資料分析，有沒有套路？不僅有，還很深，自己品。
藉著網際網路的東風，”資料分析”這個詞越來越火，小到業務執行、大到企業決策，資料都在持續發揮著價值。
但是很多同學只聞其名、未見其道，到底如何進行資料分析？資料分析有什麼套路嗎？今天就帶大家認識下資料分析的那些套路。
首先給大家個選擇題，大家覺得資料分析的第一步應該是？A 找分析方法B 確定問題C 看資料
有木有感覺這是道送分題？估計很多同學都會首先排除C選項（看資料），那肯定得先看看問題，或者先找找分析方法，再去看看資料吧！
這也是很多新手分析師容易犯的錯誤，看到一個數字漲了或跌了後，立馬翻出各類高大上的分析模型，甚至演算法模型跑一通，結果費了很多精力，也沒搗騰出個啥。
其實資料分析更科學的姿勢應該是先“準確看資料”，再“判斷有無問題”，然後“分析問題原因”。
在不確定問題或者說分析目標的情況下，一定不要各種堆模型，而是迴歸本質：問題是什麼？所以這題答案是C。
1 準確看
到這裡可能會有同學開始迷糊了，第一步是“準確看資料”？看資料有啥難度，難道我還會看錯？
請看第二題，下面哪種描述會讓你明確數字的含義？A 收入100萬元B 促銷活動收入100萬元C 10月促銷活動收入100萬元
是不是又是送分題？當然這道題沒啥爭議，C的描述場景更具體、更準確，所以給大家送上資料分析大法第一式“準確看”！
看資料主要看2個要素，【數字】和【描述】，兩者缺一不可。如果描述不到位，甚至會有2種截然不同的結果。比如：
A 小明收入100萬B 小明打工了20年，總收入合計100萬
是不是有從土豪到打工人的感覺？
所以看數需要明確數字對應的場景描述，場景越具體、資料的含義才越清晰。
2 客觀判
明白了怎麼看資料後，還是沒有辦法確定到底有沒有問題，再送上資料分析大法第二式“客觀判”！
想客觀的得出判斷，首先需要什麼？對，首先就得有判斷問題的標準，常見確定標準的方式有經驗定標、專家定標、趨勢定標等。
（1）經驗定標：即根據歷史資料和經驗作為判斷標準，常見的參考如歷史同期資料、競品同期資料等，如大促活動目標可參考歷史促銷或競品促銷資料。
（2）專家定標：即基於專家的人工判斷，常見的有專家評分、層次分析（AHP）等，即分結構、有效收集專家反饋資訊，總結出不同維度的權重標準。
（3）趨勢定標：根據事物發展的週期規律（如營銷活動週期、產品生命週期等），找到同階段的情況作為當前對比的標準。
比如下圖的銷售週期趨勢圖，銷量會週期性的發生波動，所以A點雖然是在走下行趨勢、但屬於正常情況，但B點是銷售週期的低谷、且低於之前的週期低谷，所以會存在問題。
建議大家養成常看數、看長週期數的習慣，培養自己對於趨勢的敏感度。
3 找方法
在“準確看資料”、“判斷有無問題”後，基本明確了資料問題或者分析目標，再就是資料分析大法第三式“找方法”！
做分析或選擇，資料方法還是有些套路滴，常用的分析方法有矩陣分析、漏斗分析、杜邦分析、分層分析、交叉分析等。
3.1 矩陣分析
矩陣分析是最基礎的結構化分析方法，前提是兩個標準的相關度要低，常見的矩陣分析模型有波士頓矩陣（增長率&市場佔有率）、重要緊急矩陣（時間長短&投入產出）等。
3.2 漏斗分析
流程化的分析方法，觀察流程節點間的轉化率情況，做出分析判斷。常用的如電商訪問下單流程、2B銷售流程等，透過觀察每個節點間的轉化率，判斷某個環節是否出現異常。
如下圖的2B銷售漏斗圖，在簽約客戶環節轉化率是25%，較低，可能是客戶對方案滿意度低，需重點關注產品方案問題。
需要注意的是，漏斗分析的每個下游節點資料範圍都需與上游節點統一，如簽約的40個客戶必須在上游的50個意向客戶中，否則轉化率的資料含義會失真。
3.3 杜邦分析
杜邦分析是最常用的分析方法之一，透過問題的層層拆解、分析，確定每一層次的表現情況，幫助最終分析出問題的主要矛盾。
最常見的就是電商的利潤模型，可見下圖，在按公式、結構的拆解後，可以清晰的定位到【利潤】變化的主要原因和次要原因：
3.4 分層分析
結構化分析的常用方法，即透過對分析目標分層、比較不同群體之間的差異，從而分析、總結出相關結論。
分層分析的方法，核心在於【分層】，即圍繞分析目標、設計出科學的分層方案。比如“二八法則”，就可以簡單粗暴的判斷出“高價值使用者”，這也是應用廣泛的分層方法。
常用的分層方法有RFM、COHORT、ABC分層等：
RFM：電商常用的分層方法，是透過最近消費時間、消費頻次和消費價值來確定使用者價值分層，核心是找出不同忠誠度和價值的使用者群，從而進行分層分析和運營。
COHORT：留存分析的常用方法，透過對比同一時期、渠道的新使用者，在後續留存、目標轉化情況，找到產品或渠道的最佳化迭代方向。
ABC分層：常用於供應鏈的庫存管理，即透過銷售重要度、銷售穩定性和庫轉維度，對在庫商品進行分層，分析不同層級的核心問題、給出解決方案，將極大提高庫存精細化管理的效率效能。
3.5 交叉分析
相信很多同學都有過這樣的經歷，某個指標發生了異常波動，然後被領導奪命連環問。有木有好的方法？交叉分析來幫忙！
交叉分析的核心是【窮舉】，即根據業務經驗、窮舉可能導致波動的維度和指標，進行交叉分析。
比如某公司廣告收入突然下降，我們可以按照下表的方式，去窮舉可能影響的維度、指標，透過觀察具體資料，確定主要原因。
以上給大家介紹了基本的資料分析思路和方法，其實針對不同的業務場景、業務問題，資料分析的方法還有很多，後續會再跟大家系統介紹。
4 小結
最後再給大家劃下重點，資料分析的基礎三步走：
準確看：需明確數字的描述場景，場景描述越具體，數字含義越準確。
客觀判：判斷是否有問題、有問題的程度，需要有客觀的評判標準，可透過經驗定標、專家定標、趨勢定標等方法確定標準後，再去判斷。
找方法：常用的分析方法有矩陣分析、漏斗分析、杜邦分析、分層分析、交叉分析等，確定問題的主要矛盾，以明晰現狀。
看到這裡，也許大家還是會有些困惑，分析方法有那麼多，遇到具體的問題時，又該如何快速、高效的選擇合適的分析方法呢？期待我們的後續文章吧！
文章來源於網易有數 ，作者九條
文章連結：https://mp.weixin.qq.com/s/iNxczk2sbP2AzbjH-B71bQ
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。各位也可以關注我的Facebook，按讚我的臉書並私訊「10」，送你十週入門數據分析電子書唷！期待你與我互動起來~
