数据分析的方法论（数据分析方法论和数据分析法有什么区别）

本文目录

• 数据分析方法论和数据分析法有什么区别
• 数据分析方法论 有对比才有效果
• 数据分析方法论 如何做实验研究
• 产品经理必会的10种数据分析方法
• 数据分析方法论是什么
• 数据分析的基本思路是什么 怎么才有数据分析思路
• 数据分析方法论的高级方法有哪些

数据分析方法论和数据分析法有什么区别

一、概念解析：
首先来谈一下数据分析方法论概念，
数据分析方法论是指导数据分析师进行一个完整的数据分析，
它
更多的是指
数据分析的思路，它也是数据分析的前期规划，指导着后期数据分析工作的开展，而数
据分析法则是指具体的数
据分析方法，比如我们常见的对比分析，交叉分析，相关分析回归分析等。
当你给领导提交一个数据分析报告时，
领导会问你的数据分析方法论是什么？这一点很重要，
如果你
的方法论都
不正确或者不合理，那么你的数据分析报告将没有价值可言。数据分析方法论就像指南
针，南辕北辙很难达到目
的的，正所谓方向不对，努力白费。
数据分析方法论好比服装设计图，
他为我们的数据分析工作指引方向，
而具体的数据分析方法好比制
作服装的工
具和技术，它为数据分析提供技术保障和支持。
二、内容解析：
数据分析方法论中常见的有
PEST
方法论，
5W2H
、逻辑树、
4P
理论、用户使用行为分析
5
换个比较
经典实用的理论
。
PEST
理论是指
zheng.
治，经济，社会文化，技术环境，它一般是用于对宏观环境的分析，主要适用
于行业分析；
5W2H
是指以
5
个
W
开头的字母和
2
个以
H
开头英语单词进行提问，在提问中解决问题。
5W
代表
why
，
when
，
where,
what
，
who,2H
代表
how
，
how
much
，它的使用范围比较广泛，可用于用户行为
分析，也可用于业务问题的专业分
析等等。
逻辑树又称问题树、演绎树或者分解树，它是通过把一个已知的问题当成树干，然后考虑这个问题和
哪些问题有
关，找出问题所有的关联项目然后以解决，它主要适用于对业务问题的分析。
4P
理论有产品，价格，渠道，促销
4
个因素组成，它主要适用于对公司运营状况的分析。
用户行为理论是指用户为获取、使用物品或服务后所采取的各种行动，一般包括认知，熟悉，试用，
使用，忠诚
五个环节，主要适用于对用户行为的分析。
数据分析方法主要包括对比分析法，分组分析，交叉分析，平均分析法等，每种方法都有各自的特点
和适用范围
，在实际操作的过程中大家可以根据自己的需要来选择合适的方法。

数据分析方法论 有对比才有效果

数据分析方法论：有对比才有效果

处于大数据时代，如果只是一味埋头苦干，无法在大环境里站住脚跟，只有拥有大局观，才能让自己的电商之路走的更远，这种时候，学会 数据分析 对比法显得尤为重要。

上篇文章主要简单讲解了数据分析入门的5种方法( 具体详见)《数据分析5种入门方法，你get了么?》。本文就先跟大家讲讲在电商圈运营的最多的，也是非常实用简单的第一种思维——对比。

有参照、有对比，才会在知道好坏高低。如果只是单一地看，了解的信息必然不够全面，无法得出真正有用的信息。那么到底对比在一般情况下，都有哪些运用?

首先，给大家科普两个基本的概念。

对比分析，一般分为两种，一种叫静态比较，一种叫动态比较。

静态比较是在同一时间条件下对不同总体指标的比较，也叫横向比较。比如可以是自己单品跟同行其他单品比较。也可以是自身情况，在同一时期跟同行业的一个情况的对比。

动态比较是在同一总体条件下对不同时期指标数值的比较，也叫纵向比较。

这种方法，更多的也运用在一个趋势的观察，有比较就可以看一个发展的好坏。然后单一看当天或者一个月，根本看不出是在走上坡还是下坡。对比可以看所做类目的一个趋势，到底是否还是流行，发现苗头提前做好风险的规避，尽可能减少损失，或者尽可能扩大优势，争取前端。

用一个详细的案例来看。比如需要看一个店铺目前的流量布局包括结构是否科学。

这个数据源可以从生意参谋——流量地图上下载。

从流量地图上下载下来的内容。然后大家透视、作图( 具体详见》》》)。

对比法到底有什么优势?先一起来一张图：

如果只是看到这个，可能只是单单了解做了一些什么。但如果是下图这样：

就可以看出，自身在做什么，同行在做什么，这个同行是同行优秀的一个数据，那可以看出同行有哪些动作是比较有效果的，比如淘外流量，但是自身如果在这一方面是没有去做，数据显示同行目前在使用这块取得不错的效果，卖家也可以考虑是不是要将自己将这一块跟进。再比如：

看一个付费推广的渠道，因为本来就是同行，基本是同一类目，所以可以看看同行跟自身付费推广的一个区别。看看具体哪些方式是效果比较好的，但是自身没有好好利用，没有利用的原因是活动报不上还是说那个投入产出比太低?这一些原因需要根据自己店铺的情况去思考，然后可以进行一个规划，争取做哪一些，获取哪一些的作用等等，为店铺的定下可以发力的方向。

只有正确利用比较进行数据分析之后，很多事情才会有一个清晰的思路。这是单单只看自身而获得不了的结果。

以上是小编为大家分享的关于数据分析方法论 有对比才有效果的相关内容，更多信息可以关注环球青藤分享更多干货

数据分析方法论 如何做实验研究

数据分析方法论：如何做实验研究

数据分析的核心就是：通过比较法，理清因果关系。

常用的比较法就有观察分析和实验研究。观察分析就是将原始数据进行加工，经过数据分解，评估，最终得出结论的过程，优点就是省事方便，缺点也比较明显，主观性比较强，面对较真的上司，可能并不能说服她。实验研究则是对观察分析的补充和改进，在充分分析数据的基础上，进行实验研究进而得出更为有力的结论。

实验研究的核心同样是比较，但是要讲究方式。因为在一个问题的背后可能有一些不是数据能反应出来的因素，比如环境，人为等等不可控因素。因此要想找到可行高效的研究方法需要将这些杂质（数据分析中叫混杂因素）摒除掉，这样得出的结论才更为准确，鲁棒性更好。

为此，我们需要进行如下三部曲

下面依次说明一下每一个步骤的要点所在。

有时候上司说的话我们不能全信，但是要相信数据说的话。因此，对于老板提出的问题，我们要根据数据进行分析和确认。如果经过分析确实如他所说，那我们后期的努力起码方向不会错，而且也能按照上司的预期给出答案；否则就是一个吃力不讨好的活。

至于如何分析数据，确认问题，给出方案，这不是本文的重点，大家可以另行学习，这里不作赘述。

比如：这一步我们给出方案A和B。

所谓的控制组就是对该区域不做任何处理，将其作为标称对象，以便后期进行横向比较；

什么叫中间区域，什么叫两极区域？

我理解两极区域就是这个问题表现的最为严重和最不严重的两个区域。其他都可以称为中间区域。

为什么要做出这样的区分？

因为通常对于极端事物的出现必然有很明显的原因，根本不用作为实验对象，毫无意义。而且在极端区域，极端现象出现的原因很可能要远大于导致问题出现的真正的原因，所以，不仅研究这种极端现象毫无意义可言，而且还可能导致你的不出真正的解决方案，那你就out了！

比如在一个富人区，无论你的产品价值感有多么低，也不会出现什么销量下降的，因为钱对于他们来说根本不是问题。那你怎么实验都不会得出结论。或许你定价再高点，反而销量会更好，因为逼格更高了！！！！所以我们不能动它，无论它是销量高还是销量低，我将其作为比较对象即可。

中间区域则是最不能忽略的，就如同产品里面新手用户，中间用户和专家用户的分类一样，原因就不作表述了。

在中间区域做实验，一切就绪，但是一个区域毫无比较可言，高中做生物实验也要讲究控制变量法。那好吧，必须也要将实验区域分为实验组和控制组。

所谓实验组就是将中间区域按照解决方案的数量随机分开等份的组别，分别对两个区域应用解决方案A和B。

由于他们同属于一个大的区域，因此，混杂因素的影响是等同的，因此也就不必担心其他不可控因素带来对解决方案的负面影响。

说一千道一万，这是最重要的一步，也是检验成果，助你步步高升的一步。但是俗话说磨刀不误砍材工，因此前面几步的质量直接决定了解决方案的成效。解决方案要按照在试验区域的结果进行制定，对于那些极端区域，好的可以继续保持，坏的可以双管齐下，因地制宜啦。

bla了这么多，其实想说的就是在数据分析做实验阶段，最重要的是一个控制变量法，这真的是一把万能的钥匙，但是开锁的方式还是得自己选，你准备好了么？

以上是小编为大家分享的关于数据分析方法论 如何做实验研究的相关内容，更多信息可以关注环球青藤分享更多干货

产品经理必会的10种数据分析方法

产品经理必会的10种数据分析方法
随着人口和流量红利的下降，互联网行业必然会朝着精益化运营的方向发展。数据分析在很多互联网人的工作中越发显得重要，而对于产品经理来说，更是如此。
本文将为产品经理介绍数据分析的基本思路，并基于此，衍生出 2 个常见方法和 7 个应用手段，希望在数据分析的实际应用中能给大家带来帮助。
一、数据分析的基本思路数据分析应该以业务场景为起始思考点，以业务决策作为终点。
基本思路为 5 步，首先要挖掘业务含义、制定分析计划、从分析计划中拆分出需要的数据、再根据数据分析的手段提炼业务洞察，最终产出商业决策。
接下来我们用一个案例来具体说明这 5 步思路：某国内 P2P 借贷类网站，市场部在百度和 hao123 上都有持续的广告投放，吸引网页端流量；最近内部同事建议尝试投放 Google 的 SEM；另外，也需要评估是否加入金山网络联盟进行深度广告投放。在这种多渠道的投放场景下，产品经理该如何进行深度决策？1. 挖掘业务含义
首先要了解市场部想优化什么，并以此为核心的 KPI 去衡量。渠道效果的评估，最重要的是业务转化：对 P2P 类网站来说，是否『发起借贷』远远比『用户数量』重要。
所以无论是 Google 还是金山渠道，都要根据用户群体的不同，优化相应用户的落地页，提升转化。
2. 制定分析计划
以『发起借贷』为核心转化点，分配一定的预算进行流量测试，观察对比注册数量及 ROI 效果，可以持续观察这部分用户的后续价值。
3. 拆分查询数据
根据各个渠道追踪流量、落地页停留时间、落地页跳出率、网站访问深度以及订单类型数据，进行用户分群。
4.提炼业务洞察
在不同渠道进行投放时，要根据 KPI 的变化，推测业务含义。比如谷歌渠道的效果不好，可能因为谷歌大部分的流量在海外，可能会造成转化率低。而金山网络联盟有很多展示位置，要持续监测不同位置的效果，做出最后判断。
5.产出商业决策
最后根据数据洞察，指导渠道的投放决策制。比如停止谷歌渠道的投放，继续跟进金山网络联盟进行评估，而落地页要根据数据指标持续地进行优化。
二、常见的数据分析方法（一）内外因素分解法内外因素分解法是把问题拆成四部分，包括内部因素、外部因素、可控和不可控，然后再一步步解决每一个问题。
社交招聘类网站，一般分为求职者端和企业端，向企业端收费方式之一是购买职位的广告位。业务端人员发现『发布职位』数量在过去的 6 个月里有缓慢下降的趋势。
对于这类某一数据下降的问题，从产品经理的角度来说，可以如何拆解？
根据内外因素分解法分析如下：
1.内部可控因素
产品近期上线更新、市场投放渠道变化、产品粘性、新老用户留存问题、核心目标的转化；
2.外部可控因素
市场竞争对手近期行为、用户使用习惯的变化、招聘需求随时间的变化；
3.内部不可控因素
产品策略（移动端/PC端）、公司整体战略、公司客户群定位（比如只做医疗行业招聘）；
4.外部不可控因素
互联网招聘行业趋势、整体经济形势、季节性变化；
（二）DOSSDOSS 是从一个具体问题拆分到整体影响，从单一的解决方案找到一个规模化解决方案的方式。
某在线教育平台，提供免费课程视频，同时售卖付费会员，为付费会员提供更多高阶课程内容。如果我想将一套计算机技术的付费课程，推送给一群持续在看 C++ 免费课程的用户，产品经理应该如何辅助分析？按 DOSS 的思路分解如下：
1.具体问题
预测是否有可能帮助某一群组客户购买课程。
2.整体
首先根据这类人群的免费课程的使用情况进行数据分析，之后进行延伸，比如对整体的影响，除了计算机类，对其他类型的课程都进行关注。
3.单一回答
针对该群用户进行建模，监控该模型对于最终转化的影响。
4.规模化
之后推出规模化的解决方案，对符合某种行为轨迹和特征的行为进行建模，将课程推荐模型加入到产品设计中。
三、数据分析的应用手段根据基本分析思路，常见的有 7 种数据分析的手段。（一）画像分群画像分群是聚合符合某中特定行为的用户，进行特定的优化和分析。
比如在考虑注册转化率的时候，需要区分移动端和 Web 端，以及美国用户和中国用户等不同场景。这样可以在渠道策略和运营策略上，有针对性地进行优化。（二）趋势维度
建立趋势图表可以迅速了解市场， 用户或产品特征的基本表现，便于进行迅速迭代；还可以把指标根据不同维度进行切分，定位优化点，有助于决策的实时性；（三）漏斗洞察通过漏斗分析可以从先到后的顺序还原某一用户的路径，分析每一个转化节点的转化数据；
所有互联网产品、数据分析都离不开漏斗，无论是注册转化漏斗，还是电商下单的漏斗，需要关注的有两点。第一是关注哪一步流失最多，第二是关注流失的人都有哪些行为。
关注注册流程的每一个步骤，可以有效定位高损耗节点。
（四）行为轨迹
行为轨迹是进行全量用户行为的还原。只看 PV、UV 这类数据，无法全面理解用户如何使用你的产品。了解用户的行为轨迹，有助于运营团队关注具体的用户体验，发现具体问题，根据用户使用习惯设计产品，投放内容；（五）留存分析留存是了解行为或行为组与回访之间的关联，留存老用户的成本要远远低于获取新用户，所以分析中的留存是非常重要的指标之一；
除了需要关注整体用户的留存情况之外，市场团队可以关注各个渠道获取用户的留存度，或各类内容吸引来的注册用户回访率，产品团队关注每一个新功能对于用户的回访的影响等。（六）A/B 测试A/B 测试是对比不同产品设计/算法对结果的影响。
产品在上线过程中经常会使用 A/B 测试来测试产品效果，市场可以通过 A/B 测试来完成不同创意的测试。
要进行 A/B 测试有两个必备因素：
1.有足够的时间进行测试；
2.数据量和数据密度较高；
因为当产品流量不够大的时候，做 A/B 测试得到统计结果是很难的。而像 LinkedIn 这样体量的公司，每天可以同时进行上千个 A/B 测试。所以 A/B 测试往往公司数据规模较大时使用会更加精准，更快得到统计的结果。
（七）优化建模当一个商业目标与多种行为、画像等信息有关联性时，我们通常会使用数据挖掘的手段进行建模，预测该商业结果的产生；
例如：作为一家 SaaS 企业，当我们需要预测判断客户的付费意愿时，可以通过用户的行为数据，公司信息，用户画像等数据建立付费温度模型。用更科学的方式进行一些组合和权重，得知用户满足哪些行为之后，付费的可能性会更高。
以上这几种数据分析的方法论，仅仅掌握单纯的理论是不行的。产品经理们需要将这些方法论应用到日常的数据分析工作中，融会贯通。同时学会使用优秀的数据分析工具，可以事半功倍，更好的利用数据，实现整体增长。

数据分析方法论是什么

常见的数据分析方法：数据分析的基本思路，数据分析应该以业务场景为起始思考点，以业务决策作为终点；基本思路为5步，首先要挖掘业务含义、制定分析计划、从分析计划中拆分出需要的数据、再根据数据分析的手段提炼业务洞察，最终产出商业决策。在这种多渠道的投放场景下，如何进行深度决策，我们按照数据分析的基本思路拆解一下这个问题。挖掘业务含义，首先要了解市场部想优化什么，并以此为核心的 KPI 去衡量。对于渠道效果评估，重要的是业务转化：对P2P类网站来说，是否『发起借贷』要远重要于用『用户数量』。无论是 Google 还是金山渠道，重点在因为用户群体的不同，如何优化相应用户的落地页，提升转化。制定分析计划，以『发起借贷』为核心转化点，分配一定的预算进行流量测试，观察对比注册数量及 ROI 效果，可以持续观察这部分用户的后续价值。拆分查询数据，需要根据各个渠道追踪流量、落地页停留时间、落地页跳出率、网站访问深度以及订单类型数据，进行用户分群。提炼业务洞察，对于不同渠道进行投放时，根据 KPI 的变化，推测业务含义。比如谷歌渠道的效果不好，可能因为谷歌大部分的流量在海外，合规的问题造成转化率低。金山网络联盟有很多展示位置，要持续衡量不同位置的效果。产出商业决策，根据数据洞察，指引渠道的决策制定。比如停止谷歌渠道的投放，继续跟进金山网络联盟进行评估。落地页可以根据数据指标进行一定程度优化。以上这些都是商务分析拆解和完成推论的方式。

数据分析的基本思路是什么 怎么才有数据分析思路

【导读】在我们的日常工作生活中，经常会用到数据分析，比如领导需要举办一场活动，让你做个活动策划，你就要对客流量，成本，展现等各方面进行数据分析，做数据分析就好比做一件衣服，首先的先有设计图，然后在根据设计图分步骤的去制作成成品。下面我们就来说说数据分析的基本思路是什么?怎么才有数据分析思路?

数据分析方法论主要有PEST分析法，5W2H分析法，逻辑树分析法，4P营销理论(现在用的比较多是4C)，用户行为理论。下面呢，我就以5W2h分析方法，给大家详细的说明一下怎么建立完整的数据分析思路。

首先，先介绍一下什么是5W2H。

(1)WHAT——是什么?目的是什么?做什么工作?

(2)WHY——为什么要做?可不可以不做?有没有替代方案?

(3)WHO——谁?由谁来做?

(4)WHEN——何时?什么时间做?什么时机最适宜?

(5)WHERE——何处?在哪里做?

(6)HOW ——怎么做?如何提高效率?如何实施?方法是什么?

(7)HOW MUCH——多少?做到什么程度?数量如何?质量水平如何?费用产出如何?

例如要不要增加一个推广渠道，我们来形成一个完整的分析思路。

WHAT：一个引流的渠道，对这个渠道要有一定认识。

WHY ：目前其他的渠道的流量不能满足，做了渠道之后可能会增加多少流量。

WHO：是直接让其他渠道的人来负责，还是重新招一个操作过这个渠道的人。

WHEN：如果要做这个渠道，有没有时间来做，什么时候开始实施。

WHERE：如果是大公司，要考虑是总公司来做，还是分公司来做。

HOW：怎么做，是否有详细的解决方案，是否先参考同行竞争对手。

HOW MUCH：新增加的这个渠道，需要投入多少成本，人力成本，广告成本等等。

对每个环节进行分析，评估，然后综合每个环节，看看这个渠道是否值得开发。

以上就是小编为大家整理发布的关于“数据分析的基本思路是什么?怎么才有数据分析思路?”，希望对大家有所帮助。做熟悉分析最重要的就是有完整的思路，有了完整的思路才可以更清晰准确的去进行数据分析。更多相关内容，关注小编，持续更新。

数据分析方法论的高级方法有哪些

数据分析方法论的高级方法有：

1.PEST分析法

PEST是一种针对行业所处宏观环境进行分析的模型。宏观环境又称一般环境，是指影响一切行业和企业的各种宏观力量。对宏观环境因素作分析时。

由于不同行业和企业有其自身特点和经营需要，分析的具体内容会有差异，但一般都应对 政治(Political )、经济（Economic）、 技术（Technological）和社会（Social）这四大类影响企业的主要外部环境因素进行分析，这种方法简称为 PEST 分析法。

2. 5W2H 分析法

5W2H分析法是以五个 W 开头的英语单词和两个 H 开头的英语单词进行提问，从回答中发现解决问题的线索，即何因 （Why） 、何事(What) 、何人(Who) 、何时(When) 、何地(Where) 、如何做(How) 、何价(How much)，这就构成了 5W2H 分析法的总框架。

3.SWOT分析法

SWOT分析法也叫态势分析法，S （strengths）是优势、W （weaknesses）是劣势，O （opportunities）是机会、T （threats）是威胁或风险。

4. 用户行为理论分析法

网站分析的发展已经较为成熟，有一套成熟的分析指标。比如 IP、PV、页面停留时间、跳出率、回访者、新访问者、回访次数、回访相隔天数、流失率、关键字搜索、转化率、登录率，等等。

5.逻辑树法

逻辑树又称问题树、演绎树或分解树等。它是把一个已知问题当成“主干”，然后开始考虑这个问题和哪些相关问题有关，也就是“分支”。逻辑树能保证解决问题的过程的完整性，它能将工作细分为便于操作的任务，确定各部分的优先顺序，明确地把责任落实到个人。