1.3 数据分析的常见方法

在进行数据分析的过程中，方法的运用很重要。不同的分析方法适用于不同的情况，本小节将提供8种数据分析方法，大家可以根据自身情况进行选择。

1.3.1 直接评判法

直接评判法，简单来说就是数据分析者根据自身的经验对数据进行分析和评估。通常，利用直接评判法分析数据要满足以下两个条件。

（1）数据分析者自身拥有丰富的经验，能够正确分析和评估数据。

（2）用于分析的数据要足够直接，可以直观地评判数据的优劣。

如图1-9所示，为2022年1月上旬某店铺的关注人数变化情况。从图中可以看出，除了2022年1月3日和1月9日之外，该店铺的净增关注人数都超过了40。

此时，店铺运营者便可以根据自身的经验对商务数据来进行评估。如果该店铺的净增关注人数基本上都超过了40，那么就可以利用直接评判法，判断出2022年1月3日和9日该店铺的运营数据出现了异常。对此，店铺运营者可以对该时间段的运营情况进行分析，寻找导致数据异常的原因。

1.3.2 分组分析法

分组分析法就是通过对分析对象进行分组，然后对各组别的数据进行分析和评估的一种方法。需要特别注意的是，利用这种方法进行数据分析时，分组要明确，数据既不能出现交叉，也不能出现遗漏。

如图1-10所示为某账号粉丝的地域分布图。图中根据账号粉丝所属的城市级别先进行分组，然后对各城市线粉丝的占比情况进行呈现，这便属于分组分析。

1.3.3 对比分析法

对比分析法，顾名思义，就是通过比较不同的对象并进行分析，了解彼此之间的差距，从而判断运营的效果。在分析数据的过程中，常见的是对两组数据进行横向对比和纵向对比。横向对比是指对同一时间内的不同对象进行对比；纵向对比是指对不同时间段的同一对象进行对比。

如图1-11所示为同一时间内两个平台的净增关注人数对比，该图便属于横向对比的一种形式。从该图中不难看出，A平台在2022年1月21日至30日的净增关注人数普遍要比B平台高一些。

如图1-12所示为某店铺2020年、2021年净增关注人数对比，该图便是通过纵向对比来进行分析的。从该图中不难看出，该店铺2021年的净增关注人数明显要高于2020年。

1.3.4 结构分析法

结构分析法，简单地说就是将各部分与总体进行比较，呈现各部分所占比例的一种方法。如图1-13所示为某账号关注人群的年龄分布图，这就是利用结构分析法来对数据进行呈现的。

1.3.5 平均分析法

平均分析法是通过平均数值来衡量具体数值与平均数值的关系，以及分析该数值表现的一种方法。常见的平均数值包括算术平均值、几何平均值和对数平均值。因为平均数值是数据的均值，所以具体数值通常会在平均数值附近浮动。因此，平均数值便能从一定程度上预测数据接下来的发展趋势。

如图1-14所示为某平台2021年净增关注人数分析。该图便是通过与平均（即算数平均值）净增关注人数的对比，来分析该平台2021年净增关注人数的数值表现的。很显然，这便是利用平均分析法进行数据分析。

1.3.6 矩阵分析法

矩阵分析法就是将两个指标分别作为横坐标和纵坐标，将坐标轴分为4个象限，从而让运营者直观地把握数据在这两个指标中的表现，并在对数据进行评估的基础上寻找具体的解决方案。

例如，可以根据重要性和急迫性对数据进行分类，然后根据自身情况确定数据分析的先后顺序。具体来说，可以先将重要性和紧迫性分别作为横坐标和纵坐标，将要分析的数据分为重要且紧迫、不重要但紧迫、不重要不紧迫和重要但不紧迫4个类别，如图1-15所示。

确定分类之后，接下来便可以根据自身需求确定要分析数据的先后顺序。如果要尽可能完成所有商务数据的分析，便可将紧迫性作为第一指标来对要分析的数据进行排序，并在坐标轴上标上序号，让先后顺序更加直观，如图1-16所示。

同样的，如果想先将重要的数据分析完，也可以将重要性作为第一指标进行排序，如图1-17所示。

1.3.7 漏斗分析法

漏斗分析法就是利用一张漏斗图对多种数据依次进行呈现，通常来说，越重要的数据放在漏斗图的越下方。如图1-18所示为一张漏斗分析图，在该图中，运营者认为比较重要的数据是订单量。

漏斗分析法是分析数据重要程度的一种有效方法。运营者在绘制漏斗分析图的过程，便是在心中对数据的重要程度进行排序。而绘制完漏斗分析图后，数据分析者心中最重要的数据便会出现在漏斗图的最下方。因此，漏斗分析法也被认为是筛选关键数据的一种便捷方法。

1.3.8 雷达分析法

雷达分析法是通过一张图对各类数据进行直观呈现，并在此基础上对数据进行对比分析。与其他分析法相比，雷达分析法的优势在于可以对多个数据的数值同时进行比较，从中找出数值相对较低的数据。

通常来说，如果一个数据相对较低，那么该数据便是有待提高的。因此，雷达分析法常被用来寻找运营过程中的薄弱环节。如图1-19所示为某账号的用户购买行为分析图，其使用的便是雷达分析法。