文章来源于：数据万花筒
点击上方蓝字关注我们
文章目录结构如下：
1.三大分析思维
2.不同生命周期的分析方法
3.实操案例汇总
掌握常用的数据分析方法论是培养数据分析思维的基础，俗话说“工欲善其事，必先利其器”，而数据分析方法论就是数据分析是最强大的武器之一。这一节会围绕数据分析常用分析方法展开，概括性地介绍数据分析师在日常工作中较为常用的数据分析方法论。
01
三大分析思维
对比分析，用户分群以及相关性与因果性分析是贯穿数据分析全流程的三大分析思维。如图1所示，三大分析思维包含了不同的分析方法。
图1 三大分析思维概括
没有对比就没有明确的数据结论，对比分析可以衡量数据整体大小，数据波动以及数据变化趋势，所以说对比分析是得出数据结论最简单有效的方法。通常情况下，数据分析师会利用业务数据与大盘数据或者行业金标准数据进行对比，以判断业务现状。除此之外，同比，环比/横比/纵比等也是较为常用的对比分析方法。A/B测试是一类较为特殊的对比分析方法，该方法是数据分析师常用的线上试验的方法，是探究变量间因果关系最行之有效的方法。
用户分群也是贯穿数据分析全链路的分析思维，根据用户的行为数据/消费数据等特征对用户分群是实现用户精细化运营的基础。用户分群可以基于用户历史数据，对数据进行分箱处理形成规则类型的标签，从而根据标签实现用户分群。如果企业的数据标签体系做得好可以直接通过数据标签实现用户的分群。除此之外，用户同期群分析也是用户分群另一种方法，该方法是一种横纵结合的分析方法，在横向上分析同期群随着周期推移而发生的变化，在纵向上分析在生命周期相同阶段的群组之间的差异。当然，数据分析师也可以根据需要使用RFM模型或者K-Means等机器学习算法实现用户分群。
除了对比分析和用户分群之外，相关性与因果性分析也是数据分析师需要具备的第三大分析思维。在变量关系探索的过程中，相关性分析师较为常用的分析方法，但是变量之间存在相关性并不代表它们之间拥有因果性，所以必要时候因果推断也是数据分析师必会的分析方法。
完整文章请移步，数据万花筒
剩余目录结构为：
2.不同生命周期的分析方法
3.实操案例汇总
