数据分析方法论

分析类型

评估型分析：评估已发生事情的对错优劣和价值：年度复盘	针对探索型（预测型）分析，可以从：营销\管理咨询模型（4P、4C、波士顿矩阵、PEST、SWOT）、数据\算法模型（RFM、关联规则、聚类、分类）、自建框架\模型（MECE、归纳、事件顺序\步骤、关键事项）
预测型分析：为某个问题探索出解决方案，如何设置会员梯度

分析方法论

1、对业务有充分的理解，明确分析目的（例如：使得收入增长20%，那盈利呢？）；2、拆解问题--进行转化（我理解为：搭建指标体系的过程https://blog.csdn.net/ykinitial/article/details/117670452）；3、数据分析；如下

问题：一级目标	二级目标（策略）	三级目标（可量化、比较）
分析如何收入增长20%（销售额=流量*转化率*客单价）	扩大用户注册数量	新用户数量
	提高用户留存	用户留存数
	召回流失用户	召回流失用户数
	提高客单价，实现客户终身价值	客户购买次数

数据分析方法论模型：

营销方面的理论模型有：4P、用户使用行为、STP理论、SWOT等。

管理方面的理论模型有：PEST、5W2H、时间管理、生命周期、逻辑树、金字塔、SMART原则等

常用分析方法：

1. 对比分析：常见对比方式：自身类似活动对比（同比、环比）、目标对比、竞品对比，需要注意的：指标口径要一致，对比对象要可比：相似性越高可比性越高
2. 细分分析：从复杂到简单拆解，例如目标拆解：逐步层层拆解目标，定义过程指标
3. 趋势分析：例如用户留存率分析
4. 结构化分析：研究各部分与整体的比例，对部分之间进行对比
5. 描述性统计分析：最大、四分位、均值、中位数等，通常不以独立分析方法存在，而是展开分析的前置步骤。（如：异常值处理、司机月收入，帕累托图：二八法则）
6. 综合评价分析：将多维度指标转换为一个能反映整体情况的指标，也就是将多维度指标设置权重，进行打分
7. 漏斗图分析：常用于分析牵涉多个环节的业务场景，发现具体是哪个环节是亮点或者漏洞
8. 四象限分析：如果是两个指标就是四象限，如果是三个指标需要用气泡图
9. 同期群分析：对于处于相同生命周期的用户进行垂直分析，从而得出相似群体随时间的变化（例如:都是新客，2月比3月的新客数量多，4月比四月多，留存率的每个同等阶段的都可以进行分析）
10. RFM用户分层分析：最近一次购买recency、购买频次frequency、购买金额monetary

个人觉得流程如下：确定将要分析的一级指标---理解数据（数据清洗、异常值处理）----‘总-分’的结构（数据整体与历史对比）---细分对比（维度和指标）

---

分析流程

数据清洗---数据展示---现象对比---方案提供---落地闭环