7种最常用数据分析思维，解决95%的分析难题

很多人苦恼，学会了很多数据分析工具和技能，依然做不好数据分析。遇到业务问题时，常常觉得无从下手。其实，掌握技能和工具只是第一步，做好数据分析还必须要有数据分析思维。

数据思维具有框架性引导作用，能够帮助确认分析角度、搭配分析方法、选择指标体系以及得出分析结论。但要明白，数据思维不是一两周就能锻炼出来的，要不断练习，下面我给大家推荐7种常用的数据分析思维技巧，帮助大家缩短学习时间。

第一种：对比法

对比法是一种挖掘数据规律的思维，能够和任何技巧结合，一次合格的分析一定要用到N次对比。

对比主要分为以下几种：

横向对比：同一层级不同对象比较，如江苏不同市茅台销售情况。

纵向对比：同一对象不同层级比较，如江苏南京2021年各月份茅台销售情况。

目标对比：常见于目标管理，如完成率等。

时间对比：如同比、环比、月销售情况等，很多地方都会用到时间对比。

第二种：象限法

象限法是运用坐标的方式，人工对数据进行划分，从而传递数据价值，将之转变为策略。象限法应用很广泛，像RFM模型、波士顿矩阵都是象限法思维。

下面这个RFM模型就是利用象限法，将用户分为8个不同的层级，从而对不同用户制定不同的营销策略。

第三种：漏斗法

漏斗思维本质上是一种流程思路，在确定好关键节点之后，计算节点之间的转化率。这个思路同样适用于很多地方，像电商的用户购买路径分析、app的注册转化率等等。

著名的海盗模型AARRR模型就是以漏斗模型作为基础的，从获客、激活、留存、变现、自传播五个关键节点，分析不同节点之间的转化率，找到能够提升的环节，采取措施。

第四种：二八法

“世界上80%的财富掌握在20%的富人手里”，这句话你一定听过。这就是二八法则，也叫帕累托法则。这个方法的思维就是抓重点，围绕找到的20%有效数据，找到其特征，使之产生更大的效果。

比如一个商超进行产品分析的时候，就可以对每个商品的利润进行排序，找到前20%的产品，那这些产品就是能够带来较多价值的商品，可以再通过组合销售、降价销售等手段，进一步激发其带来的收益回报。

第五种：指数法

指数思维是一种目标驱动型思维，通过将无法利用的数据加工成指数，达到聚焦的目的，从而找到方向。但指数法没有统一的标准，比较多依靠经验，一旦设立的话不会经常变动。如果数据没有规律的时候，可以试试这个方法。

第六种：假设法

假设法一般用在进入新领域的时候，没有历史数据参考，没有外部线索，这个时候就需要假设。通过假设的数据进行反推，再去制定计划，整个过程是先假设，后验证，再分析结果。

比如在对新产品进行定价的时候，就是根据成本去假设一个售价，由销售情况去验证，再决定是否需要上调或者下调价格，以达到最大利润。

第七种：多维法

多维法主要是通过对数据的切割，分成多个维度，通过立方体的形式进行数据展示。在对数据进行交叉分析的时候，可能会出现辛普森悖论，与之而来的应对方法有钻取、上卷、切片、切块、旋转等。

多维法的使用场景也很广，比如一个app的用户分析，可以从注册数、用户偏好、用户兴趣和用户流失等角度进行分析。

推荐阅读

• 【Python自动化办公】分享几个好用到爆的模块，建议收藏！
  

• 用Python制作可视化GUI界面，一键实现证件照背景颜色的替换
  

• 【干货原创】发现了一个好用到爆的数据分析利器
  

• 百万点赞怎么来？用Python制作抖音视频原来这么简单！

• 【硬核干货】数据分析哪家强？选Pandas还是选SQL

分享、收藏、点赞、在看安排一下？