数据分析的套路：经典的6大类分析方法

要使各种结构化的、非结构化的、海量的数据实现标准化、信息化，能够提供业务绩效评估、业务决策支持等要求，我们首先需要进行数据分析。这里笔者整理出了一套针对不同数据分析对象所采用的6大类分析方法，每类里面包含各种小方法。常见的六大类分析方法主要包含:主题分析、钻取分析、比较分析、管理模型分析、因子分析、专题大数据分析。

分解主题分析

所谓分解主题分析，是指对于不同分析要求，我们可以初步分为营销主题、财务主题、灵活主题等，然后将这些大的主题逐步拆解为不同小的方面来进行分析。

某连锁公司门店营销分析分解

钻取分析

所谓钻取分析，是指改变维的层次，变换分析的粒度。按照方向方式分为：向上和向下钻取。向上钻取是在某一维上将低层次的细节数据概括到高层次的汇总数据，或者减少维数；是自动生成汇总行的分析方法。向下钻取是从汇总数据深入到细节数据进行观察或增加新维的分析方法。

某集团公司物料品类树示例

比较分析

所谓常规比较分析，是指一般比较常见的对比分析方法，例如有时间趋势分析、构成分析、同类比较分析、多指标分析、相关性分析、分组分析、象限分析等。

某公司各季度销售情况概览

某公司经营综合情况分析

管理模型分析

所谓管理模型分析，是指依据各种成熟的、经过实践论证的管理模型对问题进行分析的方法。这些管理模型有的是由高校研究机构建立的,也有一部分是由大企业或者管理咨询机构建立的,它们在长时间的企业管理理论研究和实践过程中,将企业经营管理中一些经典的相关关系以一个固定模型的方式描述出来,揭示企业系统内部很多本质性的关系,供企业用来分析自己的经营管理状况，针对企业管理出现的不同问题,能采用最行之有效的模型分析往往可以事半功倍。比较常见的管理模型分析包括RCV模型、阿米巴经营、品类管理分析等。

产品线阿米巴-产品生命周期

因子分析

因子分析的概念起源于20世纪初的关于智力测试的统计分析，以尽可能少的信息丢失为前提，将众多的原有变量综合成较少的几个综合指标，既能大大减少参与数据建模的变量个数，同时也不会造成信息的大量丢失，达到有效的降维。比较常用的财务和因子分析法有杜邦分析法、EVA分析、财务指标、财务比率、坪效公式、品类公式、流量公式等。

杜邦分析法算净资产收益率

专题大数据分析

所谓专题大数据分析，是指对特定的一些规模巨大的数据进行分析。大数据常用来描述和定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新。常见特征是数据量大、类型繁多、价值密度低、速度快、时效低。比较常见的专题大数据分析有：市场购物篮分析、重力模型、推荐算法、价格敏感度分析、客户分组分析等分析方法。

敏感性分析示例

本文根据数据分析对象总结了六类分析方法，在实际数据分析过程中我们可以灵活运用这些方法来对数据进行高效率的处理,它的前提是要选择正确的数据分析工具，推荐使用皕杰iLook，iLook是新一代的探索式数据自主分析的利器。