數(shù)據(jù)分析方法有四種，分別是：趨勢(shì)分析，象限分析，對(duì)比分析，交叉分析。

| 問(wèn)題解答

數(shù)據(jù)分析的方法

1. 趨勢(shì)分析

趨勢(shì)分析一般用于核心指標(biāo)的長(zhǎng)期跟蹤，比如：點(diǎn)擊率、GMV、活躍用戶數(shù)。一般做成簡(jiǎn)單的數(shù)據(jù)趨勢(shì)圖，但光制作成數(shù)據(jù)趨勢(shì)圖還不算分析，數(shù)據(jù)必須有趨勢(shì)上的變化，比如：有沒(méi)有周期性，有沒(méi)有拐點(diǎn)，并分析背后的原因，無(wú)論是內(nèi)部原因還是外部原因都需要分析。

趨勢(shì)分析最好的產(chǎn)出是比值。有環(huán)比、同比、定基比。比如2017年4月份比3月份GDP增長(zhǎng)了多少，這就是環(huán)比，環(huán)比體現(xiàn)了最近變化的趨勢(shì)，但有季節(jié)性的影響。為了消除季節(jié)性的影響，推出了同比，比如：2017年4月份比2016年的4月份GDP增長(zhǎng)了多少，這就是同比。定基比就是固定某個(gè)基點(diǎn)，比如將2017年1月份的數(shù)據(jù)作為基點(diǎn)，定基比則為2017年5月份的數(shù)據(jù)和2017年1月份的數(shù)據(jù)做對(duì)比。

2. 象限分析

依據(jù)數(shù)據(jù)的不同，將各個(gè)比較主體劃分到4個(gè)象限中。如果把智商和情商進(jìn)行劃分，就可以劃分為兩個(gè)維度四個(gè)象限，每個(gè)人都有自己所屬的象限。一般來(lái)說(shuō)，智商保證一個(gè)人的下限，情商提升一個(gè)人的上限。

舉例：一般p2p產(chǎn)品注冊(cè)用戶都是有第三方渠道引流的，如果按照流量來(lái)源的質(zhì)量和數(shù)量可以劃分四個(gè)象限，然后選取一個(gè)固定時(shí)間點(diǎn)，比較各個(gè)渠道的流量性價(jià)比，質(zhì)量可以用留存的總額這個(gè)維度作標(biāo)準(zhǔn)。對(duì)于高質(zhì)量高數(shù)量的渠道繼續(xù)保持，對(duì)于高質(zhì)量低數(shù)量的渠道擴(kuò)大引入數(shù)量，低質(zhì)量低數(shù)量pass，低質(zhì)量高數(shù)量嘗試一下投放的策略和要求，這樣的象限分析可以讓我們?cè)趯?duì)比分析的時(shí)候得到一個(gè)非常直觀和快捷的結(jié)果。

3. 對(duì)比分析

橫向?qū)Ρ龋簷M向?qū)Ρ染褪歉约罕?。最常見的?shù)據(jù)指標(biāo)就是需要跟目標(biāo)值比，來(lái)回答我們有沒(méi)有完成目標(biāo)；跟我們上個(gè)月比，來(lái)回答我們環(huán)北增長(zhǎng)了多少。

縱向?qū)Ρ龋汉?jiǎn)單來(lái)說(shuō)就是跟他人比。我們要跟競(jìng)爭(zhēng)對(duì)手比，來(lái)回答我們?cè)谑袌?chǎng)中的份額和地位是怎樣的。

4. 交叉分析

對(duì)比分析既有橫向?qū)Ρ?，又有縱向?qū)Ρ取Ｈ绻认霗M向?qū)Ρ?，又想縱向?qū)Ρ?，就有了交叉分析法。交叉分析法就是?duì)數(shù)據(jù)從多個(gè)維度進(jìn)行交叉展現(xiàn)，進(jìn)行多角度的結(jié)合分析。在分析app數(shù)據(jù)的時(shí)候，通常會(huì)分ios和安卓來(lái)看。交叉分析的主要作用就是從多個(gè)維度細(xì)分?jǐn)?shù)據(jù)，從中發(fā)現(xiàn)最為相關(guān)的維度來(lái)探索數(shù)據(jù)變化的原因。

| 拓展閱讀

數(shù)據(jù)分析類型

1. 探索性數(shù)據(jù)分析

探索性數(shù)據(jù)分析是指為了形成值得假設(shè)的檢驗(yàn)而對(duì)數(shù)據(jù)進(jìn)行分析的一種方法，是對(duì)傳統(tǒng)統(tǒng)計(jì)學(xué)假設(shè)檢驗(yàn)手段的補(bǔ)充。該方法由美國(guó)著名統(tǒng)計(jì)學(xué)家約翰·圖基(John Tukey)命名。

2. 定性數(shù)據(jù)分析

定性數(shù)據(jù)分析又稱為“定性資料分析”、“定性研究”或者“質(zhì)性研究資料分析”，是指對(duì)諸如詞語(yǔ)、照片、觀察結(jié)果之類的非數(shù)值型數(shù)據(jù)（或者說(shuō)資料）的分析。

3. 離線數(shù)據(jù)分析

離線數(shù)據(jù)分析用于較復(fù)雜和耗時(shí)的數(shù)據(jù)分析和處理，一般通常構(gòu)建在云計(jì)算平臺(tái)之上，如開源的HDFS文件系統(tǒng)和MapReduce運(yùn)算框架。Hadoop機(jī)群包含數(shù)百臺(tái)乃至數(shù)千臺(tái)服務(wù)器，存儲(chǔ)了數(shù)PB乃至數(shù)十PB的數(shù)據(jù)，每天運(yùn)行著成千上萬(wàn)的離線數(shù)據(jù)分析作業(yè)，每個(gè)作業(yè)處理幾百M(fèi)B到幾百TB甚至更多的數(shù)據(jù)，運(yùn)行時(shí)間為幾分鐘、幾小時(shí)、幾天甚至更長(zhǎng)。

4. 在線數(shù)據(jù)分析

在線數(shù)據(jù)分析也稱為聯(lián)機(jī)分析處理，用來(lái)處理用戶的在線請(qǐng)求，它對(duì)響應(yīng)時(shí)間的要求比較高（通常不超過(guò)若干秒）。與離線數(shù)據(jù)分析相比，在線數(shù)據(jù)分析能夠?qū)崟r(shí)處理用戶的請(qǐng)求，允許用戶隨時(shí)更改分析的約束和限制條件。與離線數(shù)據(jù)分析相比，在線數(shù)據(jù)分析能夠處理的數(shù)據(jù)量要小得多，但隨著技術(shù)的發(fā)展，當(dāng)前的在線分析系統(tǒng)已經(jīng)能夠?qū)崟r(shí)地處理數(shù)千萬(wàn)條甚至數(shù)億條記錄。傳統(tǒng)的在線數(shù)據(jù)分析系統(tǒng)構(gòu)建在以關(guān)系數(shù)據(jù)庫(kù)為核心的數(shù)據(jù)倉(cāng)庫(kù)之上，而在線大數(shù)據(jù)分析系統(tǒng)構(gòu)建在云計(jì)算平臺(tái)的NoSQL系統(tǒng)上。如果沒(méi)有大數(shù)據(jù)的在線分析和處理，則無(wú)法存儲(chǔ)和索引數(shù)量龐大的互聯(lián)網(wǎng)網(wǎng)頁(yè)，就不會(huì)有當(dāng)今的高效搜索引擎，也不會(huì)有構(gòu)建在大數(shù)據(jù)處理基礎(chǔ)上的微博、博客、社交網(wǎng)絡(luò)等的蓬勃發(fā)展。