??一、在指标体系中，常用的是基本的统计方法，如加和法、求平均法、计数法、去重计数法、占比分析法、存活率等，然后叠加不同维度进行分组，形成一棵指标树。

??二、、以问题为基础。

??除建立指标系统外，数据分析员工作的另一项重要工作是根据具体问题进行分析，如查找上季交易额下降的主要原因、分析日活用户会员转化率持续下降的主要因素等。这些问题比较复杂，起初可能还没有明确的方向，那就需要借助一些分析手段，有目的性地探讨分析方法。下一步，我们将逐一讲解每一种分析方法及其应用场景。

??2.1维分解。

??其中最常用的分析方法是维分解，当一个异常数据指标过于宏观时，可以把它分解成多个维度，从而微观化。举例来说，遇到日活下降的问题，可从地域、应用版本、时段、渠道、系统版本、终端型号等维度进行分析，以获得更多更精细的资料洞察，寻找可能的影响因素。

??此方法通常应用于一个较大的问题，有些不够深入的时候，通过维度分解，首先将指标拆分，然后针对疑点继续追踪深入挖掘。

??2.2漏斗分析

??料仓分析，也叫料仓转换，顾名思义，就是以料仓的形式，对某一特定过程的多个步骤之间的转换情况进行图形化、直观的显示，从而有针对性地进行优化，找出损失最严重的环节。漏洞分析解决的是关于过程的问题，所有过程转换的问题都可以用这种方法进行直观的分析。

??2.3保留分析。

??存留分析是研究不同用户特性、用户行为、活动刺激等因素对留存率影响程度的分析方法。其主要目的是寻找影响用户留存的关键因素。这是因为，用户获取是有成本的，如果新获取的用户大部分无法保留，则新的投入产出比将很低。所以，留存分析经常被用来分析如何提高用户留存率这样的问题。

??2.4矩阵分析。

??矩阵法，也叫象限分析，就是借助二维或三维坐标系，将要分析的多个物体的指标逐个填入坐标系的对应位置，从而完成合并归类的分析。比如，对于渠道拉新质量的分析，可以把每个渠道增加的用户数量和活跃用户数量填入一个二维坐标系，如下图所示：

 

 

??上面的图可以很容易地完成渠道的分类，并针对不同的分类采取不同的优化策略。所以矩阵分析适用于简单归类问题。鉴于前面提到的保留情况，您还可以将平均保留率这一指标加入到三维保留系中。

??2.5.测定分析。

??一种试验分析方法，它通过对用户或其他因素进行分组对照试验，收集有关数据，并评估对各方案的比较。检验分析被认为是最科学的数据分析方法之一，因为它尽可能地排除其它干扰因素，并且有一个成熟的统计理论作为支持，并且试验结果一目了然。

??2.6其他分析方法。

??有许多其它的分析方法，如相关分析，聚类分析，行为轨迹分析，每个都有各自的应用场景。有限的篇幅，就不一一介绍了，在实际工作中，一般采用多种方法结合使用，效果更佳。

 

 

??三、基于情景分析。

??在大多数情况下，数据驱动的商业创新需要从已有的商业数据中挖掘出有价值的信息，汇集成认知商业的知识，并将知识应用到产品中去。在应用方面，可分为两类：一类是将已有产品整合进已有产品业务，提升服务能力，优化用户体验；另一类是根据分析结论创建新产品、新业务。在这里，我举出两个例子来说明：

??1、使用者画像

??大部分公司，特别是那些拥有社交网络的公司，会建立他们自己的用户群。同时，我们也看到了建立用户社区的目的和好处，即能够提升用户体验，为用户提供更个性化的服务。在此基础上，通过各种数据分析，完成了用户活动的构建过程。

??2、业务智能。

??以现有的业务数据为基础，深入挖掘用户的使用习惯，从而设计新业务的案例也很多。其中一个最为着名的例子，就是YouTube公司，他们根据用户的观影数据，深入挖掘用户的喜好，大胆预测了《纸牌屋》这出美剧的流行情况，使得这一政治题材的作品，在当时普遍不为主流媒体所看好，得以与广大观众见面，并取得了最后的成功。