数据分析思路设计与方法数据分析思路( 二 ) _数据分析思路

和不同时期的自己比（纵向对比）：可以从时间维度来看数据随着时间发生的变化，也称为趋势分析，用来追踪业务动态是否有异常。

文章插图
在使用对比分析时，需要注意的是：如果是对总体数值进行比较，那么各对比维度的规模需要一致。
因此，在数据分析中，通常会使用比例或者平均数作为指标来进行对比。例如，对比A地区的总销售额高于B地区，但并不能直接得到A地区的销售业绩更好，有可能A地区的销售门店数量远多于B地区，因此此处用平均销售额会更合理。
2. 多维度拆解对比法：结构化&公式化（1）结构化拆解：不只对比整体，还要看内部的构成差异
结构化拆解对比，是对业务问题进行原因分析过程中最常用的分析方法。
只对比数据整体，无法注意到数据内部各个部分构成的差异。如果忽略这种差异进行比较，就有可能导致无法察觉该差异所造成的影响。比如，某产品销售额下降20% ，背后的原因是什么，该如何分析？
从用户角度来拆解：例如，该产品用户由新用户和老用户构成，可以拆解为新用户销售额和老用户销售额，来看销售额下降是否跟用户类型有关。
还可以把用户拆解为不同年龄组、不同的性别、不同地区、不同等级等属性，可参考数据类型中的用户数据包含内容。
从产品角度来拆解：例如，该产品的销售包含了不同的产品版本，可以拆解为不同的版本对比销售额，来看销售额下降是否跟产品版本有关。当然还有其他产品相关的属性，可参考数据类型中的产品数据包含内容。
从数据结构角度来拆解：例如，某产品销售额按照一定区间分组对比，某产品满意度按照不同满意层级拆解对比，来了解不同结构数据下的用户占比分布。

文章插图

文章插图
交叉分析也是非常常见的对比分析方法，就是讲拆解后的多个维度结合进行对比，从而发现更深层次的差异。

文章插图
（2）公式化拆解：对数据指标进行拆解
结构化的拆解可以帮助我们得到一个有逻辑的分析框架，在具体执行原因分析时，我们还需要对变量进行层层拆解才能找到问题产生的根源。例如在上述销售额下降的案例中，通过对用户类型进行结构化拆解对比，发现新用户的销售额明显下降，那么如果业务继续追问：为什么新用户的销售额下降了呢？
此时，我们就可以把销售额（数据指标）进行公式拆解，拆解成多个细分指标后，再针对细分指标进行对比分析。
比如，销售额=销量×客单价，在拆解之后就可以再从客单价和销量两个角度去进行对比分析，深挖销售额下降的原因。是新用户的销量变少了，还是新用户的客单价变低了导致新用户销售额下降的？
假设对比后发现客单价没有变化，主要是销量变少导致销售额下降。还可以继续对销量进行拆解：销量=人均购买数×购买人数，进而分析是购买人数下降了，还是人均购买数下降了呢？通过公式化的对指标剥离拆解，就可以实现层层深入到问题本质。