使用结构化，公式化，业务化的数据分析思维框架作为操作指引，要想提高数据分析效率还需要具备一些思维上的技巧。
数据思维技巧
1.象限法
象限法的核心是策略驱动，通过四种象限划分出的结果对应分配不同的策略。
应用：战略分析，产品分析，市场分析，客户管理，用户管理，商品管理。
2.多维法
多维法就是通过多哥维度精细驱动的思维处理数据，维度复杂精细对于数据分析结果有更好的保证。但是往往需要浪费一些时间，可以结合28法则去掉当前分析不需要的数据维度。
用户统计维度：性别、年龄…
用户行为维度：注册用户、用户偏好、用户兴趣、用户流失…
消费维度：消费金额、消费频率、消费水平…
商品维度：商品品类、商品品牌、商品属性…
一般应用于数据比较大而全的分析，但是要注意在多维法进行交叉分析时容易出现辛普森悖论需要避免这个错误。通常用钻取的方法，把数据向下细分。
3.假设法
假设法通常是在没有数据的时候做分析，通过假设论点成立。从而通过一些数据去论证自己的假设。
公司在节日迚行了一次营销活劢，APP上的销量数据整体比上周上升了20%。因为统计失误问题，拿丌到明细数据，也就是说，活劢效果是一个黑盒。现在的问题是，销量本身就有可能因为节日而提高，那么怎么证明活劢是有效戒者无效的呢？
思考：
思考一下活劢有效的话，销量必然增长。
如果能证明这条，那么我们有理由相信活劢是有效的。
用户购买之后会有一系列行为，比如是加购购买的，点击活动链接进入的，评论中显示活动的字眼。
统计这类用户进行汇总得出的人数和总购买人数对比。
假设参不活劢的用户行为没有变化，那么通过历史数据的用户评论占比，反推购买人数
4.指数法
很多时候有各种数据，但是数据不知道怎么使用。通过设定目标指数，可以聚焦数据的价值。指数法就是制定一个可以衡量的标准。
指数法是目标驱动的思维，对业务有一定的指导作用一旦设立了指数不要轻易改动。指数法没有统一的标准，各种指数都依赖加工。
指数设立的时候可以通过 线性加权法，反比例法，log法等将数据转化成明确的，方便识别的数据指数。方便后续的数据分析。
线性加权，就是通过对数据一定的权重通过加或者乘的方式提高数据的数值。
反比例法，将数字收敛成0-1的数据。y=1/x.
log法，将数值较大的数据按比例缩放。
5.二八法则
28法则的核心就是只抓重点忽略非重点。数据80%是无用的数据只有20%是有效的数据。
6.对比法
好的数据一定是比例或者比率，好的数据分析一定会有对比。对比法的核心就是孤数不证，单独的数据是没有任何价值的，更不能说明问题。
应用于竞争对手的对比，商品类别之间的对比，特征属性上的对比，时间同比与环比，转化对比，前后变化之间的对比。
7.漏斗法数
数据分析常见的就是漏斗法，漏斗法是流程化思考的典范。单一的漏斗分析没有用，转化率20%，但是能说明什么呢？它要和其他分析思维结合明确漏斗转化的好坏，比如多维，比如对比。
网友评论