数据分析方法有很多，例如：细分分析、对比分析、漏斗分析、同期群分析等。而细分分析是分析的基础，单一维度下的指标数据的信息价值很低。细分方法可以分为两类， 一是逐步分析; 二是维度交叉。

　　数据分析方法有很多，例如：细分分析、对比分析、漏斗分析、同期群分析等。

　　1.细分分析

　　细分分析是分析的基础，单一维度下的指标数据的信息价值很低。细分方法可以分为两类， 一是逐步分析; 二是维度交叉。

　　细分分析用于解决所有问题。实际上就是把转化过程按照步骤进行细分，流量渠道的分析和评估也需要大量用到细分的方法。

　　2.对比分析

　　主要是指将两个相互联系的指标数据进行比较，从数量上展示和说明研究对象的规模大小，水平高低，速度快慢等相对数值， 通过相同维度下的指标对比，可以发现，找出业务在不同阶段的问题。

　　常见的对比方法包括： 时间对比，空间对比，标准对比。

　　时间对比有三种： 同比，环比，定基比。

　　3.漏斗分析

　　转化漏斗分析是业务分析的基本模型， 最常见的是把最终的转化设置为某种目的的实现，最典型的就是完成交易。但也可以是其他任何目的的实现，比如一次使用 app 的时间超过 10 分钟。

　　4.同期群分析

　　同期群(cohort)分析在数据运营领域十分重要，互联网运营特别需要仔细洞察留存情况。 通过对性质完全一样的可对比群体的留存情况的比较，来分析哪些因素影响用户的留存。

　　数据分析的流程

　　1.明确目的，提出问题

　　2.数据采集：收集原始数据，数据来源可能是丰富多样的。

　　3.数据处理：对收集到的原始数据进行数据加工。

　　4.数据转换：通过探索式分析检验假设值的形成方式，在数据之中发现新的特征，对整个数据集有个全面认识。

　　5.数据分析：数据整理完成后，利用工具进行分析。

　　6.数据可视化

　　7.撰写报告

　　数据分析方法论主要是从宏观角度介绍如何进行数据分析，它就像是一个数据分析的前期规划，搭建一个清晰的数据分析框架。对于具体的业务场景问题，就要靠具体的分析方法来支撑。

　　数据分析常用分析方法

　　常用的数据分析方法有：PEST分析方法、5W2H分析法、4P营销分析法、逻辑树分析法、指标拆分法、对比分析法、漏斗分析法、用户行为分析法、用户生命周期分析法、金字塔分析法等等，下面我们逐个的简单说明下

　　(1)PEST分析方法

　　这个方法主要应用于行业研究中。从政治(Political)、经济(Economic)、社会(Social)、技术(Technical)，简称PEST角度对一个行业进行比较分析。下面我们举一个例子：我们小讲开始就谈到数据分析行业前景，那么我们在此利用PEST分析下大数据行业前景如何?

　　(2)5W2H分析法

　　这个方法主要应用于用户行为研究和专项问题分析，从时间、地点、人物、事情、原因、方式、价格等7个方面对一个问题进行刻画研究。请看如下案例二：

　　(3)4P营销理论

　　这个方法主要应用于公司整体经营状况分析，是比较经典的营销分析方法。该方法从产品、价格、渠道、促销等四方面对企业经营状况进行全面分析。请看如下案例三：

　　(4)逻辑树分析法

　　这个方法也称作问题树分析方法，主要应用于针对业务存在的问题进行专题分析，是数据分析方法中非常常见的一种分析方法。请看案例四：

　　(5)指标拆分法

　　这个方法也是经常适用的方法，特别是为了达成业务目标，我们往往都会先定一个总的目标，然后再初步的拆解指标。下面我们讲讲案例五：

　　(6)对比分析法

　　对比分析法是非常常用的基础分析方法，虽然方法特别简单，但几乎所有的分析报告中，都会采取对比分析方法。比如去年同期相比、上个月环比、目标和实际达成相比、各个部门和业务线相比、行业内竞品比较、营销效果对比，等等。这里需要注意的是我们不管是横向比较还是纵向比较，比较的双方一定要有可比性，并且在同一个维度、粒度上去比较，要不是毫无意义的。

　　(7)漏斗分析法

　　漏斗分析方法经常应用于产品的转化分析。举个电商的例子：用户登录网站1千万，浏览商品详情页200万，加入购物车80万，下单支付50万，支付成功40万。每一步都是转化率的问题。针对关键路径进行漏斗分析能够帮助我们快速的定位到问题所在。从而能够及时做出决策。

　　(8)用户行为理论

　　也称用户的活动周期理论。该分析方法，往往用于对用户的基础研究中。用户行为过程分为认知、熟悉、试用、使用和忠诚5个步骤。

　　(9)用户生命周期理论

　　该分析方法，也往往用于用户基础研究中，在互联网领域应用广泛。用户的生命周期分为进入期、成长期、成熟期、衰退期、流失期。每一个阶段用户的行为特征是不一样的，其价值是不一样的，需要精细化的运营。不可急功近利。

　　(10)金字塔理论

　　金字塔这个分析方法正好和漏斗分析方法相反，它是基数大，上层小。最初是英国历史学家、政治学家诺斯科特·帕金森(C.Northcote Parkinson)在《帕金森定律》(Parkinson's Law)一书中，论述在行政管理中，行政机构会像金字塔一样不断增多，行政人员不断膨胀，每个人都很忙，但组织效率越来越低下。这条定律又被称为“金字塔上升”现象。后来，人们将这一理论延伸应用，不再只限于本意。大凡是基数大，上层小，符合金字塔特征的研究分析都可以套用到该理论中。所以，金字塔这幅图也常常见于各分析报告中。比如，分析用户群体特征(马斯洛需求层次模型、用户价值模型等等)

　　综上所述种种数据分析方法，如果在一份分析报告中，能够把这些分析方法都灵活反复体现和应用，那么，这个分析报告一定会比较丰满的。

　　大数据分析工具有哪些

　　开源大数据分析工具有：Superset、Redash、Metabase、CBoard、Davinci、SpagoBI、Pentaho等;商业大数据分析工具有：FineBI、QlikView、Tableau、Power BI、SmartBI、QuickBI等。

　　在大数据时代，大数据 bi 工具有哪些呢?BI 工具分为开源 BI 工具和商业 BI 工具两大类。开源 BI 工具有：Superset、Redash、Metabase、CBoard、Davinci、SpagoBI、Pentaho 等等;商业 BI 工具有：FineBI、QlikView、Tableau、Power BI、SmartBI、QuickBI 等等。

　　大数据分析工具——FineBI

　　FineBI 是帆软公司的一款大数据分析 BI 工具，它支持 30 多个数据库表和 SQL 数据源，支持 Excel、TXT 等文件数据集，支持多维数据库、程序数据集等多种数据源。提供了非常强的全可视化操作的自助数据集供用户使用，过滤、分组汇总、新增列、合并表、自循环列、行列转换等操作都可以快速进行处理。FineBI 具有 spider 引擎，可以对大数据分析做出快速反应，支持本地模式和直连模式。

　　大数据分析工具——Hadoop

　　Hadoop 是最流行的软件框架之一，它为大数据集提供了低成本的分布式计算的能力。使 Hadoop 成为功能强大的大数据工具之一的因素是其分布式文件系统，它允许用户将 JSON、XML、视频、图像和文本等多种数据保存在同一文件系统上。

　　可高度扩展，通过存储和分发大量数据集来处理大量数据。

　　因为它有 Hive 和 Pig 等综合分析工具，因此非常适合用于研究和开发。

　　通过跨高度可扩展的 Hadoop 集群使用 Hadoop 分布式文件系统(HDFS)快速访问数据。

　　利用生态系统的方法对数据进行采集、整理、处理、分析和可视化。

　　通过对数据进行分块处理，在不同的节点上拥有不同的副本，从而可以在不利的条件下实现容错。

　　大数据分析工具——亿信 ABI

　　亿信 ABI 是国内比较知名的一款大数据分析 BI 工具，是亿信华辰深耕商业智能领域十多年，在丰富的数据分析挖掘、报表应用等经验基础上，自主研发的一款融合了 ETL 数据处理、数据建模、数据可视化、数据分析、数据填报、移动应用等核心功能而打造的全能型数据分析平台。支持基于列存储的 MPP 架构的分布式数据库进行敏捷分析，百亿数据可达到秒级响应，可解决 TB 甚至 PB 级超大数据量敏捷分析的难题。

　　大数据分析工具——Smartbi

　　Smartbi 对接各类业务数据库、数据仓库和大数据平台，进行数据处理、分析挖掘和可视化展示，满足了企业报表平台、自助探索分析、地图可视化、移动管理座舱、指挥大屏、数据挖掘等多种数据分析应用需求。Smartbi 产品功能设计全面，涵盖数据提取、数据管理、数据分析、数据共享四个环节，帮助客户从数据的角度描述业务现状，分析业务原因，预测业务趋势，推动业务变革。

　　大数据分析工具——Tableau

　　Tableau 是国外市场上比较成功的大数据分析 BI 工具，它可以轻松处理数百万行数据。大量数据可以创建不同类型的可视化，而不会对仪表板造成影响。通过 Tableau，可以访问多个数据源中的数据，包括带分隔符的文本文件、Excel 文件、SQL 数据库、Oracle 数据库和多维数据库等。使用者可在多个数据源之间自由切换分析，并可将多个不同数据源合并使用。通过内存数据引擎，Tableau 可以直接查询外部数据库，并动态地从数据仓库中提取实时数据，大大提高了数据访问和查询效率。另外，只需轻点鼠标和简单的拖放，用户就能快速地创建智能、精美、直观、交互性强的报表和仪表盘。

　　大数据分析工具——Qlik

　　Qlik 能够快速接入不同数据系统的数据，能够实现秒速运算，从大量数据中快速地找到需要分析的数据，完成复杂运算，同时它还支持不同终端的数据可视化呈现，以一种直观、易懂的方式表现复杂的数据关联。通过提供多种数据源访问、数据集可视化定义、自助多维数据分析以及交互式故事板，Qlik 致力于以高效率、低学习成本的使用方式，为业务人员提供自助数据探索和可视化分析服务，洞察隐藏在数据后面的商业价值，帮助企业做出决策。

　　数据分析工具很多，能帮助控制企业数据、整合、分析、发布 BI 工具，很多大数据分析工具不仅是一个数据分析挖掘工具、数据可视化工具，更是一个适合大多数企业复杂流程的数据分析平台。