简述数据分析的常用方法

众所周知，数据分析已然成为我们生活和工作中必不可缺的一部分。我们常常在当下听到的数据分析被频繁的提及，但是你真的了解数据分析的意思吗?究竟什么是数据分析呢?简单来讲，数据分析离不开数据，计量和记录一起促成了数据的诞生。下面我们一起来看看数据分析的常用方法。

工具/原料：

系统版本：win7系统

品牌型号：联想Thinkpad X270

分享数据分析的方法：

一、聚类分析

聚类分析属于探索性的数据分析方法。从定义上讲，聚类就是针对大量数据或者样品，根据数据本身的特性研究分类方法，并遵循这个分类方法对数据进行合理的分类，最终将相似数据分为一组，也就是“同类相同、异类相异”。

在用户研究中，很多问题可以借助聚类分析来解决，比如，网站的信息分类问题、网页的点击行为关联性问题以及用户分类问题等等。其中，用户分类是最常见的情况。

常见的聚类方法有不少，比如K均值(K-Means)，谱聚类(Spectral Clustering)，层次聚类(Hierarchical Clustering)。

以最为常见的K-means为例，可以看到，数据可以被分到黄蓝绿三个不同的簇(cluster)中，每个簇有其特有的性质。

二、留存分析

留存分析是一种用来分析用户参与情况/活跃程度的分析模型，考查看进行初始行为后的用户中， 经过一段时间后仍然存在客户行为(如登录、消费)。留存不仅是个可以反映客户粘性的指标，更多地反映产品对用户的吸引力。

按照不同周期，留存率分为三类：

第一种是日留存，日留存又可以细分为以下几种：

次日留存率：(当天新增的用户中，第2天还登录的用户数)/第一天新增总用户数;

第3日留存率：(第一天新增用户中，第3天还有登录的用户数)/第一天新增总用户数;

第7日留存率：(第一天新增用户中，第7天还有登录的用户数)/第一天新增总用户数;

第14日留存率：(第一天新增用户中，第14天还有登录的用户数)/第一天新增总用户数;

第30日留存率：(第一天新增用户中，第30天还有登录的用户数)/第一天新增总用户数。

第二种是周留存，以周度为单位的留存率，指的是每个周相对于第一个周的新增用户中，仍然还有登录的用户数。

第三种是月留存，以月度为单位的留存率，指的是每个月相对于第一个周的新增用户中，仍然还有登录的用户数。

留存率是针对新用户的，其结果是一个矩阵式半面报告(只有一半有数据)，每个数据记录行是日期、列为对应的不同时间周期下的留存率。正常情况下，留存率会随着时间周期的推移而逐渐降低。

下面以月留存为例生成的月用户留存曲线：

三、帕累托分析

帕累托法则，源于经典的二八法则——“世界上80%的财富掌握在20%的富人手里”。而在数据分析中，这句话可以理解为20%的数据产生了80%的效果，需要围绕找到的20%有效数据进行挖掘，使之产生更大的效果。

比如一个商超进行产品分析的时候，就可以对每个商品的利润进行排序，找到前20%的产品，那这些产品就是能够带来较多价值的商品，可以再通过组合销售、降价销售等手段，进一步激发其带来的收益回报。

帕累托法则一般会用在产品分类上，此时就表现为ABC分类。常见的做法是将产品SKU作为维度，并将对应销售额作为基础度量指标，将这些销售额指标从大到小排列，并计算累计销售额占比。

百分比在 70%(含)以内，划分为 A 类。百分比在 70~90%(含)以内，划分为 B 类。百分比在 90~100%(含)以内，划分为 C 类。

总结：

以上就是数据分析的常用方法的详细介绍了，这几种数据分析的方法各有各的优势，总有你喜欢的一个方法吧，希望能够帮助到大家。