对比分析与分类分析可参考：数据分析思维拓展之对比分析与分类分析 - 掘金 (juejin.cn)

时间序列分析可参考：数据分析思维拓展之时间序列分析思路 - 掘金 (juejin.cn)

逻辑树分析

逻辑树分析思路

逻辑树是将已知问题及所有子问题分层罗列，从最高层开始逐步扩展，帮助我们理清所有的思路，避免重复和无关的思考。

逻辑树分析流程

案例

分析电商平台营收同比大幅下降的原因

在运用逻辑树时：

首先可由左至右画出树状图，最左边是已知问题，即思考的目标问题(树干) ;
其次再思考造成问题的原因，作出第一层原因---树枝;
当第一层原因浮现后，可针对个别原因再深入细究，依次是第二层原因、第三层...，逐层递推

针对电商平台客户流失的解决方案

在以逻辑树追究出问题的原因之后接下来就以分析的结果做为依据思考具体的解决方案

多维度拆解分析

多维度拆解分析思路

多维度拆解分析法:

维度+拆解

维度: 看待问题的角度

拆解: 将一个问题分解为不同维度的指标

拆解方式构成

拆解方式有两种:指标构成和业务流程

指标构成:分析单一指标的构成。比如单一指标为用户，而用户又可以拆解为新用户、老用户。

业务流程:按业务流程进行拆解分析，比如不同渠道的用户付费率。

拆解方式使用方法

从指标构成拆解

从业务流程拆分

不同渠道在不同业务情况下的分析

多维度拆解分析应用场景

将整体拆分为部分，可以看到数据构成要素的差异
将复杂问题拆分为简单问题

例如：医院的医治率需要从轻症和重症两个维度拆解、吸烟者、非吸烟者的生存率需要从年龄维度拆解、大学生就业收入情况需要从职业维度拆解、用户=国外用户+国内用户······

多个变量间的相关性分析

相关分析是一种简单易行的测量定量数据之间的关系情况的分析方法。可以分析包括变量间的关系情况以及关系强弱程度等。

比如:身高和体重的相关性;降水量与河流水位的相关性;工作压力与心理健康的相关性等。

经典的相关性分析

皮尔逊(Pearson)相关系数

最常用

斯皮尔曼( spearman)相关系数
肯德尔(Kendall )相关系数

数据分析思维拓展之逻辑树分析、多维度拆解分析、多个变量间的相关性分析