一、数据分析是什么？
1、定义；结合一定的目的，通过一定的工具对数据进行分析，提取有价值的信息，得出结论，能够指导实际行动。
2、数据分析能力划分三个阶段：
二、数据分析流程
1、整体流程：目标分析——数据提取——数据清洗——数据分析——撰写分析报告——分享报告——执行
2、最重要步骤：目标分析
三、如何做数据分析
1、数据分类及数据收集和整理的常见方法
（1）数据分类：
a、定性数据-调研获得：分类型数据（男女）和顺序型数据（满意度等）；
b、定量数据-日志获得：离散型数据（用户数等）和连续性数据（成绩等，有小数点）；
（2）统计方法：
集中趋势——平均数、中值、众数；离散程度-方差、标准差、最大值、最小值、全距；
（3）数据收集方法：
用户调研、数据埋点、第三方网站（similarweb-可查竞品数据、gio）
（4）数据整理：
a、找出异常数据如空值、波动大、不同数据源矛盾或与常识矛盾（如下单uv>浏览uv）；
b、异常原因：系统或人为原因；
c、处理方法：删除、用平均值填充、根据统计方法计算数值填充、用其他数据源验证填充
2、数据分析指标体系的搭建
（1）常用分析指标：
（2）指标体系搭建方法：
a、根据影响因素搭建；
如gmv=流量*转化率*客单价
以无人货架为例，分析提升gmv的措施，那么就找出影响gmv的因素，可以展示成如下公式：gmv=点位数*单个点位下单人数*平均每个人下单量*每单下单商品数量*商品平均价格，做点位分层-从a-s级别，找出影响gmv的核心因素为下单人数，结论就是找规模较大的公司布放点位，提升关键因素即下单人数。
b、按照构成横向拆解搭建：原则是各拆解维度之间包含内容不重复，要穷尽所有维度
比如今日活跃用户=今日新增用户数+留存用户数+回流用户数（召回了多少用户）；可进一步拆解，比如新增用户数还可以拆分成各个渠道带来的用户数*转化率，找到可以直接做干预的影响因素。
再比如活跃用户也可以按照渠道拆解：活跃用户数=a渠道活跃用户数+b渠道活跃用户数...
b、按照纵向流向搭建：
漏斗转化，找出薄弱环节，要求只有一条主流程。
3、常用的数据分析框架
讲的不是特别好，所以不多说啦～
（1）QQ-数量和质量：不仅考虑绝对值，要考虑相对值，不仅考虑数量，还要考虑质量，如不仅考虑活动的点击量，还要考虑点击率；
（2）用户行为理论：
（3）5w2h：
（4）AARRR模型：太熟悉了，不说了～
（5）RFM模式：最近一次购买时间、购买频次和购买总金额
（6）人货场模型：
4、常用的数据分析方法
（1）对比分析
a、使用场景：找出差异，定义好还是坏
b、分析类型：与自身做时间对比、空间对比（不同城市）、目标对比（优化后与设定目标对比、年终与年初设定目标对比）、用户对比（新老用户对比）；与他人对比（竞品对比）。
（2）分组分析
a、使用场景；一般与对比分析法结合使用，分析的内容构成复杂，拆分后不同组之间差异较大。
b、举例说明：如旅游行业的gmv，不同时间、不同类型产品类型（跟团游、自由行等）、不同用户群、不同渠道表（线上或线下）现差异较大
（3）矩阵关联法
a、使用场景：分析内容有多重属性，且多重属性无直接关联。
b、举例说明：swot、波士顿矩阵分析（市场份额和市场增长率）呢、
（4）逻辑树分析方法
a、使用场景：对于复杂指标做层层拆解，发现问题和机会，和分组有重合部分。
b、举例说明：gmv=流量（=各渠道的流量总和、各用户类型的流量总和、各产品类型的流量总和）*转化率*客单价
（5）漏斗分析方法：太熟悉了～不说啦～
