❶ 數據分析的分析思維有哪些
一、對比思維
對比法就是用兩組或兩組以上的數據進行比較，是最通用的方法。我們知道孤立的數據沒有意義，有對比才有差異。一些直接描述事物的變數，如長度、數量、高度、寬度等，通過對比得到比率數據，增速、效率、效益等指標，這才是數據分析時常用的。比如：用於在時間維度上的同比和環比、增長率、定基比，與競爭對手的對比、類別之間的對比、特徵和屬性對比等。
二、象限思維
通過對兩種及以上維度的劃分，運用坐標的方式表達出想要的價值。由價值直接轉變為策略，從而進行一些落地的推動。象限法是一種策略驅動的思維，常於產品分析、市場分析、客戶管理、商品管理等。比如：下圖是一個廣告點擊的四象限分布，X軸從左到右表示從低到高，Y軸從下到上表示從低到高。
三、二八法/帕累托分析思維
二八法也可以叫帕累托法則，源於經典的二八法則。比如在個人財富上可以說世界上20%的人掌握著80%的財富。而在數據分析中，則可以理解為20%的數據產生了80%的效果需要圍繞這20%的數據進行挖掘。
往往在使用二八法則的時候和排名有關系，排在前20%的才算是有效數據。二八法是抓重點分析，適用於任何行業;找到重點，發現其特徵，然後可以思考如何讓其餘的80%向這20%轉化，提高效果。
四、漏斗思維
漏鬥法即是漏斗圖，有點像倒金字塔，是一個流程化的思考方式，常用於像新用戶的開發、購物轉化率這些有變化和一定流程的分析中。
❷ 入門必備！數據分析的3大思維和7種技巧
如果我們在分析一個問題前，思維缺失就像下面圖中所表達的一樣，往往不知道問題從哪裡下手，在這個時候就輪到平時鍛煉的數據分析思維了。
結構化
可以看作金字塔思維，把待分析問題按不同方向去分類，然後不斷拆分細化，能全方位的思考問題，一般是先把所有能想到的一些論點先寫出來，然後在進行整理歸納成金字塔模型。主要通過前面介紹的思維導圖來寫我們的分析思維。
公式化
在結構化的基礎上，這些論點往往會存在一些數量關系，使其能進行＋、－、×、÷的計算，將這些論點進行量化分析，從而驗證論點 。
業務化
業務化即是深入了解業務情況，結合該項目的具體業務進行分析，並且能讓分析結果進行落地執行。用結構化思考＋公式化拆解得出的最終分析論點再很多時候表示的是一種現象，不能體現產生結果的原因。所以需要繼續去用業務思維去思考，站在業務人員或分析對象的角度思考問題，深究出現這種現象的原因或者通過數據推動業務。
增加業務思維方法：貼近業務，換位思考，積累經驗
在數據分析中，三種核心數據分析思維是框架型的指引，實際應用中還是需要很多技巧工具的。7種數據分析技巧，它們分別是象限法，多維法，假設法，指數法，二八法，對比法，漏鬥法。
象限法
通過對兩種維度的劃分，運用坐標的方式表達出想要的價值，由價值直接轉變為策略，從而進行一些落地的推動。象限法是一種策略驅動的思維，廣泛應用於戰略分析，產品分析，市場分析，客戶管理，用戶管理，商品管理等。
下圖是RFM模型，把客戶按最近一次消費(Recency)、消費頻率(Frequency)、消費金額 (Monetary)三個維度分成八個象限。
菜品銷售增長率和銷售利潤
多維法
多維法是指對分析對象從多個維度去分析，這里一般是三個維度，每個維度有不同數據分類，這樣代表總數據的大正方體就被分割成一個個小方塊，落在同一個小方塊的數據擁有同樣的屬性，這樣可以通過對比小方塊內的數據進行分析。如圖，這是一個快餐店的外賣訂單多維表：
雖然只有下單時間、菜品名稱、平台三個維度。但根據這個立方體，已經能解決很多掌櫃急需了解的問題了。
我們可以通過切片實現每個平台每種菜品的銷量，每個月每種菜品的銷量，某個月某平台菜品銷售情況等等操作。
假設法
在一些情況下，如進入新市場的銷量、商品提價後銷量的變化情況，可能沒有明細數據進行分析，那麼就需要用到假設法。假設法也就是假設一個變數或者比率成立，然後根據部分數據進行反推，這是一種啟發思維的技巧，一般過程是先假設後驗證然後判斷出分析結果。
例題：你是自營電商分析師，現在想將商品提價，你分析下銷售額會有怎樣的變化？解答思路：首先可以確定銷量會下降，那麼下降多少？這里就要假設商品流量情況，提價後轉化率的變化情況，然後根據歷史數據匯總出銷量下降百分百，從而得出銷售額的變化情況。
指數法
指數法是把某個數據多個指標按一定的計算轉化為同度量的一個值，這個度量值稱為指數。例如在一場游戲競技比賽中要確定該場的MVP，則是需要根據擊殺數、死亡數、助攻數、經濟、補兵等指標進行綜合計算出一個得分，得分高的為MVP。
指數法常用的有線性加權、反比例、log三種。線性加權即是把每個指標乘以一個系數後相加，反比例即是用數學上的反比例函數y=k/x變化後在計算，log即是數學中所說的對數一般以2為底數或者10為底數。指數法使用沒有統一標准，一般是根據經驗來做，將無法利用的數據加工成可以可利用的。例如，NBA計算最有價值球員的指數參考：
二八法
二八法即是二八法則也可以叫做帕累托法則，比如在個人財富上可以說世界上20%的人掌握80%的財富。而在數據分析中，則可以理解為20%的數據產生了80%的效果需要圍繞這20%的數據進行挖掘。往往在使用二八法則的時候和排名有關系，排在前20%的才算是有效數據。二八法是抓重點分析，適用於任何行業。找到重點，發現其特徵，然後可以思考如何讓其餘的80%向這20%轉化，提高效果。
對比法
對比法就是用兩組或兩組以上的數據進行比較，常見的是用於在時間維度上的同比和環比、定基比，與競爭對手的對比、類別之間的對比、特徵和屬性對比等。對比法可以發現數據變化規律，使用非常頻繁，多與前面的技巧結合使用。
漏鬥法
漏鬥法即是漏斗圖，有點像倒金字塔，是一個流程化思考方式，常用於像新用戶的開發、購物轉化率這些有變化和一定流程的分析中。不過，單一的漏斗分析是沒有用的，不能得出什麼結果，要與其它相結合，如與歷史數據的對比等。
下圖我用BI商業智能工具FineBI連接了CRM系統的數據，對客戶的行為數據做了漏斗圖形式的展現。
最後，說了這么多方法，趕緊拿起小本本記下來吧!
❸ 如何進行數據分析思維的訓練
思維能力的訓練是一種有目的、有計劃、有系統的教育活動。對它的作用不可輕估。人的天性對思維能力具有影響力，但後天的教育與訓練對思維能力的影響更大、更深。許多研究成果表明，後天環境能在很大程度上造就一個新人。思維能力的訓練主要目的是改善思維品質，提高學生的思維能力，只要能實際訓練中把握住思維品質，進行有的放矢的努力，就能順利地卓有成效地堅持下去。思維並非神秘之物，盡管看不見，摸不著，來無影，去無蹤，但它卻是實實在在，有特點、有品質的普遍心理現象。（1）推陳出新訓練法當看到、聽到或者接觸到一件事情、一種事物時，應當盡可能賦予它們的新的性質，擺脫舊有方法束縛，運用新觀點、新方法、新結論，反映出獨創性，按照這個思路對學生進行思維方法訓練，往往能收到推陳出新的結果。（2）聚合抽象訓練法把所有感知到的對象依據一定的標准「聚合」起來，顯示出它們的共性和本質，這能增強學生的創造性思維活動。這個訓練方法首先要對感知材料形成總體輪廓認識，從感覺上發現十分突出的特點；其次要從感覺到共性問題中肢解分析，形成若干分析群，進而抽象出本質特徵；再次，要對抽象出來的事物本質進行概括性描述，最後形成具有指導意義的理性成果。（3）循序漸進訓練法這個訓練法對學生的思維很有裨益，能增強領導者的分析思維能力和預見能力，能夠保證領導者事先對某個設想進行嚴密的思考，在思維上藉助於邏輯推理的形式，把結果推導出來。（4）生疑提問訓練法此訓練法是對事物或過去一直被人認為是正確的東西或某種固定的思考模式敢於並且善於或提出新觀點和新建議，並能運用各種證據，證明新結論的正確性。這也標志著一個學生創新能力的高低。訓練方法是：首先，每當觀察到一件事物或現象時，無論是初次還是多次接觸，都要問「為什麼」，並且養成習慣；其次，每當遇到工作中的問題時，盡可能地尋求自身運動的規律性，或從不同角度、不同方向變換觀察同一問題，以免被知覺假象所迷惑。（5）集思廣益訓練法此訓練法是一個組織起來的團體中，藉助思維大家彼此交流，集中眾多人的集體智慧，廣泛吸收有益意見，從而達到思維能力的提高。此法有利於研究成果的形成，還具有潛在的培養學生的研究能力的作用。因為，當一些富個性的學生聚集在一起，由於各人的起點、觀察問題角度不同，研究方式、分析問題的水平的不同，產生種種不同觀點和解決問題的法。通過比較、對照、切磋，這之間就會有意無意地學習到對方思考問題的方法，從而使自己的思維能力得到潛移默化的改進。希望能幫到你
❹ 數據分析慣用的5種思維方法是什麼
一、對比法對比法就是用兩組或兩組以上的數據進行比較，是最通用的方法。
我們知道孤立的數據沒有意義，有對比才有差異。一些直接描述事物的變數，如長度、數量、高度、寬度等。通過對比得到比率數據，增速、效率、效益等指標，這才是數據分析時常用的。
比如用於在時間維度上的同比和環比、增長率、定基比，與競爭對手的對比、類別之間的對比、特徵和屬性對比等。對比法可以發現數據變化規律，使用頻繁，經常和其他方法搭配使用。
二、象限法
通過對兩種及以上維度的劃分，運用坐標的方式表達出想要的價值。由價值直接轉變為策略，從而進行一些落地的推動。象限法是一種策略驅動的思維，常於產品分析、市場分析、客戶管理、商品管理等。
三、二八法/帕累托分析
二八法也可以叫帕累托法則，源於經典的二八法則。比如在個人財富上可以說世界上20%的人掌握著80%的財富。而在數據分析中，則可以理解為20%的數據產生了80%的效果需要圍繞這20%的數據進行挖掘。往往在使用二八法則的時候和排名有關系，排在前20%的才算是有效數據。二八法是抓重點分析，適用於任何行業。找到重點，發現其特徵，然後可以思考如何讓其餘的80%向這20%轉化，提高效果。
一般地，會用在產品分類上，去測量並構建ABC模型。比如某零售企業有500個SKU以及這些SKU對應的銷售額，那麼哪些SKU是重要的呢，這就是在業務運營中分清主次的問題。
常見的做法是將產品SKU作為維度，並將對應的銷售額作為基礎度量指標，將這些銷售額指標從大到小排列，並計算截止當前產品SKU的銷售額累計合計占總銷售額的百分比。
百分比在 70%(含)以內，劃分為 A 類。
百分比在 70~90%(含)以內，劃分為 B 類。
百分比在 90~100%(含)以內，劃分為 C 類。
以上百分比也可以根據自己的實際情況調整。
ABC分析模型，不光可以用來劃分產品和銷售額，還可以劃分客戶及客戶交易額等。比如給企業貢獻80%利潤的客戶是哪些，佔比多少。假設有20%，那麼在資源有限的情況下，就知道要重點維護這20%類客戶。
四、漏鬥法
漏鬥法即是漏斗圖，有點像倒金字塔，是一個流程化的思考方式，常用於像新用戶的開發、購物轉化率這些有變化和一定流程的分析中。
五、公式法
所謂公式法就是針對某個指標，用公式層層分解該指標的影響因素。
舉例：分析某產品的銷售額較低的原因，用公式法分解：
①某產品銷售額=銷售量 X 產品單價
②銷售量=渠道A銷售量 + 渠道B銷售量 + 渠道C銷售量 + …
③渠道銷售量=點擊用戶數 X 下單率
④點擊用戶數=曝光量 X 點擊率
第一層：找到產品銷售額的影響因素。某產品銷售額=銷售量 X 產品單價。是銷量過低還是價格設置不合理?
第二層：找到銷售量的影響因素。分析各渠道銷售量，對比以往，是哪些過低了。
第三層：分析影響渠道銷售量的因素。渠道銷售量=點擊用戶數X 下單率。是點擊用戶數低了，還是下單量過低。如果是下單量過低，需要看一下該渠道的廣告內容針對的人群和產品實際受眾符合度高不高。
第四層：分析影響點擊的因素。點擊用戶數=曝光量X點擊率。是曝光量不夠還是點擊率太低，點擊率低需要優化廣告創意，曝光量則和投放的渠道有關。
通過對銷售額的逐層拆解，細化評估以及分析的粒度。
公式拆解法是針對問題的層級式解析，在拆解時，對因素層層分解，層層剝盡。
❺ 數據分析師常用的思維分析方式是什麼
1. 對比思維
對比這兩個字大家肯定都不陌生，比如買東西我們會貨比三家，其實生活中處處有對比。
比如說，小芳一直成績優異，但是末次考試發揮失常，數學只考了40分，班主任找到小芳談話，問她說：「你最近怎麼回事，上次你數學考了80分，全班前十，這次怎麼考的這么差？你看看你的同桌，這次都考了73分。」
從這個小故事中可以看出，對比一般有兩種方式，橫向對比和縱向對比。橫向對比也就是與同類對比，比如班主任拿小芳的成績跟她同桌的成績做對比。縱向對比是指同一類型不同時間的對比，比如班主任拿小芳這次的成績和上次的成績做對比。
2. 細分思維
細分思維很多人可能乍一聽不太明白，其實生活中很多小事都體現了細分思維。就比如我們人體是由九大系統構成的，系統又是由器官構成的，器官是由組織構成的、細胞又構成了組織，層層細分。
再拿剛剛的例子來說，還是我們的小芳同學，還是剛剛那場考試，班主任讓小芳對自己這考試的總成績做一個總結，小芳拿著成績單仔細研究，發現這次總成績不是很好，但是仔細一看，發現除了數學成績只考了40分以外，其他科目的成績都名列前茅，數學成績拉低了小芳的整體成績。
在這里我們就是把整體考試成績細分為具體的科目來總結歸因。在數據分析的工作中，細分的緯度主要包括時間、地區、渠道、產品、員工、客戶等。杜邦分析法、麥肯錫的 MECE 分析法本質上都屬於細分思維。
3. 溯源思維
前兩個思維能夠對應一部分數據分析工作要求，但是如果有一些數據不能用前兩種思維來處理怎麼辦呢？
那我們就可以用到另一種溯源思維。俗話說追根溯源，很多時候我們要想知道事物背後的邏輯原因，最好的方法可能是去探究事物發生的原因，來幫助我們分析。
繼續拿小芳舉例，她放學回家把成績單交給媽媽，媽媽通過對比、細分的思維方法知道了小芳這次考試的大概情況，也知道是數學失利了。但是小芳的數學一向是強項，媽媽還是無法理解為什麼會在這里出問題，於是媽媽找來小芳談心，詳細了解了考試時的情況，才發現是因為小芳考數學的那天中午吃壞了肚子，下午的數學考試剛好發作，疼痛難忍，以至於很多本來會做的題目都做錯了。媽媽也理解了小芳，並且向小芳表達了歉意，也會更注重小芳的飲食問題。
上面的例子里，小芳的媽媽無法從表面的數據上分析出事情發生的原因，於是採用了溯源思維，找到了真正的原因。如果數據分析師在工作中也能利用好溯源思維，那麼對數據的敏感和業務的理解也能逐步加深。
4. 相關思維
上面幾種思維是比較常用的思維方式，下面我們就來說說相關思維，這也是數據分析的核心思維能力。
很多人可能都知道著名的啤酒與尿布的故事，在業界是一個相關分析的經典案例。故事背景是20世紀90年代的美國沃爾瑪超市，當時沃爾瑪擁有世界上最大的數據倉庫系統，為了能夠准確了解顧客在其門店的購買習慣，沃爾瑪對其顧客的購物行為進行購物籃分析，想知道顧客經常一起購買的商品有哪些。
沃爾瑪數據倉庫里集中了其各門店的詳細原始交易數據。在這些原始交易數據的基礎上，沃爾瑪利用數據挖掘方法對這些數據進行分析和挖掘。一個意外的發現是：跟尿布一起購買最多的商品竟是啤酒。
經過大量實際調查和分析，揭示了一個隱藏在「尿布與啤酒」後的美國人的一種行為模式：在美國，一些年輕的父親下班後經常要到超市去買嬰兒尿布，而他們中有30%～40%的人同時也為自己買一些啤酒。產生這一現象的原因是：美國的妻子們常叮囑她們的丈夫下班後為小孩買尿布，而丈夫們在買尿布後又隨手帶回了他們喜歡的啤酒。
如果數據分析師能夠熟練靈活的將相關分析運用到工作中，就能從僅僅知道數據分析的結果是什麼進階到知道呈現這個結果的原因是為什麼。
5. 假設思維
之前的思維模式都是建立在我們有大量的已知數據可以進行分析論證的時候，那麼如果我們還沒有足夠的數據量或者證據來驗證這件事，我們應該怎麼辦呢？這種時候就可以用到我們的假設思維。先對大膽進行假設，然後再小心求證，最後去想辦法驗證假設是否成立。
比如，小芳想吃荔枝，於是下樓去買，跟賣荔枝的阿姨之間有這樣一段對話：
小芳：「阿姨，你這荔枝甜不甜？」
阿姨：「甜啊，我這有切好的，你先嘗一嘗試試。」
小芳：「好，那我嘗一個。」
小芳拿來一個荔枝，嘗了一口：「嗯，不錯，確實挺甜的，給我稱兩斤吧。」
上面這個看似簡單的小故事，其實就隱藏了簡單的假設檢驗。首先，小芳提出假設：荔枝是甜的；其次，隨機抽取一個樣本；然後，檢驗是否是甜的；最後，作出判斷，確認荔枝真的是甜的，所以就購買了。
在數據分析中，假設思維的專業術語叫假設檢驗，一般包括四個步驟，即：提出假設、抽取樣本、檢驗假設、作出判斷。數據分析師可以充分利用這一思維模式。
6. 逆向思維
逆向思維這個詞大家一定都不陌生，很多著名企業家的演講中就常常提到這個詞，他們都提倡打破常規的思維模式，從相反的方向來思考問題。
下面我們邀請小芳同學再次登場。
有一次，小芳去買辣椒，跟阿姨之間又有一段對話。
小芳：「阿姨，你這辣椒多少錢一斤？」
阿姨：「一塊五。」
小芳挑了 3 個放到秤盤：「阿姨，幫我稱一下。」
阿姨：「一斤半，兩 塊 2 毛。」
小芳去掉其中最大的辣椒：「做湯不用那麼多。」
攤主：「一斤二兩，一塊6毛。」
小芳拿起剛剛去掉的那個最大的辣椒，付了 6毛錢，笑著跟阿姨說了再見。
你看，運用逆向思維，有時可能會起到意想不到的效果。
7. 演繹思維
演繹思維相對於前面的幾種思維方式可能不是那麼好理解。
演繹思維的方向是由一般到個別，大家要記住這一點，後面我們還會提到。也就是說，演繹的前提是一般性的抽象知識，而結論是個別性的具體知識。演繹的主要形式是由大前提、小前提、結論三部分組成的三段論。
以物理學上一個常識為例。
大前提：金屬能導電。
小前提：銀鐵是金屬。
結論：銀能導電。
從這個例子中可以看出，大前提是已知的一般原理（金屬能導電），小前提是研究的特殊場合（鐵是金屬），結論是將特殊場合歸到一般原理之下得出的新知識（銀能導電）。
8. 歸納思維
歸納思維的方向與演繹正好相反，歸納的過程是從個別到一般。
還是以金屬能導電為例。
前提：金能導電，銀能導電，銅能導電，鋁能導電。
結論：金屬能導電。
數據分析的過程，往往是先接觸到個別事物，而後進行歸納總結，推及一般，再進行演繹推理，從一般推及個別，如此循環往復，不斷積累經驗。
總結
本文總結了數據分析的 8 種思維，分別是對比、細分、溯源、相關、假設、逆向、演繹、歸納。作為一名數據分析師，如果在工作中能充分運用好這些思維，是對個人能力極大地提升，就能夠在工作中創造更多的個人價值。