这是一篇方法论。是的，没有实际案例。在知乎、woshipm、pmcaff、产品100等搜索了大量的数据分析相关的文章，发现没有多少适合自己的，因为内容太过碎片化，就买了一套书，开始系统的学习。当你完成一份数据分析报告 …
在知乎、woshipm、pmcaff、产品100等搜索了大量的数据分析相关的文章，发现没有多少适合自己的，因为内容太过碎片化，就买了一套书，开始系统的学习。
当你完成一份数据分析报告时，不知领导是否有问过你，“你的分析方法论是什么?”。如果分析方法论不正确或不合理，那分析结果参考价值几何呢?
相信很多人在做数据分析时，会经常遇到这几个问题：不知从哪方面入手开展分析;分析的内容和指标常常被质疑是否合理、完整，自己也说不出个所以然来。当然我也一样，处在数据分析的学习阶段，对这些问题常常会感到困惑。
这就是为什么强调数据分析方法论的原因。当方法论结合了实际业务，才能尽量确保数据分析维度的完整性和结果的有效性。
数据分析的三大作用，主要是：现状分析、原因分析和预测分析。什么时候开展什么样的数据分析，需要根据我们的需求和目的来确定。
数据分析的一般步骤：
数据分析的目的越明确，分析越有价值。明确目的后，需要梳理思路，搭建分析框架，把分析目的分解成若干个不同的分析要点，然后针对每个分析要点确定分析方法和具体分析指标;最后，确保分析框架的体系化(体系化，即先分析什么，后分析什么，使得各个分析点之间具有逻辑联系)，使分析结果具有说服力。
那么，如何保证分析框架的体系化呢?
以营销、管理等理论为指导，结合实际业务情况，搭建分析框架，这样才能尽量确保数据分析维度的完整性，结果的有效性及正确性。
营销方面的理论模型有：4P、用户使用行为、STP理论、SWOT等。
管理方面的理论模型有：PEST、5W2H、时间管理、生命周期、逻辑树、金字塔、SMART原则等。
这里主要说明：PEST、5W2H、逻辑树、4P、用户使用行为这五个比较经典实用的理论，了解如何在搭建数据分析框架时应用它们作指导。
(1)PEST：主要用于行业分析。
PEST，即政治(Political)、经济(Economic)、社会(Social)和技术(Technological)
P：构成政治环境的关键指标有，政治体制、经济体制、财政政策、税收政策、产业政策、投资政策、国防开支水平政府补贴水平、民众对政治的参与度等。
E：构成经济环境的关键指标有，GDP及增长率、进出口总额及增长率、利率、汇率、通货膨胀率、消费价格指数、居民可支配收入、失业率、劳动生产率等。
S：构成社会文化环境的关键指标有：人口规模、性别比例、年龄结构、出生率、死亡率、种族结构、妇女生育率、生活方式、购买习惯、教育状况、城市特点、宗教信仰状况等因素。
T：构成技术环境的关键指标有：新技术的发明和进展、折旧和报废速度、技术更新速度、技术传播速度、技术商品化速度、国家重点支持项目、国家投入的研发费用、专利个数、专利保护情况等因素。
eg：仅作举例，不代表只考虑这几点因素
(2)5W2H：应用相对广泛，可用于用户行为分析、业务问题专题分析、营销活动等。
5W2H，即何因(Why)、何事(What)、何人(Who)、何时(When)、何地(Where)、如何做(How)、何价(How much)
该方法广泛应用于企业营销、管理活动，对于决策和执行性的活动措施非常有帮助，也有助于弥补考虑问题的疏漏。
eg：仅作举例，不代表只考虑这几点因素
(3)逻辑树：可用于业务问题专题分析。
逻辑树，又称问题树、演绎树或分解树等。
它是将问题的所有子问题分层罗列，从最高层开始，并逐步向下扩展。
逻辑树的作用主要是帮你理清自己的思路，避免进行重复和无关的思考。逻辑树能保证解决问题的过程的完整性，能将工作细分为便于操作的任务，确定各部分的优先顺序，明确地把责任落实到个人。
逻辑树的使用必须遵循以下三个原则。
要素化：把相同问题总结归纳成要素。
框架化：将各个要素组织成框架，遵守不重不漏的原则。
关联化：框架内的各要素保持必要的相互关系，简单而不孤立。
缺点：涉及的相关问题可能有遗漏，虽然可以用头脑风暴把涉及的问题总结归纳出来，但还是难以避免存在考虑不周全的地方。所以在使用逻辑树的时候，尽量把涉及的问题或要素考虑周全。
eg：仅作举例，不代表只考虑这几点因素
(4)4P：主要用于公司整体经营情况分析。
4P，即产品(Product)、价格(Price)、渠道(Place)、促销(Promotion)
eg：仅作举例，不代表只考虑这几点因素
(5)用户使用行为：用途较为单一，就是用于用户行为的研究分析。
用户使用行为，即用户为获取、使用物品或服务所采取的各种行动。
用户对产品首先需要有一个认知、熟悉的过程，然后试用，再决定是否继续消费使用，最后成为忠诚用户。
用户使用行为的完整过程：
可以利用用户使用行为理论，梳理产品分析的各关键指标之间的逻辑关系，构建符合公司实际业务的产品分析指标体系。
eg：仅作举例，不代表只考虑这几点因素
这些方法论并非只能单独使用，可以根据具体情况选择合适的方法论嵌套使用。
明确数据分析方法论的主要作用：
(1)理顺分析思路，确保数据分析结构体系化。
(2)把问题分解成相关联的部分，并显示它们之间的关系。
(3)为后续数据分析的开展指引方向。
(4)确保分析结果的有效性及正确性。
明确数据分析方法论和数据分析法的区别：
数据分析方法论主要是从宏观角度指导如何进行数据分析，它就像是一个数据分析的前期规划，指导着后期数据分析工作的开展。
而数据分析法则指具体的分析方法，比如对比分析、交叉分析、相关分析、回归分等。数据分析法主要从微观角度指导如何进行数据分析。
End
为了让大家能有更多的好文章可以阅读，36大数据联合华章图书共同推出「祈文奖励计划」，该计划将奖励每个月对大数据行业贡献（翻译or投稿）最多的用户中选出最前面的10名小伙伴，统一送出华章图书邮递最新计算机图书一本。投稿邮箱:[email protected]
点击查看：你投稿，我送书，「祈文奖励计划」活动详情>>>
如果有人质疑大数据？不妨把这两个视频转给他
视频：大数据到底是什么 都说干大数据挣钱 1分钟告诉你都在干什么
人人都需要知道 关于大数据最常见的10个问题
从底层到应用，那些数据人的必备技能
如何高效地学好 R?
一个程序员怎样才算精通Python？
排名前50的开源Web爬虫用于数据挖掘
33款可用来抓数据的开源爬虫软件工具
在中国我们如何收集数据？全球数据收集大教程
PPT：数据可视化，到底该用什么软件来展示数据？
干货｜电信运营商数据价值跨行业运营的现状与思考
大数据分析的集中化之路 建设银行大数据应用实践PPT
【实战PPT】看工商银行如何利用大数据洞察客户心声？
六步，让你用Excel做出强大漂亮的数据地图
数据商业的崛起 解密中国大数据第一股——国双
双11剁手幕后的阿里“黑科技” OceanBase/金融云架构/ODPS/dataV
金融行业大数据用户画像实践
“讲述大数据在金融、电信、工业、商业、电子商务、网络游戏、移动互联网等多个领域的应用，以中立、客观、专业、可信赖的态度，多层次、多维度地影响着最广泛的大数据人群
搜索「36大数据」或输入36dsj.com查看更多内容。
投稿/商务/合作:[email protected]
