数据分析的基本流程
1、明确分析的目的，提出问题
只有弄清分析的目的是什么？才能准确定位分析因子，提出有价值的问题，提供清晰的思路。
2、数据采集
对收集到的原始数据进行数据加工，主要包括数据清洗、数据分组、数据检索、数据抽取等处理方法。
3、数据探索
通过探索式缝隙检验假设的形式方式，在数据之中发现新的特征，对整个数据集有个全面的认识，以便后续选择何种分析策略。
4、分析数据
数据整理完后，需要对数据进行综合分析和相关分析，需要对产品、业务、技术等有足够的了解，常常用到分类、聚类等数据挖掘算法，excel是最简单的数据分析工具，专业数据分析工具有Python ，Finbi等
5、可视化
借助可视化数据，能有效直观地表述想要呈现的信息、观点和建议，比如金字塔、矩阵图、漏斗图、帕累托图等，同时也能用报告形式与他人交流。
数据分析方法理论
1、PEST分析法
PEST，也就是政治（Politics）、经济（Economy）、社会（Society）、技术（Technology），从各方面把握宏观环境的现状即变化趋势，主要用于行业分析。
宏观环境又称一般环境，会影响一切行业和企业的各种宏观力量。
对宏观环境因素分析的时候，由于不同行业和企业有其自身特点和经营需要，分析的具体内容会有较大差异，但一般都会应对 政治、经济、技术和社会，四大类影响企业的主要外部环境因素进行分析。
政治环境：政治体制、经济体制、财政政策、税收政策、产业政策、投资政策等。
社会环境：人口规模、性别比例、年龄结构、生活方式、购买习惯、城市特点等
技术环境：折旧和报废速度，技术更新速度、技术传播速度、技术商品化速度等。
经济环境：GDP增长速度、进出口总额及增长率、利率、汇率、通货膨胀、消费价格指数、居民可支配收入、失业率、劳动生产率等。
2、5W2H分析法
5W2H，指 why 、what 、who、when、where、how、how much ，主要用于用户行为分析，业务问题专题分析、营销活动等。
why：用户为什么购买？产品的吸引点在哪里？
what：产品缇欧刚的功能是什么？
who：用户群体是什么？这个群体的特点是什么？
when：购买频次是多少？
where：产品在哪里最受欢迎？在哪里卖出去？
how：用户怎么购买的？购买方式是什么？
hou much ：用户购买的成本是多少？时间成本是多少？
3、SWOT 分析法
SWOT分析法也叫态势分析法，S（strength）优势、W（weakness）劣势、O（opportunities）机会、T（threats）威胁或风险。
SWOT分析是用来确定企业自身的内部优势、劣势和外部的机会和威胁等，通过调查列举出来，并依照矩阵形式排列，然后用系统分析的思想，把各种因素相互匹配起来加以分析。
运用这种方法，可以对研究对象所处的情景进行全面、系统、准确的研究，从而将公司的战略与公司内部资源、外部环境有机地结合起来。
4、 4P营销理论
4P指产品（product）、价格（price）、渠道（place）、推广（promotion）。在营销领域，这种以市场为导向的营销组合理论，被企业应用最普遍。
通过四者的结合、协调发展、从而提高企业的市场份额，达到最终火来的目的
产品：从市场营销角度看，产品是指能够提供给市场、被人们使用和消费并满足人们某种需求的任何东西，包括有形茶农、服务、人员、组织、观念或它们的组合。
价格：指顾客购买产品时的价格，包括基本价格、折扣价格、支付期限等。影响定价的主要因素有三个：需求、成本与竞争。
渠道：指产品从生产企业流转到用户手上全过程中所经历的各个环节。
推广：指企业通过销售行为的改变来刺激用户消费，以短期的行为（比如让利、买一送一、营销现场气氛等）促成消费的增长，吸引其他品牌的用户或导致提前消费来促进销售的增长。广告、宣传推广、人员推销、销售促进是一个机构促销组合的四大要素。
5、逻辑树法。
逻辑树又称问题树、演绎树或分解树等。它是把一个已知问题当成” 主干 “ ，然后开始考虑这个问题和哪些相关问题有关，也就是”分支“。逻辑树能保证解决问题的过程的完整性，它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。
逻辑树必须遵循的三大原则：
要素化：把相同的问题总结归纳成要素
框架化：将各个要素组成框架。遵循不重不漏原则。
关联化：框架内的各要素保持必要的相互关系，简单而不独立。
6、AARRR模型
AARRR模型是所有运营人员都要了解的一个数据模型，从整个用户生命周期入手，包括获取（acquisition）、激活（activition）、留存（retention）、变现（revenue）和传播（refer）
每个环节分别对应生命周期的5个重要过程，即从获取用户，到提升活跃度，提升留存率，并获取收入，直至最后形成病毒式传播。
数据分析思路
数据分析方法主要是从宏观角度接受如何进行数据分析，就像一个数据分析的前期规划，搭建一个清晰的数据分析框架。那么具体的业务场景问题，就要靠具体的Fenix方法来支撑。
1、趋势分析
一般用于核心指标的长期跟踪，比如点击率、GMV、活跃用户数，有没有周期性，有没有拐点等，继而分析原因
2、多维分解
通过不同的维度对数据进行分解，以获取更加精细的数据洞察。比如 对网站维护进行数据分析，可以拆分出地区、访问来源、设备、浏览器等
3、用户分群
针对符合某种特定行为或背景信息的用户，进行特定的优化和分析，将多维度和多指标作为分群条件，有针对性地优化供应链，提高供应链稳定性。
4、漏斗分析
按照已知的转化路径，借助漏斗模型分析总体和每一步的转化情况。
5、留存分析
用来分析用户参与情况/活跃程度的分析模型，考察进行初始行为的用户中，有多少人会进行后续行为。衡量留存的常见指标有次日留存率、7日留存率、30日留存率等
6、A/B测试
为了达到一个目标，采取了两套方案，通过实验观察两组方案的数据结果，判断两组方案的好坏，需要选择合理的分组样本、监测数据指标、事后数据分析和不同方案评估。
7、对比分析
分为横向对比（和自己比）和纵向对比（跟别人比），常见的对比应用有A/B test，A/B test的关键就是保证两组中只有一个单一变量，其他条件保持一致。
8、交叉分析
将对比分析从多个维度进行交叉展现，进行多角度的结合分析，从中发现最为相关的维度进行探索数据变化的原因。
