1.2.3 數據分析方法論

許多電商從業者在分析數據的時候會遇到許多問題：不知從哪方面切入并開展分析，不知分析的內容和指標是否合理、完整……遇到這些問題大多數是因為分析人員缺少方法論。

方法論可以讓分析人員依照某些軌跡順利地開展分析活動，常見的分析方法有以下9種。

（1）對比法：只有通過與參照物的對比才能了解現狀、發現問題，通過橫向和縱向的對比找到自己所處的位置。

（2）拆分法：將大問題和相關的指標拆解成多個小問題和多個相關指標，快速找到問題產生的原因。

（3）分組法：將數據依據某些維度進行分組統計，觀察分組后的結果并分析事物的特征。

（4）排序法：基于某個度量值進行遞增或遞減的排序，查看所有觀測值的情況。

（5）交叉法：對兩個及以上維度的數據進行交叉分析，比如對產品特征和價格區間兩個維度的數據進行交叉分析，找到更符合企業定位的細分市場。

（6）降維法：如果分析問題時指標的信息量過多，采用業務梳理的方式選擇核心指標進行分析，減少過多指標的干擾。在統計學上也可以使用主成分分析或因子分析的方法達到降維的目的。

（7）增維法：如果分析問題時指標的信息量不足，通過計算派生出新的指標，其包含更多的信息量，比如搜索競爭度=搜索人氣÷商品數。

（8）指標法：采用指標的方式分析結果，一般通過制作表格來查看分析結果。

（9）圖形法：采用圖形的方式以更加直觀地分析結果。

除了以上分析方法之外，還有一些業務中常用的思維分析方法。

（1）SWOT分析法：通過該方法了解自己所處的環境，對內、外部因素進行分析并制訂應對策略。

（2）描述性統計法：用來概括、描述事物整體狀況以及事物間關聯關系、類屬關系的統計方法，基于統計值來表示數據的集中和離散等情況。

（3）矩陣分析法：將主要因素放在矩陣的兩個維度軸進行定量或者定性分析，并通過某個點將數據分為4個象限。

（4）多維分析法：將3個及以上的維度放在表格、多維平面圖或者三維圖中進行觀測分析。

（5）數據歸一化方法：將數值映射在某一范圍，例如[0,1]。消除因為值域不同而產生的分析難點，一般配合多維分析法使用或在數據建模時使用。

（6）時間序列分析法：針對連續變化的時間數據的分析方法，主要用于預測連續的未來數據，比如分析店鋪每天的成交金額（也稱銷售額）。

（7）相關性分析法：研究指標間的相關程度，常用于尋找關鍵影響因素。