今天我們接著這本書往後看，第二章講了資料分析的方法，從大家耳熟能詳的5w2h出發到群組分析等到，基本上涵蓋了工作生活中可能會用到的各種方法，下面我們乙個乙個來聊。
就是用5個w和2個h開頭的英文單詞來思考問題，很好理解，適用於解決簡單的問題，而面對複雜的商業問題時就需要其他的方法輔助了。
由費公尺提出，主要用來將複雜的問題變成簡單的問題，像樹枝那樣逐漸展開，問題拆解，把乙個複雜的問題變成乙個個簡單的子問題。面試中常見的問題：如估算深圳有多少個產品經理，芝加哥有多少鋼琴調音師等，這類估算問題我們稱之為費公尺問題，在解決費公尺問題時，考察點通常不是真的去算出深圳到底有多少個產品經理，重點在於你的分析方法，也就是你運用邏輯樹分析問題的能力。
當需要分析行業問題、制定發展規劃時，要進行行業分析，首選pest分析法。
多維度拆解法，就是維度+拆解，從多個角度思考問題。
那麼可以從哪些維度來拆解問題呢？
指標又雙叒下降了，我到底該怎麼給老闆分析？
通過多維度拆解資料，我們發現了一種考察資料整體和不同部分時，會得到相反結論的現象，稱之為辛普森悖論。
當我們對兩個變數進行分組研究時，在分組中都佔優勢的一方，在總評中反而成為失勢的一方。
比較著名的當屬2023年加利福尼亞大學伯克利分校性別歧視的例子，男生錄取率為44%，女生錄取率為35%，根據這個資料有人就覺得該校有性別歧視的傾向，但如果每個院系分開來看錄取率的話，可以發現，a b d f四個院女生的錄取率都高於男生。這個悖論告訴我們乙個簡單的統計數字不能完全描述其背後的複雜意義，因此只看到資料整體，而忽視資料內各個部分的差異是不對的。
在進行對比分析時，主要考慮兩個問題，和誰比，以及如何比。
和誰比
如何比
推薦一篇講對比分析的文章：
資料對比分析法，看這篇就夠了！
注：比較的物件規模一致才有可比性
a/b測試就是應用了對比分析
分析問題發生的原因，也叫歸因分析，「為什麼」的問題，指標下降的問題
研究兩種或兩種以上資料之間關係的方法，如果乙個指標和另乙個指標是一起變化的，說明它們是相關的，而如果是乙個指標先變化從而導致了另乙個指標的變化，說明它們是有因果性的。
關於相關性也可以參考下面這篇文章：
再說相關性分析
也叫同期群分析，也就是對資料分組後對比。
比如按時間分析留存率，目的是找到留存率低的組，然後進一步分析這些組。
還有流失使用者分析、金融逾期分析等
rfm分析用來對使用者進行價值分類，從重要價值使用者到一般挽留使用者，識別有價值的使用者，進行精細化運營，不斷將使用者轉化為重要價值使用者。
這裡的r f m分別對應：
有關rfm分析在excel裡怎麼實現，可以參考這篇文章：
rfm分析-使用者價值細分的精準運營方法
注意：aarrr模型用來分析使用者行為，為產品運營制定決策，實現使用者增長。
對應產品運營的5個重要環節：
有關aarrr模型的問題還可以參考下面這篇文章：
資料分析應關注aarrr模型的哪些指標
獲取使用者階段，我們比較關心以下指標：
啟用使用者階段，需要找到「啊哈時刻」，就是讓使用者情不自禁地喜歡上產品亮點、發出讚嘆的時刻。
留存階段，核心目標是讓使用者養成使用習慣，重點關注留存率指標
增加收入階段，主要關注：
漏斗分析是衡量業務流程每一步的轉化率的分析方法，在各行各業都有相應的應用，如使用者轉化的分析、使用者流失分析、流量監控等。目的在於定位問題節點，找到有問題的環節在哪。
運營必備的 15 個資料分析方法（論）
1.資料分析的戰略思維 1.1 資料分析的目標 對於企業來講，資料分析的可以輔助企業優化流程，降低成本，提高營業額，往往我們把這類資料分析定義為商業資料分析。商商業資料分析的本質在於創造商業價值 驅動 企業業務增長。1.2 資料分析的作用 通過企業或者平台為目標使用者群提供產品或服務，而使用者在使用...
資料分析的常用方法，資料分析的5個黃金法則
隨著大資料時代的到來，越來越多的公司開始注重大資料，資料分析是大資料中常用的，那資料分析的常用方法又有哪些呢？下面學掌門就和大家盤點一下資料分析的5個 法則。規則1 我們相信計量 在學習能源管理專業時，遇到了各種資料問題 這裡只是其中的一些示例 在一台標有 30 hp 45 kw 的壓縮機面前，新的...
乙個資料分析小白，要如何對產品進行分析？
在我看來資料本身並沒有任何價值，正是由於分析方法的存在使得原本毫無價值的資料大放異彩。什麼是資料分析?資料分析是指用適當的統計分析方法，對收集來的大量資料進行分析，提取有用資訊和形成結論，而對資料加以詳細研究和概括總結的過程。在實際應用中，資料分析可幫助人們作出判斷，以便採取適當行動。當然，在我看來...