大數據正悄然改變我們的世界，無處不在，各行各業都在使用大數據，大數據可以為政府、企業、研發等提供決策依據，因此，掌握正確的大數據分析方法，智能的、深入的、有價值的信息提取是十分有必要的!
速成數據分析——5大數據分析方法
1、公式法
所謂公式法，就是用公式，對某一指標的影響因素進行分解。在BI工具中，常用的多維分析中，「向下鑽取」也是這種方法的應用。
例如分析產品銷量低的原因，通過逐層分解銷售，細化評估和分析的粒度。
1)第一層:找出產品銷售的影響因素。銷售額=銷售量*產品單價。是銷量太低還是價格設定不合理?
2)第二層:找出影響銷量的因素。銷售額=渠道A銷售額+渠道B銷售額+渠道C銷售額+…分析各渠道的銷售額，與過去相比，太低了。
3)第三層:分析影響渠道銷售的因素。渠道銷售=點擊用戶數*訂單率。
4)第四層:分析影響點擊的因素。點擊用戶數量=曝光率*點擊率。是曝光量不夠還是點擊率太低？
2、對比法
對比法是比較兩個或多個數據，這是最常見的方法，是速成數據分析中需要掌握的。
例如，與競爭對手相比，在時間維度上的同比與環比、增長率、固定比等。
3.象限方法
通過劃分兩個或多個維度，用坐標來表示價值。象限法是一種戰略驅動的思想，通常用於產品分析、市場分析、客戶管理和商品管理。
例如，經典的RFM模型，根據近期消費(近因)、消費頻率(頻率)、消費金額(貨幣)三個維度將顧客劃分為八個象限。
發射的象限分析方法，可以建立不同象限的優化策略。例如，為關鍵的開發客戶提供更多的資源。是速成數據分析中必不可少的。
4、28法/帕累託分析法
就個人財富而言，可以說世界上20%的人擁有80%的財富。在數據分析中可以理解，20%的數據產生了80%的效果，需要圍繞20%的數據挖掘。
比如，用於產品分類來測量和構建ABC模型。例如，為公司貢獻80%利潤的客戶有20%，然後在有限的資源下，要專注於維護這20%的客戶。速成數據分析時，需要重視這一點。
5、漏鬥法
漏鬥法是一個漏鬥圖，有點像倒金字塔。這是一種流線型的思維方式。它經常用於開發新用戶，購物轉化率，這些有變化和一定流程的分析中。
整體漏鬥模型的核心思想，可以分為分解和量化。例如，監視每個級別的用戶轉換，並為每個級別找到可優化的點。
例子是經典的黑客增長模型，AARRR模型，指用戶獲取、用戶激活、用戶留存、用戶收益以及用戶傳播。這是產品運營中比較常見的一個模型，通過分解和量化用戶的整個生命周期，可以執行數據的水平和垂直比較，以識別相應的問題，並最終優化迭代。
然而，單一的漏鬥分析是沒有用的，不能得出什麼結果，要與其它相結合，如與歷史數據的對比等。速成數據分析中，這是一個重點、難點。
END
來源：網際網路摘抄