數據分析方法都有哪些？

數據分析方法有四種，分別是：趨勢分析，象限分析，對比分析，交叉分析。

| 問題解答

數據分析的方法

1. 趨勢分析

趨勢分析一般用于核心指標的長期跟蹤，比如：點擊率、GMV、活躍用戶數。一般做成簡單的數據趨勢圖，但光制作成數據趨勢圖還不算分析，數據必須有趨勢上的變化，比如：有沒有周期性，有沒有拐點，并分析背后的原因，無論是內部原因還是外部原因都需要分析。

趨勢分析最好的產出是比值。有環比、同比、定基比。比如2017年4月份比3月份GDP增長了多少，這就是環比，環比體現了最近變化的趨勢，但有季節性的影響。為了消除季節性的影響，推出了同比，比如：2017年4月份比2016年的4月份GDP增長了多少，這就是同比。定基比就是固定某個基點，比如將2017年1月份的數據作為基點，定基比則為2017年5月份的數據和2017年1月份的數據做對比。

2. 象限分析

依據數據的不同，將各個比較主體劃分到4個象限中。如果把智商和情商進行劃分，就可以劃分為兩個維度四個象限，每個人都有自己所屬的象限。一般來說，智商保證一個人的下限，情商提升一個人的上限。

舉例：一般p2p產品注冊用戶都是有第三方渠道引流的，如果按照流量來源的質量和數量可以劃分四個象限，然后選取一個固定時間點，比較各個渠道的流量性價比，質量可以用留存的總額這個維度作標準。對于高質量高數量的渠道繼續保持，對于高質量低數量的渠道擴大引入數量，低質量低數量pass，低質量高數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在對比分析的時候得到一個非常直觀和快捷的結果。

3. 對比分析

橫向對比：橫向對比就是跟自己比。最常見的數據指標就是需要跟目標值比，來回答我們有沒有完成目標；跟我們上個月比，來回答我們環北增長了多少。

縱向對比：簡單來說就是跟他人比。我們要跟競爭對手比，來回答我們在市場中的份額和地位是怎樣的。

4. 交叉分析

對比分析既有橫向對比，又有縱向對比。如果既想橫向對比，又想縱向對比，就有了交叉分析法。交叉分析法就是對數據從多個維度進行交叉展現，進行多角度的結合分析。在分析app數據的時候，通常會分ios和安卓來看。交叉分析的主要作用就是從多個維度細分數據，從中發現最為相關的維度來探索數據變化的原因。

| 拓展閱讀

數據分析類型

1. 探索性數據分析

探索性數據分析是指為了形成值得假設的檢驗而對數據進行分析的一種方法，是對傳統統計學假設檢驗手段的補充。該方法由美國著名統計學家約翰·圖基(John Tukey)命名。

2. 定性數據分析

定性數據分析又稱為“定性資料分析”、“定性研究”或者“質性研究資料分析”，是指對諸如詞語、照片、觀察結果之類的非數值型數據（或者說資料）的分析。

3. 離線數據分析

離線數據分析用于較復雜和耗時的數據分析和處理，一般通常構建在云計算平臺之上，如開源的HDFS文件系統和MapReduce運算框架。Hadoop機群包含數百臺乃至數千臺服務器，存儲了數PB乃至數十PB的數據，每天運行著成千上萬的離線數據分析作業，每個作業處理幾百MB到幾百TB甚至更多的數據，運行時間為幾分鐘、幾小時、幾天甚至更長。

4. 在線數據分析

在線數據分析也稱為聯機分析處理，用來處理用戶的在線請求，它對響應時間的要求比較高（通常不超過若干秒）。與離線數據分析相比，在線數據分析能夠實時處理用戶的請求，允許用戶隨時更改分析的約束和限制條件。與離線數據分析相比，在線數據分析能夠處理的數據量要小得多，但隨著技術的發展，當前的在線分析系統已經能夠實時地處理數千萬條甚至數億條記錄。傳統的在線數據分析系統構建在以關系數據庫為核心的數據倉庫之上，而在線大數據分析系統構建在云計算平臺的NoSQL系統上。如果沒有大數據的在線分析和處理，則無法存儲和索引數量龐大的互聯網網頁，就不會有當今的高效搜索引擎，也不會有構建在大數據處理基礎上的微博、博客、社交網絡等的蓬勃發展。