数据分析，有没有套路？不仅有，还很深，自己品。
借着互联网的东风，“数据分析”这个词越来越火，小到业务执行、大到企业决策，数据都在持续发挥着价值。
但是很多同学只闻其名、未见其道，到底如何进行数据分析？数据分析有什么套路吗？今天就带大家认识下数据分析的那些套路。
首先给大家个选择题，大家觉得数据分析的第一步应该是？
- 找分析方法
- 确定问题
- 看数据
有木有感觉这是道送分题？估计很多同学都会首先排除C选项（看数据），那肯定得先看看问题，或者先找找分析方法，再去看看数据吧！
这也是很多新手分析师容易犯的错误，看到一个数字涨了或跌了后，立马翻出各类高大上的分析模型，甚至算法模型跑一通，结果费了很多精力，也没捣腾出个啥。
其实数据分析更科学的姿势应该是先“准确看数据”，再“判断有无问题”，然后“分析问题原因”。
在不确定问题或者说分析目标的情况下，一定不要各种堆模型，而是回归本质：问题是什么？所以这题答案是C。
1
准确看
到这里可能会有同学开始迷糊了，第一步是“准确看数据”？看数据有啥难度，难道我还会看错？
请看第二题，下面哪种描述会让你明确数字的含义？
- 收入100万元
- 促销活动收入100万元
- 10月促销活动收入100万元
是不是又是送分题？当然这道题没啥争议，C的描述场景更具体、更准确，所以给大家送上数据分析大法第一式“准确看”！
看数据主要看2个要素，【数字】和【描述】，两者缺一不可。如果描述不到位，甚至会有2种截然不同的结果。比如：
- 小明收入100万
- 小明打工了20年，总收入合计100万
是不是有从土豪到打工人的感觉？
所以看数需要明确数字对应的场景描述，场景越具体、数据的含义才越清晰。
2
客观判
明白了怎么看数据后，还是没有办法确定到底有没有问题，再送上数据分析大法第二式“客观判”！
想客观的得出判断，首先需要什么？对，首先就得有判断问题的标准，常见确定标准的方式有经验定标、专家定标、趋势定标等。
（1）经验定标：即根据历史数据和经验作为判断标准，常见的参考如历史同期数据、竞品同期数据等，如大促活动目标可参考历史促销或竞品促销数据。
（2）专家定标：即基于专家的人工判断，常见的有专家评分、层次分析（AHP）等，即分结构、有效收集专家反馈信息，总结出不同维度的权重标准。
（3）趋势定标：根据事物发展的周期规律（如营销活动周期、产品生命周期等），找到同阶段的情况作为当前对比的标准。
比如下图的销售周期趋势图，销量会周期性的发生波动，所以A点虽然是在走下行趋势、但属于正常情况，但B点是销售周期的低谷、且低于之前的周期低谷，所以会存在问题。
建议大家养成常看数、看长周期数的习惯，培养自己对于趋势的敏感度。
3
找方法
在“准确看数据”、“判断有无问题”后，基本明确了数据问题或者分析目标，再就是数据分析大法第三式“找方法”！
做分析或选择，数据方法还是有些套路滴，常用的分析方法有矩阵分析、漏斗分析、杜邦分析、分层分析、交叉分析等。
3.1 矩阵分析
矩阵分析是最基础的结构化分析方法，前提是两个标准的相关度要低，常见的矩阵分析模型有波士顿矩阵（增长率&市场占有率）、重要紧急矩阵（时间长短&投入产出）等。
3.2 漏斗分析
流程化的分析方法，观察流程节点间的转化率情况，做出分析判断。常用的如电商访问下单流程、2B销售流程等，通过观察每个节点间的转化率，判断某个环节是否出现异常。
如下图的2B销售漏斗图，在签约客户环节转化率是25%，较低，可能是客户对方案满意度低，需重点关注产品方案问题。
