很多同學會困惑：到底什么才是數據分析方法？因為網上對于數據分析方法的描述，有些抄襲自營銷學書本，比如4P、PEST；有些則抄襲自統計學書本，比如相關分析，回歸分析。可真到做分析的時候就傻眼了：眼前的問題到底該P一下還是回歸一下？

想真正理解&掌握數據分析方法，當然不能這樣“拿著錘子找釘”。工作中的數據分析，要緊密結合業務，服務業務需求。因此理解業務需求，圍繞問題找答案，才能理解各種數據分析方法有什么用，該怎么用。

6大類典型的業務需求

一個完整的業務活動，分為六個步驟：了解現狀→設定目標→制定計劃→監控走勢→診斷問題→復盤結果。在每個階段，業務掌握的信息，想解決的問題是不一樣的，因此對數據的需求會不一樣（如下圖）。

圖片

如果是從制定年度經營計劃開始，數據分析師就參與到工作中，那么就會完整地經歷這6個步驟。

但是，很多同學是中途入職/半道接手工作，最常見的是：

1、從監控開始，先輸出日常報表，再發現問題

2、直接接到一個分析任務，就XX問題輸出報告

3、事情已經做完了，事后補一份復盤報告

這個時候，很有可能數據分析師對業務都不熟悉，匆忙趕鴨子上架，肯定毫無思路了。此時，至少得把第1步：了解業務現狀補齊，然后再對癥下藥。

了解現狀的方法

了解現狀階段，更多是系統地呈現數據指標，讓業務看清楚情況。數據指標體系本身有3種結構：并列式、流程式、總分式。有

一些常見的分析方法與這三種形式對應。比如：

• 杜邦分析法對應總分式指標體系。主要用于評估經營情況好壞，拆解財務指標，監控業務行動結果。
• UJM方法對應流程式指標體系。主要用于梳理用戶行為路徑（互聯網企業使用的尤其多），看清楚用戶轉化方式。
• RFM方法對應并列式指標體系，主要用于對用戶消費行為進行分類，區分高中低消費+待喚醒的緊急程度。

（如下圖）

圖片

需要注意的是：單純地展示指標并不能得出任何分析結論。至少要展示指標+不同個體間進行對比。

比如：

1、杜邦分析法：兩個同行業公司進行比較

2、UJM方法：兩個不同路徑進行比較

3、RFM方法：兩類用戶群體間比較

因此，在了解現狀階段，不要光想著羅列一大堆指標出來，而是思考下：到底選取誰進行對比，才能更好發現業務之間差異性，從而啟發業務部門思考。

設定目標的方法

在設定目標階段，很有可能業務部門想了解：

1、如果不做任何改變，自然情況下業務會發展成啥樣？

2、如果增加/減少某項資源投入，業務會發展成啥樣？

3、如果改變一種業務做法，業務會發展成啥樣？

此時就涉及到預測問題。預測自然發展趨勢，一般會運用到時間序列法，根據數據走勢的不同，有平滑法、自回歸、季節性回歸、帶季節趨勢的回歸等方法可用。如果考慮改變資源投入，可以考慮帶因果關系回歸。因為投入產出之間一般都有函數關系，可以通過數據擬合投入產出曲線，從而模擬調整結果。

圖片

如果要改變業務做法，則要先看：業務是否有采取同類措施。如果已有同類做法，則可以參考同類做法的投入產出情況進行推算。如果連做都沒做過，那就得先做測試，不然沒數據就是空拍腦袋。

需要注意的是：設定目標很多時候要體現領導想法，數據本身只是參考。所以很有可能在做完自然情況預測后，業務部門就會開始拍腦袋了。此時可能不需要復雜的分析方法，而是利用數據指標體系，拆解KPI指標，之后根據領導們的要求增減相關，模擬可能的結果。

制定計劃的方法

在制定計劃階段，很有可能業務想把一個大目標拆解下去，落實到具體執行工作中。此時可以使用OGSM方法，這是一套標準的把定性目標落實為定量目標，把定量目標拆解為執行步驟，再監控執行的方法（如下圖）。

圖片

還有可能，業務想先不自己動手拆，而是看在現有投入產出水平下，理論最優解是什么。此時可以構建投入成本函數，利用本量利分析/線性規劃方法，計算理論最優解，供業務參考（如下圖）。

圖片

同目標設定一樣，做計劃的時候，很有可能業務完全憑經驗，自己估摸一個數字就開干了。過于粗糙的計劃，會導致：執行安排不合理、臨時調來調去、缺少后備方案，這些都會導致執行過程的問題。

數據分析師如果能提前了解情況，就能在下一步監控走勢的時候輕松很多。

監控走勢的方法

在監控走勢階段，核心任務是：觀察業務是否在預期內發展，是否有異常波動。因此需要數據分析方法，判斷業務是否正常。

此時有周期性分析法、投入產出分析、結構分析法、分層分析法、矩陣分析法五種方法可用。

• 周期性分析法，是根據業務特點，拆解出業務發展隨季節變化/生命周期變化/投入產出變化而產生的規律。通過和常規走勢對比發現問題。
• 投入產出分析，則是根據業務行動投入力度+過往數據經驗，預判可能效果，如果排查：是否因本次業務執行不力，導致數據異常
• 結構分析、分層分析、矩陣分析，則是通過多個業務之間對比，發現被平均數掩蓋的問題。還有些常見的說法，比如ABC分類、二八分類，其實都是分層分析的特殊形態（如下圖）

圖片

在監控走勢的時候，這些常規方法，完全可以和監控指標做到一起，做成同一張監控數據看板，在觀察到主指標異常以后，直接從總體到具體查看數據情況，看看是哪個部分出了問題，從而極大提高發現問題的效率。

問題診斷的方法

在診斷問題過程中，是否有業務假設是最關鍵的。

1、如果業務啥都沒有，那就只能構建分析邏輯樹，層層排查問題

2、如果業務有一個明確假設，可以直接做排除法，驗證假設是否成立

3、如果業務已經有應對方案，可以直接做實驗，測試方案可行性

雖然一提起問題診斷，人們本能會想到：構建邏輯樹。但構建完整的邏輯樹太過費時費力，且很多假設需要收集外部數據檢驗，現實工作中不是時時刻刻都有這么充足的數據供應。因此診斷問題時，盡可能先找業務假設，快速輸出結論。

圖片

驗證業務假設的時候，是否做實驗是最關鍵的區別：

1、如果完全不能做實驗，那么只能通過標桿分析（對比好/壞個體），過程診斷（分析業務過程中最拉胯的環節）來輸出分析結論。

2、如果能做實驗，但不能做抽樣測試，那么只能做改進前后對比分析。

3、如果能做實驗，且能做抽樣測試，那么可以采用統計學方法，檢驗實驗效果。

結果復盤的方法

如果前邊5步做到位了，在結果復盤的時候就非常輕松：

1、對比目標、實際差距，下判斷：到底做得好不好

2、調取過程監控數據，看執行過程中是否有問題

3、調取問題診斷數據，看問題發生原因及處理的結果

這樣綜合各項結果的復盤是非常全面的，即包含了結果陳述，又包含了經驗總結。

很多同學覺得復盤特別麻煩，是因為沒有參與到全流程的工作中，活動結束了才被指派任務要復盤。此時一不了解目標，二不了解過程，自然得從頭到尾梳理一遍才能出結果。如果碰上業務自己都沒有設定清晰的目標，沒有監控過程數據，那就更兩眼一抹黑了。