思維技巧：

象限法（SWOT分析，KNO模型客戶(hù)分群，RFM模型等，分類(lèi)視角）：

優(yōu)點(diǎn)：清晰，簡(jiǎn)單，直觀(guān)，劃分結(jié)果可以直接應(yīng)用于策略（活用數(shù)據(jù)）

應(yīng)用：較為普遍，戰(zhàn)略分析、產(chǎn)品分析、市場(chǎng)分析、客戶(hù)管理、用戶(hù)管理、商品管理

注意事項(xiàng)：象限的劃分可以按中位數(shù)，也可以按平均數(shù)或者是不同的經(jīng)驗(yàn)維度進(jìn)行劃分。

多維法（分類(lèi)視角）：

自然因素維度：客戶(hù)的性別、年齡、地區(qū)等；

客戶(hù)社會(huì)特征維度：收入、職業(yè)、教育程度等；

行為特征維度：偏好、興趣、購(gòu)買(mǎi)數(shù)量、購(gòu)買(mǎi)頻次；

消費(fèi)維度：消費(fèi)金額、消費(fèi)頻率、消費(fèi)水平；

商品維度：商品品類(lèi)、商品品牌、商品屬性；

對(duì)不同維度組成立方體進(jìn)行多維分析，通?？捎每梢暬ぞ邔?duì)多維度的內(nèi)容進(jìn)行分析展現(xiàn)（比如Tableau）。

應(yīng)用：處理大數(shù)據(jù)量且較多維度的數(shù)據(jù)時(shí)效果較好，不過(guò)要注意辛普森悖論（規(guī)避辛普森悖論的方法可以采用下鉆）；
（當(dāng)組內(nèi)差異較大時(shí)就容易出現(xiàn)辛普森悖論，當(dāng)組建差異較大時(shí)就可以避免辛普森悖論）

假設(shè)法（通常采用控制變量）：

例如：在沒(méi)有明細(xì)數(shù)據(jù)的情況下要怎么分析？
公司在節(jié)假日進(jìn)行了一次營(yíng)銷(xiāo)活動(dòng)，APP上的銷(xiāo)量數(shù)據(jù)整體比上周上升了20%?，F(xiàn)因某些原因拿不到明細(xì)數(shù)據(jù)。請(qǐng)問(wèn)，銷(xiāo)量本身就有可能因?yàn)楣?jié)假日而提高，那么怎么證明活動(dòng)是有效還是無(wú)效的呢？

假設(shè)活動(dòng)是有效的——會(huì)有一定數(shù)量的用戶(hù)購(gòu)買(mǎi)，如果證明這條，那么有理由相信活動(dòng)是有效的——用戶(hù)通過(guò)活動(dòng)購(gòu)買(mǎi)，會(huì)發(fā)生什么可觀(guān)測(cè)的行為呢？——假設(shè)有一些用戶(hù)會(huì)評(píng)論留言，那么可以統(tǒng)計(jì)提及活動(dòng)的字眼-當(dāng)用戶(hù)提及了這次活動(dòng)營(yíng)銷(xiāo)活動(dòng)，那么到底有效了多少？10%？20%？——假設(shè)參與活動(dòng)的用戶(hù)行為沒(méi)有變化，那么通過(guò)歷史數(shù)據(jù)的用戶(hù)評(píng)論占比，進(jìn)而反推購(gòu)買(mǎi)人數(shù)，也就是通過(guò)控制變量和人工的設(shè)置一個(gè)比例來(lái)進(jìn)行反推。

你是自營(yíng)電商的數(shù)據(jù)分析師，現(xiàn)在想商品提價(jià)后，收入會(huì)不會(huì)有變化，你會(huì)怎么做？

指數(shù)法：

線(xiàn)性加權(quán)：不同指標(biāo)的權(quán)重比例

反比例：y=k/x，收斂的效果（可與線(xiàn)性加權(quán)結(jié)合）

Log：將數(shù)據(jù)變小，但是數(shù)據(jù)是大于1的，單個(gè)值對(duì)數(shù)據(jù)的影響不會(huì)很大

（三個(gè)基本上是結(jié)合使用的）

二八法（描述視角）：

也叫做二八法則、帕累托法則

重點(diǎn)關(guān)注20%的數(shù)據(jù)，TopN，抓住核心，把精力用在更重要的地方（企業(yè)的資源是有限的）；重點(diǎn)要關(guān)注核心指標(biāo)情況，當(dāng)然也要兼顧全局；

對(duì)比法（對(duì)比視角）：

好的數(shù)據(jù)指標(biāo)，一定是比例或者比率；好的數(shù)據(jù)分析，一定會(huì)用到對(duì)比（精益數(shù)據(jù)分析）

因?yàn)楣聰?shù)不證，單一的一個(gè)數(shù)字是沒(méi)有意義的，要跟其它的數(shù)據(jù)進(jìn)行對(duì)比才有意義，一般是使用占比、絕對(duì)值，對(duì)比數(shù)據(jù)；

通常有競(jìng)爭(zhēng)對(duì)手對(duì)比，類(lèi)別對(duì)比，特征和屬性對(duì)比，時(shí)間同比環(huán)比，轉(zhuǎn)化對(duì)比，前后變化對(duì)比；

對(duì)比法是一種挖掘數(shù)據(jù)規(guī)律的思考方式，可以和其它方法相結(jié)合，多維對(duì)比，象限對(duì)比和假設(shè)對(duì)比

漏斗法：

通常是轉(zhuǎn)化率，是一種流程話(huà)的思考方式，但是單一的漏斗分析沒(méi)有太大用處，要和其它分析方法進(jìn)行結(jié)合（多維法、對(duì)比法）

分析視角

分析視角一般分為四類(lèi)：對(duì)比視角、相關(guān)視角、分類(lèi)視角和描述視角。
在前面分析框架和思維技巧的前提下，結(jié)合使用分析視角來(lái)進(jìn)行分析，才能提高分析價(jià)值。

對(duì)比視角：

通常有頻數(shù)統(tǒng)計(jì)、均值分析、標(biāo)準(zhǔn)化、轉(zhuǎn)化率分析、PSM模型和歸因分析等；

相關(guān)視角：

方差分析、交叉分析、比較均值、因子分析、對(duì)應(yīng)分析、品牌和覺(jué)圖分析、回歸分析、線(xiàn)性規(guī)劃等；

分類(lèi)視角：

SWOT分析、波特五力（消費(fèi)者、供應(yīng)商、直接競(jìng)爭(zhēng)對(duì)手、替代品、潛在進(jìn)入者）、聚類(lèi)分析、矩陣分析、Graveyard模型、KANO模型等；

描述視角：

集中趨勢(shì)（加權(quán)平均計(jì)算評(píng)分）、離中趨勢(shì)（變異系數(shù)法確定權(quán)重）；

以上的分析方法和模型基本上都是多種視角的綜合運(yùn)用，歸類(lèi)劃分只是將其歸類(lèi)為最主要的分析視角里，在實(shí)際的工作運(yùn)用中需要進(jìn)行綜合評(píng)估