数据分析的方法有哪些，数据分析包含哪几个步骤，主要内容是什么

数据分析主要包含五个步骤数据分析的方法有哪些：

明确目的：明确数据分析的目的，确保数据分析有效进行并为数据的采集、处理提供方向；数据收集：在DAP产品中会通过应用系统定义模块实现对多个应用系统数据的采集工作；清洗加工：在DAP产品中会通过ODS和数仓实现对业务系统数据的层层加工过滤，得到最终需要的业务数据；数据展示：在配置好数据模型之后，可以通过绑定echarts组件的方式实现业务数据的可视化展现；报告撰写：主要用于描述对业务数据分析的过程和分析之后得到的结果。

数通畅联的DAP数据分析平台主要有以下三个优点：

在多层的数据加工过滤之中，通过聚合计算和横向合并可以得到多指标信息的数据，更加拓宽了数据的业务性和可分析性；业务数据的可视化展现让用户可以更直观地对各个业务数据进行处理和分析；在ESB等数据调度工具的辅助之下，更加快速地实现了数据跟进，让用户可以实时跟进数据状况，有助于企业做出相应的决策。数通畅联专注于企业IT架构、SOA综合集成、数据治理分析领域，感谢您的阅读与关注。

整理一下目前接触过的有助于提升数据分析思路的书。这些书阅读门槛比较低，不需要非常专业或高深的数学理论，而且和业务问题挂钩，大概能反映实际工作中的分析流程。

1、《如何用数据解决实际问题》

点评：以“汽车销售下降”这个问题的分析案例贯穿全书，讲讲数据分析每个步骤需要注意的事项，对于初阶和中阶的数据分析从业者都有较好的指导意义。

2、《统计数字会说谎》

点评：借鉴此书的思路不仅可以看数据分析报告里有没有“骚操作”，也可以用来鉴别假新闻或者谣言。

3、《赤裸裸的统计学》

点评：一部分的内容和《统计数字会说谎》差不多，还有一部分内容更偏统计学知识，阅读难度不高

4、《精益数据分析》

点评：这本书的要点是理解不同业务模式的流程，以及选择合适的指标来评估业务

5、《IBM SPSS数据分析与挖掘实战案例精粹》

点评：本书提供了诸多商业分析案例，每个案例的分析思路均按照CRISP-DM流程来分步讲解，非常值得学习

6、《硅谷增长黑客实战笔记》曲卉

点评：在业务背景下，数据分析需要怎么去辅助产品运营活动，怎么去建立指标体系，怎么去评估活动的效果；

7、《活用数据：驱动业务的数据分析实战》陈哲

点评：这本书主要内容是怎么用数据分析辅助决策，e.g. 调查问卷设计、用户偏好分析、品牌建设分析、定价、规模预测、渠道评估等；

8、《数据化管理：洞悉零售及电子商务运营》黄成明

点评：以零售下的业务场景，看”人货场“的分析，零售是典型的业务，其中的分析方法、思路也可以用到其他业务场景

9、《Python数据分析与数据化运营 》宋天龙

点评：这本书的理论和实操都很不错，内容涉及的都是高频的数据分析问题，书的价格也不贵，就内容和性价比而言，可以秒杀市面上大部分数据分析的视频课了

10、《数据化决策》

点评：中译本是原书第2版，最新是第3版，书关注的主题就是”如何量化“，很多看似不能量化的事物都是可以选择相应的方法或指标来衡量的，不过，量化的目的并不是计算出精准的数字，而是减少不确定性或优化问题；

11、《解决问题的三大思考工具》点评：这本书基本和数据分析没多大关系，主要内容是涉及到逻辑思考、横向思考、批判思考这3种思考方式，并提供了每种思考方式下细分的思考框架。在作者看来——逻辑思考是是基于现状推导出达到目标的解决方案，横向思考则是聚焦于最终目标同时考虑达到该目标的多种可能性，批判思考则是对目标的再次审核以确定目标背后真正的问题以及这个目标是不是真的目标。

趋势分析

当数据很多，而我们又想从数据中更快、更便捷来发现数据信息的时候，这个时候需要借助图形的力量，所谓图形的力量，就是借助EXCEl或者其他画图工具把他画出来。

趋势分析一般用于核心指标的长期跟踪，比如：点击率、GMV、活跃用户数。一般做成简单的数据趋势图，但光制作成数据趋势图还不算分析，必须像上面一样，数据有那些趋势上的变化，有没有周期性，有没有拐点，并分析背后的原因，无论是内部原因还是外部原因。趋势分析最好的产出是比值。有环比、同比、定基比。比如2017年4月份比3月份GDP增长了多少，这就是环比，环比体现了最近变化的趋势，但有季节性的影响。为了消除季节性的影响，推出了同比，比如：2017年4月份比2016年的4月份GDP增长了多少，这就是同比。定基比就更好理解，就是固定某个基点，比如将2017年1月份的数据作为基点，定基比则为2017年5月份的数据和2017年1月份的数据做对比。

对比分析

横向对比：横向对比就是跟自己比。最常见的数据指标就是需要跟目标值比，来回答我们有没有完成目标；跟我们上个月比，来回答我们环北增长了多少。

纵向对比：简单来说就是跟他人比。我们要跟竞争对手比，来回答我们在市场中的份额和地位是怎样的。

很多人可能会说，对比分析听起来也很简单么。那我举个例子，有个电商的签到页面，昨天它的pv是5000，你听到这样的数据有啥感受？

你不会有任何感受，如果说这个签到页面的平均PV是10000，说明昨天出现了重大问题，如果说签到页面的平均pv是2000，则昨天有个跃升，数据只有对比，才能产生意义。

象限分析

依据数据的不同，将各个比较主体划分到4个象限中。如果把智商和情商进行划分，就可以划分为两个维度四个象限，每个人都有自己所属的象限。一般来说，智商保证一个人的下限，情商提升一个人的上限。

一个之前实际工作中用过的象限分析法的例子。一般p2p产品注册用户都是有第三方渠道引流的，如果按照流量来源的质量和数量可以划分四个象限，然后选取一个固定时间点，比较各个渠道的流量性价比，质量可以用留存的总额这个维度作标准。对于高质量高数量的渠道继续保持，对于高质量低数量的渠道扩大引入数量，低质量低数量pass，低质量高数量尝试一下投放的策略和要求，这样的象限分析可以让我们在对比分析的时候得到一个非常直观和快捷的结果。

交叉分析

对比分析既有横向对比，又有纵向对比。如果既想横向对比，又想纵向对比，就有了交叉分析法。交叉分析法就是对数据从多个维度进行交叉展现，进行多角度的结合分析。

在分析app数据的时候，通常会分ios和安卓来看。

交叉分析的主要作用就是从多个维度细分数据，从中发现最为相关的维度来探索数据变化的原因。

常见的维度有：

分时：不同时间段数据是否有变化。

分渠道：不同流量来源数据是否有变化。

分用户：新注册用户和老用户相比是否有差异，高等级用户和低等级用户相比是否有差异。

分地区：不同地区的数据是否有变化。

交叉分析法是一个从粗到细的过程，也可以叫做细分分析法。

总结：

趋势、对比、象限、交叉包含了数据分析最基础的部分。无论是数据核实、还是数据分析，找趋势、做对比、划象限、做细分，数据才能起到应有的作用。