數據分析最核心的工作，就是對數據進行分析，以找出數據中蘊含的業(yè)務規(guī)律和業(yè)務問題，從而能夠輔助決策。

圍繞業(yè)務問題，采用合適的分析方法，分析模型，以及分析工具，這是數據分析師的必備技能。

為了便于理解，我將數據分析分為三個層次，從低到高，由淺入深，分別是統(tǒng)計分析，基本分析，數據挖掘。

一般情況下，企業(yè)有80%的分析工作都只需要掌握統(tǒng)計分析方法就可以完成，僅僅需要對業(yè)務數據進行匯總，然后利用簡單的分析方法，就可以充分了解企業(yè)整體運營狀況。

比如說，企業(yè)經營分析，其實主要是對一些KPI指標進行分析，這一類的分析基本上只需要對數據進行基本的統(tǒng)計和計算，就可以得到，然后利用一些簡單的分析方法就可以描述數據的特點，發(fā)現數據的變化，從而可以確定業(yè)務的發(fā)展情況。

統(tǒng)計分析中，最常用的基本分析方法如下。

• 對比分析法

• 分組分析法

• 結構分析法

• 趨勢分析法

• 漏斗圖分析法

• 分組分析法

• 綜合評價分析法

• 杜邦分析法

• 矩陣關聯分析法

除了統(tǒng)計之外，還有一些常用的數據分析方法，可以找到更深層的業(yè)務規(guī)律。比如說，如下的業(yè)務問題：

• 提升價格，會提升利潤嗎？（或者說，價格提升到什么時候利潤反而下降？）

• 終端在柜臺上的陳列位置會影響終端銷量嗎？

• 影響產品銷量的關鍵因素有哪些？

• 預測明年的產品銷量能夠達到多少？

這些業(yè)務問題，不是統(tǒng)計分析就能夠完成的，需要用到一定的數據模型。常用的分析方法包括相關分析、方差分析、回歸分析等等。

• 相關分析

• 方差分析

• 回歸分析（預測）

• 時序分析（移動平均、指數平滑）

當前，大數據應用最多的領域是市場營銷。

市場營銷中，最為關注的是客戶，即如何獲取客戶？如何挖掘客戶的需求？如何挖掘客戶的行為特征、消費特征、興趣偏好？這些更深層次的業(yè)務規(guī)律及業(yè)務模式，需要更復雜的數據分析模型來支撐。

比如，市場細分，客戶特征提取，客戶價值評估，客戶流失預警等等，就需要數據挖掘來發(fā)現數據的隱含模式及規(guī)律。

聚類，可以用于市場細分，發(fā)現不同的用戶群；

決策樹分類，可以用于客戶特征提取，比如發(fā)現流失客戶的特征，預測客戶流失的傾向；

關聯分析，可以用于發(fā)現產品套餐設計、交叉/捆綁銷售等等。

RFM模型，可以用于客戶價值評估，將客戶分組，采用不同的營銷策略。

當然，還有更多的方法，比如神經網絡、SVM、貝葉斯分類等等，可以用于解決更復雜的業(yè)務問題。

• 聚類分析

• 決策樹分類

• 關聯分析

• RFM模型

是復雜的業(yè)務問題，越需要復雜的分析模型來支持，越需要復雜的分析方法。所以，先明確分析目的，圍繞業(yè)務問題，收集數據，找到最合適的分析方法，才能最快速最有效的完成分析任務。