.3状态逆向

状态逆向，就是把事物的状态反过来看。
比如说，人走楼梯，是人动，楼梯不动。如果把这个状态反过来，人不动，让
楼梯动，于是就有了自动扶梯。

2.7.4原理逆向

原理逆向，就是把科学的原理反过来用。
比如说，电动机的原理，是用电产生磁场，然后磁场移动物体。如果把这个原
理反过来，让移动物体产生磁场，磁场产生电，于是就有了发电机。

2.7.5方法逆向

方法逆向，把对应的方法反过来用。
比如说，有一种奇特的赛马规则，是比谁的马跑得更慢，结果参赛的两匹马几
乎都止步不前，太浪费时间了。如果换一个方法，让两个骑手换骑对方的马，结果
比赛很快就完成了

3.数据分析的模型

按维度进行分类

3.1  一维线性分析模型

AARRR | AISAS | 二八法则 | 产品生命周期 | 漏斗分析 | RARRA | 用户生命周期

3.2  二维矩阵分析模型

安索夫矩阵 | BCG 三四规则 | 波士顿矩阵 | EFE | Graveyard | 行业吸引力ROS/RMS | SPACE | SWOT | 战略钟

3.3  多维空间分析模型

波特五力分析 | KANO | PEST | RFM | SCP

3.4  其他分析模型

5W2H | ABC 分类 | 杜邦分析 | 雷达图 | MECE | 麦肯锡七步分析法 | 麦肯锡
7S 模型 | PDCA | VCA | 鱼骨图

4.分析指标的5个步骤

4.1确认数据源是否正确

4.2判断变化的程度如何

如果是轻微的变化，在正常的波动范围之内，那么通常可以不用深入分析。

假如数据变化比较大，超出我们的预期，那么需要做进一步的分析。对于数据严重超标的情况，需要重点跟进分析。

4.3数据变化的周期如何

如果是一次性的变化，那么分析看看是否有持续的迹象？如果是周期性的变化，那么分析看看是否符合周期性的规律

4.4变化前后发生了什么

一般数据分析的原则是： 剧烈变化看政策，短期波动找内因，长期异动找外
因。

4.5细分维度有哪些

数据变化是很正常的现象，发现数据指标的变化以后，首先要确认数据本身的
正确性，然后再去分析数据变化的程度、周期、相关事件、细分纬度等情况