1.基礎(chǔ)分析方法 （1）指標分析法 在實際工作中，當拿到一些可視化數(shù)據(jù)圖表或者是Excel表格時，我們可以直接運用統(tǒng)計學中的一些基礎(chǔ)指標來做數(shù)據(jù)分析，比如平均數(shù)、眾數(shù)、中位數(shù)、最大值、最小值等，它們各自代表著數(shù)據(jù)的某些含義，比如最大銷量，平均閱讀量等都可以輔助我們進行數(shù)據(jù)分析。 （2）對比分析法 對比分析法是指將兩個或兩個以上的數(shù)據(jù)進行比較，分析它們的差異，從而揭示這些數(shù)據(jù)所代表的事物發(fā)展變化情況和規(guī)律性。它可以非常直觀地看出事物某方面的變化或差距，并且可以準確、量化地表示出這種變化或差距是多少？對比分析法可分為靜態(tài)比較和動態(tài)比較兩類。 ①靜態(tài)比較：在同一時間條件下對不同總體指標的比較，如不同部門、不同地區(qū)、不同國家的比較、也叫橫向比較，簡稱橫比； ②動態(tài)比較：在同一總體條件下對不同時期指標數(shù)值的比較，也叫縱向比較，簡稱縱比。 這兩種方法既可單獨使用，也可結(jié)合使用。進行對比分析時，可以單獨使用總量指標、相對指標或平均指標，也可將它們結(jié)合起來進行對比。比較的結(jié)果可用相對數(shù)表示，如百分數(shù)、倍數(shù)等指標。 在使用對比分析法時，需要先注意以下幾個方面：①指標的口徑范圍、計算方法、計量單位必須一致，即要用同一種單位或標準去衡量；②對比的對象要有可比性；③對比的指標類型必須一致。無論絕對數(shù)指標、相對數(shù)指標、平均數(shù)指標，還是其他不同類型的指標，在進行對比時，雙方必須統(tǒng)一。 （3）結(jié)構(gòu)分析法 結(jié)構(gòu)分析法是指被分析總體內(nèi)的各部分與總體之間進行對比的分析方法，即總體內(nèi)各部分占總體的比例，屬于相對指標。一般某部分的比例越大，說明其重要程度越高，對總體影響越大。 結(jié)構(gòu)相對指標（比例）=（總體某部分的數(shù)值/總體總量）*100% 市場占有率=（某種商品銷售量/該種商品銷售總量）*100% 市場占有率是分析企業(yè)在行業(yè)中競爭狀況的重要指標，也是衡量企業(yè)運營狀況的綜合經(jīng)濟指標。市場占有率高，表明企業(yè)運營狀況好，競爭能力強，在市場上占據(jù)有利地位；反之，則表明企業(yè)運營狀態(tài)差，競爭能力弱，在市場上處于不利地位。  2.流程分析法 （1）漏斗分析法 漏斗分析法能夠科學反映用戶行為狀態(tài)，以及從起點到終點各階段用戶轉(zhuǎn)化率情況，是一種重要的分析模型。漏斗分析模型已經(jīng)廣泛應(yīng)用于網(wǎng)站和APP的用戶行為分析中，例如流量監(jiān)控、CRM系統(tǒng)、SEO優(yōu)化、產(chǎn)品營銷和銷售等日常數(shù)據(jù)運營與數(shù)據(jù)分析工作中。 比如，對一些電商產(chǎn)品來說，最終目的是讓用戶下單并支付，但轉(zhuǎn)化率取決于整個流程。這時，我們就可以通過漏斗模型一步一步地進行監(jiān)測。如下圖所示，我們可以監(jiān)控用戶在流程中各個層級上的行為路徑，尋找每個層級的可優(yōu)化點。對沒有按照流程操作的用戶繪制他們的轉(zhuǎn)化路徑，找到可提升用戶體驗，縮短路徑的空間，最終提升整體轉(zhuǎn)化率。 漏斗模型除了在電商中應(yīng)用的比較多以外，在落地頁、H5等也應(yīng)用的比較多。我們可以反復(fù)優(yōu)化落地頁當中的圖片、文案、布局，進一步的提高整體轉(zhuǎn)化率。 （2）留存分析法 留存分析法是一種用來分析用戶參與情況和活躍程度的分析模型，考察進行初始行為的用戶中，有多少人會進行后續(xù)行為。從用戶的角度來說，留存率越高就說明這個產(chǎn)品對用戶的核心需求也把握的越好，轉(zhuǎn)化成產(chǎn)品的活躍用戶也會更多，最終能幫助公司更好的盈利。 比如，我們可以通過觀察不同時間段用戶留存的情況，通過對比各個渠道、活動、關(guān)鍵行為的用戶后續(xù)留存變化，發(fā)現(xiàn)提升用戶留存率的影響因素，例如觀察領(lǐng)取過優(yōu)惠券的用戶留存率是否比沒有領(lǐng)取優(yōu)惠券的用戶留存率更高。 除此以外，還可以針對流失高/留存高的用戶群組進行一對一的用戶行為分析，統(tǒng)計留存/流失用戶的行為特征，特別是針對流失用戶，通過流失用戶的行為分析總結(jié)流失原因，從而提升留存率。 3.分組分析法 分組分析法是根據(jù)數(shù)據(jù)分析對象的特征，按照一定的標志（指標），把數(shù)據(jù)分析對象劃分為不同的部分和類型來進行研究，以揭示其內(nèi)在的聯(lián)系和規(guī)律性。 分組的目的就是為了便于對比，把總體中具有不同性質(zhì)的對象區(qū)分開，把性質(zhì)相同的對象合并在一起，保持各組內(nèi)對象屬性的一致性、組與組之間屬性的差異性，以便進一步運用各種數(shù)據(jù)分析方法來揭示內(nèi)在的數(shù)量關(guān)系，因此分組法必須與對比法結(jié)合運用。 圖片 分組分析在日常工作中應(yīng)用的比較多的是用戶分層與分群，比如在發(fā)優(yōu)惠券的時候，可以通過紅包，滿減，限時券還有積分券等方式。我們可以針對不同的用戶發(fā)送不同的優(yōu)惠券以達到精細化運營的效果。那么當我們在做數(shù)據(jù)分析時，也可以從結(jié)果將用戶進行分層來進行判斷，這時同樣也可以得到優(yōu)化和改進業(yè)務(wù)的建議。 4.矩陣關(guān)聯(lián)分析法 （1）矩陣分析法 矩陣分析法是指根據(jù)事物（如產(chǎn)品、服務(wù)等）的兩個重要屬性（指標）作為分析的依據(jù)，進行分類關(guān)聯(lián)分析，找出解決問題的一種分析方法，也稱為矩陣關(guān)聯(lián)分析法，簡稱矩陣分析法。 圖片 矩陣關(guān)聯(lián)分析法在解決問題和資源分配時，可以為決策者提供重要參考依據(jù)——先解決主要矛盾，再解決次要矛盾，這樣有利于提高工作效率，并將資源分配到最能產(chǎn)生績效的部門、工作中，最終有利于決策者進行資源優(yōu)化配置。 比如在電商行業(yè)，我們可以使用瀏覽量和加購數(shù)這兩個維度來進行矩陣分析，例如，左上角的是瀏覽量低的，然后加購次數(shù)多的，這說明產(chǎn)品其實是有很大潛力的，這時需要將這部分產(chǎn)品放在更好的位置讓給用戶進行瀏覽；右下角的瀏覽量高，但加購數(shù)低的，說明這個時候他的資源位置是好的，但是用戶對這部分的產(chǎn)品并不感興趣的，我們就需要對其進行相應(yīng)的位置調(diào)整。 （2）關(guān)聯(lián)分析法 關(guān)聯(lián)分析法是一種簡單、實用的分析技術(shù)，是指從大量數(shù)據(jù)集中發(fā)現(xiàn)項集之間的關(guān)聯(lián)性或相關(guān)性。若兩個或多個變量的取值之間存在某種規(guī)律性，就稱為關(guān)聯(lián)。關(guān)聯(lián)可分為簡單關(guān)聯(lián)、時序關(guān)聯(lián)、因果關(guān)聯(lián)等。 關(guān)聯(lián)分析的一個典型例子是購物籃分析。該過程通過發(fā)現(xiàn)顧客放入其購物籃中的不同商品之間的聯(lián)系，分析顧客的購買習慣。通過了解哪些商品頻繁地被顧客同時購買，幫助零售商制定營銷策略。其他的應(yīng)用還包括價目表設(shè)計、商品促銷、商品的排放和基于購買模式的顧客劃分。  可從數(shù)據(jù)庫中關(guān)聯(lián)分析出形如"由于某些事件的發(fā)生而引起另外一些事件的發(fā)生"之類的規(guī)則。如“67%的顧客在購買啤酒的同時也會購買尿布”，因此通過合理的“啤酒和尿布”的貨架擺放或捆綁銷售可提高超市的服務(wù)質(zhì)量和效益。 5.綜合評價分析法 綜合評價分析法是將多個指標轉(zhuǎn)化為一個能夠反映綜合情況的指標來進行分析評價。主要有5個步驟： （1）確定綜合評價指標體系，即包含哪些指標，是綜合評價的基礎(chǔ)和依據(jù) （2）收集數(shù)據(jù)，并對不同計量單位的指標數(shù)據(jù)進行標準化處理 （3）確定指標體系中各指標的權(quán)重，以保證評價的科學性 （4）對經(jīng)處理后的指標再進行匯總計算出綜合評價指數(shù)或綜合評價分值

（5）根據(jù)評價指標或分值對參評單位進行排序，并由此得出結(jié)論 

億信ABI是億信華辰公司自研的一站式BI商業(yè)數(shù)據(jù)分析軟件，億信華辰已服務(wù)客戶8000多家，項目應(yīng)用覆蓋多達20000個，涉及100+行業(yè)，包括教育、金融、醫(yī)療行業(yè)bi商業(yè)數(shù)據(jù)分析軟件案例等。億信華辰已專注BI軟件行業(yè)15年，可滿足3D數(shù)據(jù)可視化、敏捷BI分析、PC/移動/大屏多終端展示等眾多需求，是一款全能型企業(yè)自助式 BI 和大數(shù)據(jù)分析工具。