1.基礎分析方法 （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，也可將它們結合起來進行對比。比較的結果可用相對數(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）結構分析法 結構分析法是指被分析總體內的各部分與總體之間進行對比的分析方法，即總體內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。 結構相對指標（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，最終提升整體轉化率。 漏斗模型除了在電商中應用的比較多以外，在落地頁、H5等也應用的比較多。我們可以反復優(yōu)化落地頁當中的圖片、文案、布局，進一步的提高整體轉化率。 （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，例如觀察領取過優(yōu)惠券的用戶留存率是否比沒有領取優(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的對象區(qū)分開，把性質相同的對象合并在一起，保持各組內對象屬性的一致性、組與組之間屬性的差異性，以便進一步運用各種數(shù)據(jù)分析方法來揭示內在的數(shù)量關系，因此分組法必須與對比法結合運用。 圖片 分組分析在日常工作中應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)務的建議。 4.矩陣關聯(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、服務等）的兩個重要屬性（指標）作為分析的依據(jù)，進行分類關聯(lián)分析，找出解決問題的一種分析方法，也稱為矩陣關聯(lián)分析法，簡稱矩陣分析法。 圖片 矩陣關聯(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的位置調整。 （2）關聯(lián)分析法 關聯(lián)分析法是一種簡單、實用的分析技術，是指從大量數(shù)據(jù)集中發(fā)現(xiàn)項集之間的關聯(lián)性或相關性。若兩個或多個變量的取值之間存在某種規(guī)律性，就稱為關聯(lián)。關聯(lián)可分為簡單關聯(lián)、時序關聯(lián)、因果關聯(lián)等。 關聯(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。其他的應用還包括價目表設計、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質量和效益。 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，億信華辰已服務客戶8000多家，項目應用覆蓋多達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。