以下整理的是常見的數據分析方法，不同的分析方法適用于不同的場景，有助于快速上手數據分析，解決實際工作問題。要注意數據分析方法并非只有做數據分析工作中會用到，生活中也頗有用處，換個角度思考問題或許就能發現新的世界。
1.邏輯樹分析法
如果你分析的目的是想把復雜的事情變簡單，可以使用邏輯樹分析法。有名的費米問題就是使用邏輯樹分析法。
image
在求職面試中，也經常會考察這種問題：
全國有多少個產品經理？
深圳地鐵高峰期客流量多大？
公司樓下擺小攤月入多少？
這些估算類的問題都可以拆解成邏輯樹，把一個復雜的問題細分到可以具體量化的問題上。
再貼一個剛發現有味道的回答：
2.多維度拆解分析法：
比如評價一個公司好壞需要從多個維度：
image
其實我認為這個和邏輯樹的思路是比較類似的。把一個模糊的問題，拆解成多個子問題。
3.PEST分析法
嚴格的來說這個有點假大空只能說沾邊數據分析，但是如果你是做行業分析，就可以使用PEST分析，這一般是在市場調研的時候用。
Political Factors：政治環境
Economic Factors：經濟環境
Social and cultural Factors：社會環境
Technological Factors：技術環境
具體可以參考人人都是產品經理上的一篇少兒編程行業PEST分析：
4.對比分析法：
想要對比好壞，就可以使用對比分析法。
比如女朋友問：我白嗎？就是在做對比。
以前不知道在哪個課程里面聽到過這句話：好的數據指標一定是比例，好的數據分析一定有對比。確實現在在數據分析工作中根本離不開對比。
5.假設檢驗分析法：
如果你想找問題發生的原因，就用到假設檢驗分析方法。比如偵探片就會經常用這個辦法，先假設在論證。
類比到數據分析就是先假設是某原因導致結果不好，在針對的去用數據論證。在工作中常用假設論證法，可以快速提升你的業務思考能力。
6.相關分析法：
如果你想知道A和B有什么關系就要用到相關分析法。如云量多少和會發生下雨事件的概率會呈強正相關。
同樣的會有負相關，不相關，非線性相關。實際工作中我們會制作散點圖來分析兩個不同事物的相關性：
如抖音，B站推薦我喜歡的視頻。豆瓣推薦喜歡的電影會用到相關分析。
但是使用相關分析必須結合實際業務。
舉個例子：我家門前的樹每年都在長，國家的GPD每年也都在漲。雖然看起來是正相關，但實際毫無關系。
7.群組分析法：
如果你想對用戶留存和流失分析，就要用到群組分析法。
如產品發布發布版本的更新是導致用戶增長還是流失?？梢园凑沼脩羰褂卯a品的時間特征進行用戶數據分組，如可以分為使用產品x天組用戶。
按下文的RFM分類也是一個很好的分類辦法。
8.RFM分類法：
如果你想對用戶按價值分類，就要用到RFM分析方法，從而做到精細化運營。
其實是類似矩陣法，但是是把二維矩陣轉化成了三維。
根據美國數據庫營銷研究所Arthur Hughes的研究，客戶數據庫中有3個神奇的要素，這3個要素構成了數據分析最好的指標：
最近一次消費 (Recency)
消費頻率 (Frequency)
消費金額 (Monetary)
9.最終路徑法
也可以叫漏斗法，AARRR也屬于漏斗法的一種。如果你想分析用戶的行為或者產品運營，就要用到最終路徑法。通過對于起始和目標之間步驟的管理以及數據的反饋精細化運營。
如網上商城從點擊到付費中間路徑的用戶行為分析。在線教育點擊到付費中間的轉化等等。
常見的數據分析方法就介紹到這里了，但是歸根到底還是必須結合實際業務場景，否則一切都是空談。
