這是關於數據分析最有價值的方法論!
2021-02-19 表哥有話講這是一篇方法論。是的，沒有實際案例。
當你完成一份數據分析報告時，不知領導是否有問過你，「你的分析方法論是什麼？」。如果分析方法論不正確或不合理，那分析結果參考價值幾何呢？
相信很多人在做數據分析時，會經常遇到這幾個問題：不知從哪方面入手開展分析；分析的內容和指標常常被質疑是否合理、完整，自己也說不出個所以然來。當然我也一樣，處在數據分析的學習階段，對這些問題常常會感到困惑。
這就是為什麼強調數據分析方法論的原因。當方法論結合了實際業務，才能儘量確保數據分析維度的完整性和結果的有效性。
數據分析的三大作用，主要是：現狀分析、原因分析和預測分析。什麼時候開展什麼樣的數據分析，需要根據我們的需求和目的來確定。
數據分析的一般步驟：
數據分析的目的越明確，分析越有價值。
明確目的後，需要梳理思路，搭建分析框架，把分析目的分解成若干個不同的分析要點，然後針對每個分析要點確定分析方法和具體分析指標；最後，確保分析框架的體系化（體系化，即先分析什麼，後分析什麼，使得各個分析點之間具有邏輯聯繫），使分析結果具有說服力。
那麼，如何保證分析框架的體系化呢？
以營銷、管理等理論為指導，結合實際業務情況，搭建分析框架，這樣才能儘量確保數據分析維度的完整性，結果的有效性及正確性。
營銷方面的理論模型有：4P、用戶使用行為、STP理論、SWOT等。
管理方面的理論模型有：PEST、5W2H、時間管理、生命周期、邏輯樹、金字塔、SMART原則等。
這裡主要說明：PEST、5W2H、邏輯樹、4P、用戶使用行為這五個比較經典實用的理論，了解如何在搭建數據分析框架時應用它們作指導。
1）PEST：主要用於行業分析。
PEST，即政治（Political）、經濟（Economic）、社會（Social）和技術（Technological）
P：構成政治環境的關鍵指標有，政治體制、經濟體制、財政政策、稅收政策、產業政策、投資政策、國防開支水平政府補貼水平、民眾對政治的參與度等。
E：構成經濟環境的關鍵指標有，GDP及增長率、進出口總額及增長率、利率、匯率、通貨膨脹率、消費價格指數、居民可支配收入、失業率、勞動生產率等。
S：構成社會文化環境的關鍵指標有：人口規模、性別比例、年齡結構、出生率、死亡率、種族結構、婦女生育率、生活方式、購買習慣、教育狀況、城市特點、宗教信仰狀況等因素。
T：構成技術環境的關鍵指標有：新技術的發明和進展、折舊和報廢速度、技術更新速度、技術傳播速度、技術商品化速度、國家重點支持項目、國家投入的研發費用、專利個數、專利保護情況等因素。
eg：僅作舉例，不代表只考慮這幾點因素
2）5W2H：應用相對廣泛，可用於用戶行為分析、業務問題專題分析、營銷活動等。
5W2H，即何因（Why）、何事（What）、何人（Who）、何時（When）、何地（Where）、如何做（How）、何價（How much）
該方法廣泛應用於企業營銷、管理活動，對於決策和執行性的活動措施非常有幫助，也有助於彌補考慮問題的疏漏。
eg：僅作舉例，不代表只考慮這幾點因素
3）邏輯樹：可用於業務問題專題分析。
邏輯樹，又稱問題樹、演繹樹或分解樹等。
它是將問題的所有子問題分層羅列，從最高層開始，並逐步向下擴展。
邏輯樹的作用主要是幫你理清自己的思路，避免進行重複和無關的思考。邏輯樹能保證解決問題的過程的完整性，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。
邏輯樹的使用必須遵循以下三個原則。
● 要素化：把相同問題總結歸納成要素。
● 框架化：將各個要素組織成框架，遵守不重不漏的原則。
● 關聯化：框架內的各要素保持必要的相互關係，簡單而不孤立。
缺點：涉及的相關問題可能有遺漏，雖然可以用頭腦風暴把涉及的問題總結歸納出來，但還是難以避免存在考慮不周全的地方。所以在使用邏輯樹的時候，儘量把涉及的問題或要素考慮周全。
eg：僅作舉例，不代表只考慮這幾點因素
4）4P：主要用於公司整體經營情況分析。
4P，即產品（Product）、價格（Price）、渠道（Place）、促銷（Promotion）
eg：僅作舉例，不代表只考慮這幾點因素
5）用戶使用行為：用途較為單一，就是用於用戶行為的研究分析。
用戶使用行為，即用戶為獲取、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。
用戶使用行為的完整過程：
可以利用用戶使用行為理論，梳理產品分析的各關鍵指標之間的邏輯關係，構建符合公司實際業務的產品分析指標體系。
eg：僅作舉例，不代表只考慮這幾點因素
這些方法論並非只能單獨使用，可以根據具體情況選擇合適的方法論嵌套使用。
明確數據分析方法論的主要作用：
1）理順分析思路，確保數據分析結構體系化。
2）把問題分解成相關聯的部分，並顯示它們之間的關係。
3）為後續數據分析的開展指引方向。
4）確保分析結果的有效性及正確性。
明確數據分析方法論和數據分析法的區別：
數據分析方法論主要是從宏觀角度指導如何進行數據分析，它就像是一個數據分析的前期規劃，指導著後期數據分析工作的開展。
而數據分析法則指具體的分析方法，比如對比分析、交叉分析、相關分析、回歸分等。數據分析法主要從微觀角度指導如何進行數據分析。
相關焦點
-
做數據分析時,你的方法論是什麼?
當你完成一份數據分析報告時，不知領導是否有問過你，「你的分析方法論是什麼？」。如果分析方法論不正確或不合理，那分析結果參考價值幾何呢？當然我也一樣，處在數據分析的學習階段，對這些問題常常會感到困惑。這就是為什麼強調數據分析方法論。當方法論結合了實際業務，才能儘量確保數據分析維度的完整性和結果的有效性。數據分析的三大作用，主要是：現狀分析、原因分析和預測分析。什麼時候開展什麼樣的數據分析，需要根據我們的需求和目的來確定。 -
艾永亮超級產品:關於競品分析,這是一份具有深度價值的方法論
競品分析作為艾永亮超級產品方法論中的其中一環，但很多企業做競品分析時往往只是為了產出一份分析報告，在這個過程中報告篇幅長而累贅，找不到重點，結構僵化，最後產品毫無變化。費盡心血做的競品分析，佔有企業資源，最後卻沒能體現出它的價值，這說到底是為什麼？怎麼樣才是競品分析的正確打開方式？ -
數據分析的方法論
數據是一個絕對客觀且能夠通過可量化指標來評估產品的改進方向成功與否的工具，所以作為一名產品經理，必須養成數據思維習慣，掌握數據分析方法論。在產品迭代發展的過程中，通過數據驅動以保證產品按照更好的方向發展。 -
數據分析方法論是什麼?
3、處理數據處理數據是指對收集到的數據進行加工整理，形成適合數據分析的樣式，它是數據分析前必不可少的階段。數據處理的基本目的是從大量的、雜亂無章、難以理解的數據中，抽取並推導出對解決問題有價值、有意義的數據。數據處理主要包括數據清洗、數據轉化、數據提取、數據計算等處理方法。 -
指導運營的核心分析方法論:五步分析法
我們這就來介紹一個通用的數據分析方法論：數據分析五步法，這個框架具有一下幾方面特點：不與具體業務綁定，是從決策需要的信息角度出發的；具有開放性，可融入個人經驗和前沿技術；可結合大數據技術，排除人工環節，實現自動化；邏輯清晰 -
北大光華商業分析碩士項目全解析:洞察數據 實現價值
■ 光華BA項目定位 培養精通「數據商業價值」的高級專業人才。 更加具體地說：商業分析就是讓數據產生價值的學問。為此，需要：良好的計算機基礎，紮實的經濟管理訓練，豐富的分析方法，以及紮實的產業實踐。這是光華BA項目的教學理念。項目目標：為中國數據產業培養培養精通數據商業價值、技術與管理兼備的優秀人才。 本項目培養的畢業生，將諳熟從數據到商業價值的核心方法論。 -
關於電商數據分析的全方位解讀(1)
本期文章就以數據分析掃盲貼的形式來進行開展，筆者用一個資深從業者的人設給大家科普一番，在電商網際網路企業工作，數據如何來分析，分析的結論有什麼作用，怎麼處理。我在之前應邀寫過一篇關於數據分析漏鬥模型的文章（數據分析邏輯：流量轉化漏鬥模型詳解）。當時我覺得這麼簡單的邏輯難道有人不會嗎？ -
想成為數據產品經理,先掌握這些數據分析方法論(二)
之前在《想成為數據產品經理，先掌握這些數據分析方法論》一文中，分享了一些基礎的數據分析方法，從業務分析、用戶分析和產品運營三個方面提供了一些分析的切入角度。接下來，進階一步，我們再來看看還有哪些實用的分析工具。一、業務分析：如何做診斷歸因？ -
數據分析師常用的數據分析方法有哪些?
很多做數據分析或者剛接觸數據分析的小夥伴，不知道怎麼做數據分析？一點思維都沒有，今天小編給大家盤點2萬名數據分析師常用的數據分析方法有哪些？希望看完此文的小夥伴，有一個清晰的數據分析思維。數據分析思維混亂的小夥伴，需要宏觀的方法論和微觀的方法來指導。 -
百度sem:關鍵詞效果判斷與分析方法論
8分是最高也最接近成交分（10分）。例如潛在人群的「鮮花」一詞就處於了解階段的客戶，只能算2分，離「購買」鮮花還很遠。後面的都是以此類推。從潛在人群到核心人群，當中潛在人群和意向人群這兩類，在優化的時候多使用長尾詞來優化潛在和意向兩類詞，往往會有意向不到低成本轉化效果。 -
復盤分析的方法論&應用技巧
概括的四大步驟適用於以個人為主體的復盤分析，分析的對象可以是自己、產品或項目。本文主要介紹的方法論是概括的四大步驟，enjoy~1.細分的八大步驟適用於以團隊為主體的復盤分析，形式通常是會議，分析的對象可以是產品或項目。本文主要介紹的方法論是概括的四大步驟（因為使用範圍和對象更廣，實際應用的頻率也會高，Sue過往的工作經驗中，有勇氣有意識開復盤分析會議的公司和領導不算常見，會有互撕耍鍋的情況發生）。 -
數據分析實戰:數據分析的5大關鍵環節
外部客戶：這類用戶通常不具有某一領域或多個領域的行業數據，希望通過這些數據了解他的用戶或市場，而恰巧你的企業具備這樣的數據，這種情況下通過數據價值變現，形成對外的數據分析輸出，對外部用戶來說可以更好的了解市場，對於你來說也可以通過數據形成價值變現，為企業帶來收益。 -
方法論的選擇:定性還是定量
在世界觀的作用下,定性方法論和定量方法論有不同的研究價值觀。量化研究強調的是價值中立,即研究者要儘量保持一種客觀的立場,避免自己的主觀價值影響研究的結論。而定性方法論則認為,在研究過程中不可能存在價值中立。研究問題的選擇、分析問題的角度、研究資料的篩選以及研究方法的運用,無一不受研究者價值觀的影響。 -
讀書/廣告數據定量分析
找到了這本書，評分8.1——很不錯的分數。這本書主要還是面向廣告代理中的廣告優化師的。但是裡面講解的基本知識、原理和案例，都有可以學習的地方。前三章這書的前三章偏基礎入門雖然是基礎入門，但是要是在大學裡面沒有接觸過，也需要花一些時間消化下。 -
如何擁有數據分析思維,令我的工作有更多可能性,升職加薪
，仍然做不好數據分析。 1.他們之間有什麼區別，為什麼會貴出這一元錢。 從這個例子中可以看出，對比通常有兩個方向，一個縱向，是指不同類的對比。一個是橫向，是指與同類相比。 2.結構思維 很多人在做數據分析的時候沒有思路，不知道從何下手，這就是缺少結構化思維的表現。 -
數據異常如何分析?
數據漲跌是我們在日常工作中，最容易被發現的現象，也是我們平時工作中要去分析的。也就是說，平時數據沒有波動，也許我們不需要去分析，但是如果數據有漲或者跌我們都需要去查出原因的。一、為什麼漲和跌都要關注？相信很多朋友跟我一樣，起初接觸到數據，我只關心跌，為什麼昨天的數據跌了？ -
可視化數據分析的價值是什麼?
一個完善的企業級數據分析平臺的價值是不可估量的，由於其數據來源於各個業務系統，所以其價值有時很容易和業務系統的價值混淆在一起，無法很好的量化。接下來小編給大家具體介紹一下datafocus可視化數據分析的價值是什麼？ -
數據分析方法:OSM模型
「你做數據分析的方法論是什麼？」這個問題讓很多新手同學兩股戰戰；啥是數據分析方法論？每天select from有啥方法論？難道很多同學其實所謂方法論就是處理具體問題的套路，只要大家把數據分析運用到實際業務中，肯定都多多少少有一些，只是缺乏整理匯總而已。 -
設計進階思維:產品分析與數據理解
這就是設計師在設計過程中的正確思考和推動價值。這是基礎的產品分析能力，讓用戶能夠任何視覺風格，不至於引起審美代溝。（如下圖）再進階的，有細節設計、文案的把控，這些也都不是拍著腦袋隨便想出來的。設計師必須要了解數據UI設計是科學與藝術的結合，出色的視覺設計是為了產品更加科學，數據分析方法論等指引設計 -
構建當代教科書話語體系的方法論
作者認為，教科書研究是哲學方法論指導下的科學研究，包含著某種意義的方法論原理與內在之「道」，同時教科書研究還需要具體方法的支撐，「術」是通達教科書本體之「道」的中介與路徑。既沒有離開具體方法的單獨方法論，也沒有不具有方法論意義的具體方法。在這個意義上，「道」與「術」共同構成完整的教科書研究方法體系。