3个模型+5个方法，数据分析小白必备

很多刚入门数据分析的小伙伴，甚至已经有做过几年数据分析的朋友在涉足不同行业或者场景的数据分析时，往往会不知道如何开始思考，一点思路都没有，然后就去咨询度娘，找找这个方法，找找那个方法，谁知有时候找到的是分析方法论，有时候找到的是数据分析方法，但是又无法准确的对这两者进行一个清晰的界定，也不知道如何有效的正确的使用这些方法论和分析方法。

先让我们看一下两者之间的定义：

数据分析方法论：是从宏观角度出发，从管理和业务的角度提出的一种分析框架，这个框架可以很好的指导我们接下来具体分析的方向和板块，如：5W2H、4P营销等

数据分析方法：是微观的概念，是指我们在具体分析过程中使用的方法，如常见的对比分析、交叉分析等

数据分析方法论的作用：

（1）帮我们梳理分析思路、确保数据分析形成结构化的体系

（2）把问题分解成有相关联的不同部分，并显示它们之间的关系

（3）为后续的数据分析开展指引方向

（4）对分析的结果可以保障一定的有效性和正确性，不容易偏离分析方向

下面我们来分别介绍几种常见的分析方法论和分析方法，在日常的分析中经常会用到。

数据分析方法论

1、PEST分析模型

PEST分析模型主要是企业对于自己所处的宏观环境的角度，从政治、经济、社会、技术4个方面分析企业现在所处的一个位置情况。

对于企业的分析完PEST之后，进一步就需要结合SWOT来分析机会与威胁。因此就要用到SWOT分析模型

2、SWOT分析模型

SWOT分析模型主要是对企业的优劣势和机会及威胁进行分析，通过不同的角度来看待公司的机会和风险及优劣势情况，相对考虑全面，对好与不好都覆盖了，从而可以更好的制定适合公司的战略发展规划

3、5W2H分析模型

对于分析用户行为分析的时候，可以通过5W2H方法的7个角度来看问题，对于电商的用户运营分析决策管理都是非常有指导性价值的。

另外常见的分析模型还有4P理论，主要是用于市场营销，分别从产品、价格、渠道、促销四个角度来看影响市场的因素情况。AARRR分析模型主要用于增长转化问题的分析，它是从获取（Acquisition）、激活（Activition）、留存（Retention）、收益（Revenue）、推荐（Referrai）5个链路关系来提高用户的增长。

常用数据分析方法

1、趋势分析

趋势分析是最常用也是最常见的数据监控分析方法，重点对于某一业务的波动进行观察，关注整体趋势下的异常值情况。

但是在实际的业务中，并不是所有的指标趋势都是有价值的，趋势分析也要选择有核心价值的指标，比如在对APP的用户进行分析，如果拿下载app用户分析和日活跃用户进行对比就可以发现，日活跃用户趋势才是对有价值的用户的行为进行观察判断，对决策有实质的帮助。

2、多维分析

在分析一个问题的时候，一个指标有时候是不能看出问题在哪里的，就需要对指标进行拆分，比如：对app的跳出率进行分析，就可以分别从用户访问深度、访问时长等多维度进行分析观察，可以找到更多可能的原因。

3、用户分群

用户分群可以从单维度分群，也可以是组合维度分群。

单维度分群比如按照用户的年龄、地域、性别等进行分群，但是往往这样用户分群比较粗糙，不能准确的刻画用户，就需要多维度组合分群。

多维度组合分群比如每天晚上登录3次以上的用户，每天白天登录小于一次的用户等。这些维度都是经过分析验证后按照用户的特点进行维度组合确认的。

4、个案研究

在用户分群之前往往不是非常清楚用户的行为有哪些，也不清楚如何开始分群，这个时候就需要抽样对个别用户进行详细的链路分析，找到大部分的用户行为事件，为用户分群建立最全的用户行为才能建立更好的用户分群。

同时通过个案研究可以很好的发现产品设计中的不足或者bug，然后有针对性的高效解决问题。

5、漏斗分析

漏斗分析是一种反应用户行为路径转化的模型，广泛用于电商网站等用户转化行为分析。也许大家都非常熟悉，但是有两个要点需要注意：

（1）总体转化和各环节转化要同时关注和分析

（2）对于整体的转化可以按照维度进行拆分下钻后进一步分析异常

常见的分析方法还有留存分析、ABtest分析、交叉分析等，可以根据不同的分析场景进行选择去解决对应的问题。

总结

针对方法论是分析的整体框架，可以在框架下根据不同的业务进行细节分析，利用不同的分析方法分析。

结合今天提到的常见分析方法论和分析方法，大家可以进行一个整理如下：

（1）战略规划用PEST和SWOT分析模型，有时个人的规划也可以

（2）市场营销用4P营销模型

（3）电商用户分析用5W2H和AARRR

对于具体的模型框架下不同的分析方法其实都是针对现象和问题找到更好的解决办法和更好的决策方案，结合过去分析经验总结一个最简单的分析角度：

（1）从大宏观方向着手：趋势分析、维度分析、漏斗分析

（2）从小用户方向着手：个案分析、样本ABtext、样本分群等

也就是当你从宏观和常规办法无法下手就从个案和细节对问题链路进行串联挖掘。

数据分析方法论是过去的市场沉淀下来的经验，可以很好的借鉴，但是也不是一成不变的，后续我们将针对性的介绍更多的数据分析方法和数据分析及挖掘案例，敬请期待