1樓：我是萬能小滑塊
osm理論作為核心指導
乙個核心指標（main measure），由此拆分成多個次級指標（submeasure），指標之間相互對比看差異，指標不同時間對比看趨勢，有異常現象的就著重指出並給予相應的優化策略（strategy）。
2樓：愛資料-小桔
資料分析過程的主要由識別資訊需求、收集資料、分析資料以及評價並改進資料分析的有效性組成。
我們將如何進行資料分析的方法作為關注的重點，資料的分析最終結果會以直觀視覺化的形式展現出來，比如柱狀圖、曲線趨、概率分布圖等等，形式有很多種，這裡面就涉及到諸多的數學知識。
現在市面上有很多軟體，可以幫助我們很快的形成視覺化的結果，比如大家都熟悉的 Excel，還有一些親民類的軟體諸如 Origin、SPSS software、 Tableau、PowerBI 等，它們都是資料分析的得力助手，但它們的不足也是顯而易見的：操作繁瑣，復用性差，功能相對侷限單一。而對於程式猿來說主要使用 Python、Matlab、R 語言進行資料分析軟體的開發或者從事資料分析的工作。
當我們進行資料分析的時候，要根據不同的場景，選擇合適的分析方法，這是一點是比較難的，我們可以把簡單理解為找到一種最適合分析的策略，亦或是「模型」，我們簡單列舉幾種方法：
對比分析法，分析差異，揭示資料代表的事物的發展變化和規律性。
相關分析法，用來研究變數之間存在但又不確定的相互關係以及密切程度的分析，確定有無關係，確定現象之間關係的密切程度。
綜合評價分析法，將多個指標轉化為乙個能夠反映綜合情況的指標進行評價，用於解決複雜的分析物件。
還有諸多種分析方法，比如回歸分析、聚類分析等等，我們把它們當成一種模型最合適不過了，因為這些模型也是在數學方法的基礎上提煉出來，經過不斷驗證才形成的，所以你不必糾結不理解原理，只要記住它們的使用場景以及使用流程就可以了。記住你不是科研工作者，你要做就是「拿來主義」，只要解決了你所遇到的問題，又何必鑽牛角去研究那些科學家歷經 n 多年推導論證出來的公式呢。
3樓：曠達
柱圖看環比，線圖看趨勢，餅圖看比例，樣本均值看總體水平，樣本分佈函式看因素影響力，方差看調查方法合理不合理。
每個統計分析結果都多問一句，為什麼？
資料分析有哪些難處？
從業資料相關的領域已逾5年，主要從事技術方面的工作，但也想從自身的角度來回應一下這個問題，也許身處邊緣地帶更能客觀理性地看待其中的 難處 首先，技能和工具。作為資料分析師，必然要熟悉各種工具的使用 SQL，分布式資料處理，資料視覺化等等。要跨過技能難關，無捷徑，要在實際工作中不斷積累經驗。第二，業務...
大資料分析中，有哪些常見的大資料分析模型？
牛博 模型其實就是一數學函式對映，從應用層角度來看，會有一些通俗的名字,簡單羅列一下 一 使用者模型 二 事件模型 三 漏斗模型 四 熱圖分析模型 五 自定義留存分析模型 六 粘性分析 七 全行為路徑分析 八 使用者分群模型 九 Session 分析 十 間隔分析 十一 分布分析 十二 營銷廣告投放...
常用的分析方法及模型有哪些？
產品一哥 RFM分析是客戶關係分析中一種簡單實用客戶分析方法，他對客戶最近一次消費和金額進行觀察，衡量客戶價值和客戶創利能力，最後針對不同的的客戶進行相應的營銷。產品一哥 萬字乾貨！0基礎如何拿到產品經理offer 0基礎如何拿到產品經理offer 資料分享 資料提取碼 z8nr 0基礎如何拿到產品...