數據分析方法論大全

這是一篇方法論。是的，很枯燥。

在知乎、woshipm、pmcaff、產品100等搜索了大量的數據分析相關的文章，發現沒有多少適合自己的，因為內容太過碎片化，就買了一套書，開始系統的學習。

當你完成一份數據分析報告時，不知領導是否有問過你，「你的分析方法論是什麼？」。如果分析方法論不正確或不合理，那分析結果參考價值幾何呢？

困惑

相信很多人在做數據分析時，會經常遇到這幾個問題：不知從哪方面入手開展分析；分析的內容和指標常常被質疑是否合理、完整，自己也說不出個所以然來。當然我也一樣，處在數據分析的學習階段，對這些問題常常會感到困惑。

這就是為什麼強調數據分析方法論的原因。當方法論結合了實際業務，才能盡量確保數據分析維度的完整性和結果的有效性。

數據分析的三大作用，主要是：現狀分析、原因分析和預測分析。什麼時候開展什麼樣的數據分析，需要根據我們的需求和目的來確定。

數據分析的一般步驟：

解惑

數據分析的目的越明確，分析越有價值。明確目的后，需要梳理思路，搭建分析框架，把分析目的分解成若干個不同的分析要點，然後針對每個分析要點確定分析方法和具體分析指標；最後，確保分析框架的體系化（體系化，即先分析什麼，後分析什麼，使得各個分析點之間具有邏輯聯繫），使分析結果具有說服力。

那麼，如何保證分析框架的體系化呢？

以營銷、管理等理論為指導，結合實際業務情況，搭建分析框架，這樣才能盡量確保數據分析維度的完整性，結果的有效性及正確性。

營銷方面的理論模型有：4P、用戶使用行為、STP理論、SWOT等。

管理方面的理論模型有：PEST、5W2H、時間管理、生命周期、邏輯樹、金字塔、SMART原則等。

這裡主要說明：PEST、5W2H、邏輯樹、4P、用戶使用行為這五個比較經典實用的理論，了解如何在搭建數據分析框架時應用它們作指導。

（1）PEST：主要用於行業分析

PEST，即政治（Political）、經濟（Economic）、社會（Social）和技術（Technological）

P：構成政治環境的關鍵指標有，政治體制、經濟體制、財政政策、稅收政策、產業政策、投資政策、國防開支水平政府補貼水平、民眾對政治的參與度等。

E：構成經濟環境的關鍵指標有，GDP及增長率、進出口總額及增長率、利率、匯率、通貨膨脹率、消費價格指數、居民可支配收入、失業率、勞動生產率等。

S：構成社會文化環境的關鍵指標有：人口規模、性別比例、年齡結構、出生率、死亡率、種族結構、婦女生育率、生活方式、購買習慣、教育狀況、城市特點、宗教信仰狀況等因素。

T：構成技術環境的關鍵指標有：新技術的發明和進展、折舊和報廢速度、技術更新速度、技術傳播速度、技術商品化速度、國家重點支持項目、國家投入的研發費用、專利個數、專利保護情況等因素。

eg：僅作舉例，不代表只考慮這幾點因素

（2）5W2H：應用相對廣泛，可用於用戶行為分析、業務問題專題分析、營銷活動等

5W2H，即何因（Why）、何事（What）、何人（Who）、何時（When）、何地（Where）、如何做（How）、何價（How much）

該方法廣泛應用於企業營銷、管理活動，對於決策和執行性的活動措施非常有幫助，也有助於彌補考慮問題的疏漏。

（3）邏輯樹：可用於業務問題專題分析

邏輯樹，又稱問題樹、演繹樹或分解樹等。

它是將問題的所有子問題分層羅列，從最高層開始，並逐步向下擴展。

邏輯樹的作用主要是幫我們理清自己的思路，避免進行重複和無關的思考。

邏輯樹的使用必須遵循以下三個原則。

• 要素化：把相同問題總結歸納成要素。

• 框架化：將各個要素組織成框架，遵守不重不漏的原則。

• 關聯化：框架內的各要素保持必要的相互關係，簡單而不孤立。

缺點：涉及的相關問題可能有遺漏，雖然可以用頭腦風暴把涉及的問題總結歸納出來，但還是難以避免存在考慮不周全的地方。所以在使用邏輯樹的時候，盡量把涉及的問題或要素考慮周全。

（4）4P：主要用於公司整體經營情況分析

4P，即產品（Product）、價格（Price）、渠道（Place）、促銷（Promotion）

（5）用戶使用行為：用途較為單一，就是用於用戶行為的研究分析

用戶使用行為，即用戶為獲取、使用物品或服務所採取的各種行動。

用戶對產品首先需要有一個認知、熟悉的過程，然後試用，再決定是否繼續消費使用，最後成為忠誠用戶。

用戶使用行為的完整過程：

可以利用用戶使用行為理論，梳理產品分析的各關鍵指標之間的邏輯關係，構建符合公司實際業務的產品分析指標體系。

這些方法論並非只能單獨使用，可以根據具體情況選擇合適的方法論嵌套使用。

最後

明確數據分析方法論的主要作用：

• 理順分析思路，確保數據分析結構體系化。

• 把問題分解成相關聯的部分，並顯示它們之間的關係。

• 為後續數據分析的開展指引方向。

• 確保分析結果的有效性及正確性。

明確數據分析方法論和數據分析法的區別：

數據分析方法論主要是從宏觀角度指導如何進行數據分析，它就像是一個數據分析的前期規劃，指導著後期數據分析工作的開展。

而數據分析法則指具體的分析方法，比如對比分析、交叉分析、相關分析、回歸分析等。數據分析法主要從微觀角度指導如何進行數據分析。

以上內容來自《誰說菜鳥不會數據分析（入門篇）》

大數據周刊

郵箱:[email protected]

眾論大數據 引領大時代