1. 如何对两种不同实验方法测定同一指标的数据进行统计学分析
首先要判断两组数据是否是正态分布资料，两组是否方差齐，
然后可以计算两组的均数进行t检验
如果不满足正态分数，需要进行数据变换
实在不行的话，最后用秩和检验
1、细分剖析
细分剖析是数据剖析的根底，单一维度下的目标数据信息价值很低。细分办法能够分为两类，一类是逐步剖析，比方：来北京市的访客可分为向阳，海淀等区;另一类是维度穿插，如：来自付费SEM的新访客。
细分用于处理一切问题。比方漏斗转化，实际上便是把转化进程依照过程进行细分，流量途径的剖析和评价也需要很多的用到细分办法。
2、比照剖析
比照剖析主要是指将两个彼此联系的目标数据进行比较，从数量上展示和阐明研讨目标的规划巨细，水平高低，速度快慢等相对数值，通过相同维度下的目标比照，能够发现，找出事务在不同阶段的问题。常见的比照办法包括：时间比照，空间比照，标准比照。
3、漏斗剖析
转化漏斗剖析是事务剖析的基本模型，最常见的是把最终的转化设置为某种意图的实现，最典型的便是完成买卖。但也能够是其他任何意图的实现，比方一次运用app的时间超越10分钟。
3. 大白话谈大数据：数据分析方法之对比分析
对比分析是数据分析中最常用、好用、实用的分析方法，它是将两个或两个以上的数据进行比较，分析其中的差异，从而揭示这些事物代表的发展变化情况以及变化规律。
先看看思维导图：
使用分析方法（和谁比）
如何使用对比分析法，就要先考虑 和谁比 这个问题。
和自己比较
通过和自己过去的平均值相比，发现问题，围绕问题进行分析，出现的问题是自身问题导致的还是行业问题导致的，如果自己的环比出现了问题，就要从自身上找原因，提高活跃率。
和行业比较
将自己的平均值和行业平均值进行比较，和同行一比，往往会发现很多问题。
使用分析方法（如何比较）
第二个要考虑的问题就是 如何比较 ？
数据整体的大小 ：用某些指标来衡量整体数据的大小，常用的数据指标为：平均值、中位数、某个业务指标
数据整体波动 ：用变异系数来衡量整体数据的波动情况
趋势变化 ：运用对比分析来分析趋势变化的时候，最主要的是找到合适的对比标准。找到标准，将对比对象的指标与标准进行对比，就能得出有结果了。目前常用标准是时间标准、空间标准、特定标准。
第一类时间标准 ：
动作前后对比 ，可以看到动作前后的效果，如对比某次营销活动前后的对比。
时间趋势对比 ，可以评估指标在一段时间内的变化，可以通过环比，来判断短时间内趋势的变化。
与去年同期对比 ，当数据存在时间周期变化的时候，可以与去年同期对比，剔除时间周期变化因素。通过同比，来判断短时间内趋势的变化。
环比：本月和上个月比较，短时间的比较
同比：本年和上一年比较，长时间的比较
第二类空间标准 ：
A/B测试 ，在同一时间维度，分别让组成成分相同的目标用户，进行不同的操作，最后分析不同组的操作效果，A/Btest我接下去也会讲。
相似空间对比 ，运用两个相似的空间进行比较，找到二者的差距，比如同类型甲APP（贝壳）乙APP（自如）的年留存率情况，明显看出哪个APP的留存率更高，日常生活中相似空间比较常用的就是城市、分公司之间的对比。
先进空间对比 ，是指与行业内领头羊对比，知晓差距多少，再细分原因，从而提高自身水平。如淘宝和京东的对比。
第三类特定标准 ：
与计划值对比 ，目标驱动运营，在营销中会制定年、月、甚至日的目标，通过与目标对比，分析自己是否完成目标，若未完成目标，则深层次分析原因。目标驱动的好处，就是让运营人员一直积极向上努力的去完成目标，从而带动公司盈利。
与平均值对比 ，与平均值对比，主要是为了知晓某部分与总体差距。
与理论值对比 ，这个对比主要是因为无历史数据，所以这个时候只能与理论值对比。理论值是需要经验比较丰富的员工，利用工作经验沉淀，参考相似的数据，得出来的值。
对比分析方法原则
对比分析需要坚持可比性原则：对比对象相似，对比指标同质
对比对象相似 ：进行比较的时候注意，比较规模要一致，对比对象越相似，就越具有可比性，比如说不能用你的工资和思聪的零花钱进行比较，这样不公平。如果要比，就和你出生，教育背景相似的人进行比较。当然这只是个不恰当的例子haha
对比指标同质： 同质可以表现在下面三点：
1.指标口径范围相同 ，比如甲 APP 与乙 APP 的用户年留存率比较，如果用甲 APP 18年的用户留存率，那乙 APP 也需要是18年的，不能拿乙17年的与甲18年的比较。
2.指标计算方法一样 ，也就是计算公式相同，比如一个用除法、一个用加法进行计算。
3.指标计量单位一致 ，不能拿身高和体重进行比较，二者常用单位一个是厘米，一个是千克。
分析方法应用
举一个例子吧，A/Btest
什么是A/B测试呢？为统一个目标制定两个版本，这两个版本只有某个地方不一样，其他地方保持不变，让一部分用户使用A版本，一部分用户使用B版本，A版本为实验组，B版本为对照组，两个版本运行一段时间后，分别统计两组用户的表现，然后对两组数据进行对比分析，选择效果好的版本，正式发布给全部用户。
当然现实中的A/Btest也远没有这么简单，我接下去会写一篇文章专门讲讲A/Btest的，挖坑+1 hahaha
最后打个小广告，我的公众号（顾先生的数据挖掘）
喜欢的小伙伴可以关注下，你的关注是我最大的动力。