http://www.datasoldier.net/post/5siwei.html

在博主雪言舟語看來，資料分析真的很重要，能從一堆看似雜亂的資料裡，找到問題並解決問題。從資料上的變化，來判斷甄別效果得失；簡直是居家旅行，運營生意的必備良品。

首先，我們要知道，什麼叫資料分析。其實從資料到資訊的這個過程，就是資料分析。資料本身並沒有什麼價值，有價值的是我們從資料中提取出來的資訊。然而，我們還要搞清楚資料分析的目的是什麼？目的是解決我們現實中的某個問題或者滿足現實中的某個需求。

那麼，在這個從資料到資訊的過程中，肯定是有一些固定的思路，或者稱之為思維方式。

第一大思維——對照

“對照”俗稱對比，單獨看一個數據是不會有感覺的，必需跟另一個數據做對比才會有感覺。比如下面的圖a和圖b。

圖a毫無感覺

圖b經過跟昨天的成交量對比，就會發現，今天跟昨天實則差了一大截。

這是最基本的思路，也是最重要的思路。在現實中的應用非常廣，比如選款測款丶監控店鋪資料等，這些過程就是在做“對照”，分析人員拿到資料後，如果資料是獨立的，無法進行對比的話，就無法判斷，等於無法從資料中讀取有用的資訊。

第二大思維——拆分

分析這個詞從字面上來理解，就是拆分和解析。因此可見，拆分在資料分析中的重要性。在派代上面也隨處可見“拆分”一詞，很多作者都會用這樣的口吻：經過拆分後，我們就清晰了……。不過，我相信有很多朋友並沒有弄清楚，拆分是怎麼用的。

我們回到第一個思維“對比”上面來，當某個維度可以對比的時候，我們選擇對比。再對比後發現問題需要找出原因的時候？或者根本就沒有得對比。這個時候，“拆分”就閃亮登場了。大家看下面一個場景。

運營小美，經過對比店鋪的資料，發現今天的銷售額只有昨天的50%，這個時候，我們再怎麼對比銷售額這個維度，已經沒有意義了。這時需要對銷售額這個維度做分解，拆分指標。

銷售額=成交使用者數*客單價，成交使用者數又等於訪客數*轉化率。詳見圖c。

圖c是一個指標公式的拆解

拆分後的結果，相對於拆分前會清晰許多，便於分析，找細節。可見，拆分是分析人員必備的思維之一。

第三大思維——降維

是否有面對一大堆維度的資料卻促手無策的經歷？當資料維度太多的時候，我們不可能每個維度都拿來分析，有一些有關聯的指標，是可以從中篩選出代表的維度即可。如下表

這麼多的維度，其實不必每個都分析。我們知道成交使用者數/訪客數=轉化率，當存在這種維度，是可以通過其他兩個維度通過計算轉化出來的時候，我們就可以“降維”。

成交使用者數丶訪客數和轉化率，只要三選二即可。另外，成交使用者數*客單價=銷售額，這三個也可以三擇二。

另外，我們一般只關心對我們有用的資料，當有某些維度的資料跟我們的分析無關時，我們就可以篩選掉，達到“降維”的目的。

第四大思維——增維

增維和降維是對應的，有降必有增。當我們當前的維度不能很好地解釋我們的問題時，我們就需要對資料做一個運算，增加多一個指標。請看下圖。

我們發現一個搜尋指數和一個寶貝數，這兩個指標一個代表需求，一個代表競爭，有很多人把搜尋指數/寶貝數=倍數，用倍數來代表一個詞的競爭度（僅供參考）。這種做法，就是在增維。增加的維度有一種叫法稱之為“輔助列”。

“增維”和“降維”是必需對資料的意義有充分的瞭解後，為了方便我們進行分析，有目的的對資料進行轉換運算。

第五大思維——假說

當我們拿不準未來的時候，或者說是迷茫的時候。我們可以應用“假說”，假說是統計學的專業名詞吧，俗稱假設。當我們不知道結果，或者有幾種選擇的時候，那麼我們就召喚“假說”，我們先假設有了結果，然後運用逆向思維。

從結果到原因，要有怎麼樣的因，才能產生這種結果。這有點尋根的味道。那麼，我們可以知道，現在滿足了多少因，還需要多少因。如果是多選的情況下，我們就可以通過這種方法來找到最佳路徑（決策）

當然，“假說”的威力不僅僅如此。“假說”可是一匹天馬（行空），除了結果可以假設，過程也是可以被假設的。

我們回到資料分析的目的，我們就會知道只有明確了問題和需求，我們才能選擇分析的方法。