需要注意的是，漏斗分析的每个下游节点数据范围都需与上游节点统一，如签约的40个客户必须在上游的50个意向客户中，否则转化率的数据含义会失真。
3.3 杜邦分析
杜邦分析是最常用的分析方法之一，通过问题的层层拆解、分析，确定每一层次的表现情况，帮助最终分析出问题的主要矛盾。
最常见的就是电商的利润模型，可见下图，在按公式、结构的拆解后，可以清晰的定位到【利润】变化的主要原因和次要原因：
3.4 分层分析
结构化分析的常用方法，即通过对分析目标分层、比较不同群体之间的差异，从而分析、总结出相关结论。
分层分析的方法，核心在于【分层】，即围绕分析目标、设计出科学的分层方案。比如“二八法则”，就可以简单粗暴的判断出“高价值用户”，这也是应用广泛的分层方法。
常用的分层方法有RFM、COHORT、ABC分层等：
RFM：电商常用的分层方法，是通过最近消费时间、消费频次和消费价值来确定用户价值分层，核心是找出不同忠诚度和价值的用户群，从而进行分层分析和运营。
COHORT：留存分析的常用方法，通过对比同一时期、渠道的新用户，在后续留存、目标转化情况，找到产品或渠道的优化迭代方向。
ABC分层：常用于供应链的库存管理，即通过销售重要度、销售稳定性和库转维度，对在库商品进行分层，分析不同层级的核心问题、给出解决方案，将极大提高库存精细化管理的效率效能。
3.5 交叉分析
相信很多同学都有过这样的经历，某个指标发生了异常波动，然后被领导夺命连环问。有木有好的方法？交叉分析来帮忙！
交叉分析的核心是【穷举】，即根据业务经验、穷举可能导致波动的维度和指标，进行交叉分析。
比如某公司广告收入突然下降，我们可以按照下表的方式，去穷举可能影响的维度、指标，通过观察具体数据，确定主要原因。
以上给大家介绍了基本的数据分析思路和方法，其实针对不同的业务场景、业务问题，数据分析的方法还有很多，后续会再跟大家系统介绍。
4
小结
最后再给大家划下重点，数据分析的基础三步走：
- 准确看：需明确数字的描述场景，场景描述越具体，数字含义越准确。
- 客观判：判断是否有问题、有问题的程度，需要有客观的评判标准，可通过经验定标、专家定标、趋势定标等方法确定标准后，再去判断。
- 找方法：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，确定问题的主要矛盾，以明晰现状。
看到这里，也许大家还是会有些困惑，分析方法有那么多，遇到具体的问题时，又该如何快速、高效的选择合适的分析方法呢？期待我们的后续文章吧！
其实数据分析思维不仅是门核心的业务技能，也可以在很多生活场景中发挥作用，比如……脱单！
是不是很神奇？感兴趣的同学请随手点个关注，下期将更新数据分析框架实战——《数据分析，竟是脱单神器！》。
作者简介
九条，网易严选资深数据分析师，数据分析长期学习及实践者，先后负责严选供应链计划分析、流量分析、商品分析等工作，致力挖掘与传播分析价值。
,
