6種常見的數據分析方法論及應用

2020-10-24 笨鳥學數據分析

對於數據分析來說,數據分析方法論是非常重要的,對於想入行數據分析的小白來說,有一些常見的數據分析方法論(模型)可以直接套用,本文將為大家講解6個常見的數據分析方法論及相關案例,幫助大家快速入門數據分析!

1、PEST分析法

PEST分別是四個單詞的首字母,其中:

  • P:Political,政治環境。
  • E:Economic,經濟環境。
  • S:Social,社會環境。
  • T:Technological,技術環境。

可以用一個四象限的圖來概括PEST分析法。


PEST分析法主要用於對宏觀環境的分析,雖然不同行業和企業有其自身特點和經營要素,分析的具體內容會有差異,但一般都應對PEST這四個方面進行分析。

例如,用PEST分析生鮮行業,如下圖所示。


2、4P營銷理論

4P營銷理論,對應英文為The Marketing Theory of 4Ps),該理論產生於20世紀60年代的美國,隨著營銷組合理論的提出而出現的。

1967年,菲利普·科特勒在其暢銷書《營銷管理:分析、規劃與控制》第一版進一步確認了以4Ps為核心的營銷組合方法,即:

產品(Product):注重開發的功能,要求產品有獨特的賣點,把產品的功能訴求放在第一位。

價格 (Price):根據不同的市場定位,制定不同的價格策略,產品的定價依據是企業的品牌戰略,注重品牌的含金量。

渠道 (Place):企業並不直接面對消費者,而是注重經銷商的培育和銷售網絡的建立,企業與消費者的聯繫是通過分銷商來進行的。

宣傳(Promotion):比如打折、買一送一等。


例如,以福特汽車為例來說明經典的4P營銷理論,如下圖所示。


3、AARRR模型

AARRR模型是所有運營人員都要了解的一個數據分析模型,從整個用戶生命周期入手,包括獲取(Acquisition)、激活(Activition)、留存(Retention)、變現(Revenue)和傳播(Refer)。

每個環節分別對應生命周期的5個重要過程,即從獲取用戶,到提升活躍度,提升留存率,並獲取收入,直至最後形成病毒式傳播。


例如,基於AARRR模型,分析豬八戒網的用戶生命周期。


4、用戶行為理論

用戶使用行為是指用戶為獲取、使用物品或服務所採取的各種行動,用戶對產品首先需要有一個認知、熟悉的過程,然後試用,再決定是否繼續消費使用,最後成為忠誠用戶,如下圖所示。


例如,某網站的用戶行為分析如下圖所示。


5、5W2H分析法

5W2H分析法是以5個W開頭的英文單詞和兩個H開頭的單詞進行提問,從回答問題中發現解決問題的線索。

5W:

  • Why:為何?
  • What:何事?
  • Who:何人?
  • When:何時?
  • Where:何地?

2H:

  • How:如何做?
  • How much:什麼價?

這種分析方法有利於抓住重點,理清邏輯,易於理解和使用。


例如,用5W2H分析法分析一款產品。


6、邏輯樹

邏輯樹又稱問題樹、演繹樹或分解樹等。它是把一個已知問題當成「主幹」,然後開始考慮這個問題和哪些相關問題有關,也就是「分支」。

邏輯樹能保證解決問題的過程的完整性,它能將工作細分為便於操作的任務,確定各部分的優先順序,明確地把責任落實到個人。


例如,用邏輯樹分析公司的利潤增長緩慢這個問題,如下圖所示。


最後,對這6種常見的數據分析方法論做一個總結。

1、PEST分析法:主要用於行業分析。

2、4P營銷理論:主要公司分析。

3、AARRR模型:主要用於用戶生命周期分析。

4、用戶行為理論:主要用於用戶行為分析。

5、5W2H分析法:一個分析框架,適用於各種問題的分析。

6、邏輯樹:一種分析思維,主要用於各種業務問題的分析。

歡迎持續關注我們,這裡有關於數據分析的教程及乾貨!


相關焦點

  • 常見的7種數據分析手段
    本文將為產品經理介紹數據分析的基本思路,並基於此,衍生出 2 個常見方法和 7 個應用手段,希望在數據分析的實際應用中能給大家帶來幫助。一、數據分析的基本思路數據分析應該以業務場景為起始思考點,以業務決策作為終點。
  • 常見的6種數據分析圖表,告訴你如何更好地分析它們
    作者| 諸葛君你知道哪些做數據分析的圖表?柱狀圖、餅狀圖、折線圖、散點圖,數據分析圖表有很多,用excel就可以生成,但是本文我想告訴你的是,通過這些圖表該怎麼做分析?常見的6種數據分析圖表及應用方式:1.柱狀圖:用於做比較柱狀圖是最基礎的一種圖表,通過柱子來表現數據的高度,進而比較不同數據之間的差異,一眼可以看到數據量的大小對比,一般來說,柱狀圖的橫軸是時間軸,縱軸是數據軸。
  • 這6種實驗數據分析方法,了解一下
    一般來說,在收集完實驗數據後,作者接下來要做的重要一步,就是進行數據分析。而進行數據分析,就有這6種常見方法。
  • 6種數據分析實用方法,終於有人講明白了
    時間序列分析採用了多種方法,既有定量的,也有定性的。時間序列分析的目的是在歷史數據(或時間序列數據)中找出一種模式,然後推測未來趨勢。通常有四大類時間序列分析方法,如圖1-5所示。▲圖1-5 預測和時間序列分析的方法一般而言,定量方法是最常見的預測方法
  • 五種常用大數據分析方法
    漏鬥分析法  漏鬥分析模型是業務分析中的重要方法,最常見的是應用於營銷分析中,由於營銷過程中的每個關鍵節點都會影響到最終的結果,所以在精細化運營應用廣泛的今天,漏鬥分析方法可以幫助我們把握每個轉化節點的效率,從而優化整個業務流程。  其中,我們往往關注三個要點:  第一,從開始到結尾,整體的轉化效率是多少?
  • 常見的大數據開發幾種數據分析手段
    在這個過程中,各種數據都需要進行處理和分類。只有掌握正確的數據分類方法和數據處理模式,才能事半功倍。以下是數據分析員必備的9種數據分析思維模式:  1.分類  分類是一種基本的數據分析方式,數據根據其特點,可將數據對象劃分為不同的部分和類型,再進一步分析,能夠進一步挖掘事物的本質。
  • 群落分析中常見的數據轉化方法
    生態學中常見的數據轉化方法、原理、公式等描述可參閱Legendre和Legendre(1998)「Numerical Ecology」,33-47頁的內容。如果我們結論是根據轉換後的數據得出的,那麼必須要在結論中(圖注、表注部分等,或者在方法描述部分)清楚地說明這一點。還有重要的一點肯定就是要注意所得的結論是否合理了(是否具有生態學意義,還是僅僅為數學計算上的偶然性),假設你得到了變量「太陽輻射和風速的3次方存在相關性」類似的結論,解釋起來就要小心。 這是一個非常有意思的圖,向我們展示了幾種常見的數據轉換前後的變化。
  • 常見的四種數據分析方法
    當開始數據分析項目時,通常首先分別分析每個變量,以描述擁有的數據並評估其質量,接下來的步驟是探索變量之間存在的關係。這些關係可能會導致對數據所代表的總體得出某些推論或結論。結論可能會導致數學模型預測當前不在數據集中的數據結果。但是,在導致決策或行動步驟之前,數據分析無效。
  • 數據分析的方法有哪些?常見的這4種可以看看
    由具有相同數據的不同人解釋的結論可能不同,甚至完全相反,但是結論本身並沒有錯,因此,從客觀數據到主觀的人,我們需要一些科學的分析方法作為橋梁,以幫助數據信息更好,更全面,更快地去傳遞。常見的數據分析方法有哪些?
  • 9種常用數據分析方法
    數據分析是從數據中提取有價值信息的過程,過程中需要對數據進行各種處理和歸類,只有掌握了正確的數據分類方法和數據處理模式,才能起到事半功倍的效果,以下是數據分析員必備的9種數據分析思維模式:數據聚類是對於靜態數據分析的一門技術,在許多領域受到廣泛應用,包括機器學習,數據挖掘,模式識別,圖像分析以及生物信息。4. 相似匹配相似匹配是通過一定的方法,來計算兩個數據的相似程度,相似程度通常會用一個是百分比來衡量。
  • 產品數據分析常用的4種方法
    導讀 同樣的數據不同的數據分析師解讀出來的結論可能是不一樣的,甚至是完全相反的,但結論本身沒有對錯,所以從客觀的數據到主觀的人,需要有一些科學的分析方法作為橋梁,幫助數據的信息更好
  • Python數據分析應用
    Python數據分析應用從起步到應用 一次搞定初級+高級 近20個小時視頻內容初級:600元,高級:800元,全程優惠:1200元。練習:熟練掌握控制流第三講函數及數據結構1. 認識函數2. 定義函數3. 形參、實參、默認參數、返回值4. 內置函數形式5. 全局變量與局部變量6. Python數據結構(序列、列表、元組和字典)7.
  • 6種數據分析實用方法,終於有人講明白了
    在討論支持分析的方法時,預測和時間序列往往被一起提及,並不是因為它們是同一種方法,而是因為它們都針對同一類問題,即基於歷史信息對時間序列數據進行特徵提煉和預測。預測和時間序列分析是指對時間序列數據進行分析、從數據中提煉有意義特徵的方法。很多時候,預測被描述為通過歷史數據對趨勢進行判斷,並通過可視化手段進行直觀展現的方法,有些還提供了關於未來的預測。
  • 數據分析的幾種常用方法概覽(之二)
    數據分析常用方法概覽(之二)上一篇,我們了解了數據分析時常用的對比分析法、分組分析法、結構分析法、交叉分析法、漏鬥圖分析法、矩陣分析法、綜合評價分析法等八種分析方法,今天我們繼續了解下上文提到的另外八種常見數據分析方法。
  • 5種速成數據分析方法
    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!
  • 產品經理必會的10種數據分析方法
    本文將為產品經理介紹數據分析的基本思路,並基於此,衍生出 2 個常見方法和 7 個應用手段,希望在數據分析的實際應用中能給大家帶來幫助。一、數據分析的基本思路數據分析應該以業務場景為起始思考點,以業務決策作為終點。基本思路為 5 步,首先要挖掘業務含義、制定分析計劃、從分析計劃中拆分出需要的數據、再根據數據分析的手段提煉業務洞察,最終產出商業決策。
  • 推薦幾種常見的數據分析方法
    基礎分析方法1.對比分析法概念:根據數據維度的不同特徵,選取兩個或兩個以上重點分析維度,進行重要指標對比,分析其數量關係及形成原因的分析方法,是最基本的分析方法。、特徵,按照一定指標,將數據總體劃分成幾個部分,分析其的內部結構和相互關係,從而了解事物的發展規律。
  • 大數據分析應用常見的困難及發展趨勢分析
    大數據分析應用常見的困難及發展趨勢分析 工程師郭婷 發表於 2018-07-24 14:31:00 一、政府大數據應用效益難題 1.
  • 群邑中國發布《無效流量應對方法論及戰術建議白皮書》
    》,深入分析了無效流量的定義、分類及用於分析無效流量的數據欄位及數據指標,並提出了應對無效流量的戰術建議,是廣告主了解和應對無效流量的較佳實踐手冊。 群邑中國發布《無效流量應對方法論及戰術建議白皮書》 「任何行動(包括媒體投資)之前都應該具備風險意識。媒介投資過程中不單要考慮較大化效果,也要時刻把控並最小化風險。
  • MSA數據分析方法和應用案例
    因此,MSA 可簡單概括為:分析整個測量系統(儀器或量具、標準、操作、方法、夾具、軟體、人員、環境和假設的集合)在測量過程中存在哪些風險和誤差的過程。MSA採用的數據分析方法有:獨立樣本法、圖表法、極差法、方差分析法等。按照測量系統分析過程前後順序,相關方法摘記如下。