极简《CDA一级教材知识手册》第2章——数据分析方法
- 2026-09-24 16:35:10
第二章 数据分析方法
考点7：基础范式的核心逻辑（本体论与流程化）
基于本体论（聚焦“是什么”）和流程化（聚焦“怎么做”）两大方法论，构建数据分析的三大基础范式，为各类业务场景提供底层思维框架。
本体论：核心是研究事物的本质、类别、属性与关系，对应分类分析（识别类别与属性）和相关分析（识别关系）。
流程化：核心是将业务转化为标准化流程，对应链式分析（梳理流程节点与转化关系）。
三大基础范式：分类分析、链式分析、相关分析，是所有数据分析方法的核心基石，适配不同业务问题的本质需求。
考点8：分类分析（本体论核心应用）
通过“化繁为简”的思维，将复杂分析对象按核心指标划分成不同类别，匹配差异化策略，适用于产品分类、客户分层等场景。
核心步骤（通用流程）
确定指标项：拆解商业目标，提炼核心数据要素（如用户价值的RFM指标）。 准备数据：获取基础数据，完成清洗、合并等预处理（如用户消费记录、产品销售数据）。 分析数据，确定分类阈值：通过均值、百分位数等方法划分指标水平（如RFM模型中用分位数作为高/低阈值）。 目标分类：交叉组合核心指标水平，为不同类别打标签（如“重要价值用户”“明星产品”）。 匹配策略：针对不同类别制定差异化运营/产品策略。
考点9：波士顿矩阵模型（产品市场分析）
分类分析有4个经典模型：波士顿矩阵模型、RFM模型、忠诚度模型、同期群分析模型
核心指标：销售增长率（市场引力）、市场占有率（企业实力）。
分类结果：
明星产品（高增长+高份额） 现金牛产品（低增长+高份额） 问题产品（高增长+低份额） 瘦狗产品（低增长+低份额） 策略匹配：明星产品加大投资、现金牛产品维持份额、问题产品选择性投资、瘦狗产品逐步撤退。
考点10：RFM模型（用户价值分析）
核心指标：Recency（最近消费间隔）、Frequency（消费频次）、Money（消费金额）。
阈值确定：常用平均值法、百分位数法（如二八原则）、业务经验法。
分类结果：8类用户（重要价值、重要发展、重要保持、重要挽留、一般价值、一般发展、一般保持、一般挽留）。
策略匹配：
重要价值用户：保持现状 重要发展用户：提升频次 重要保持用户：用户回流 重要挽留用户：重点召回 一般价值用户：刺激消费 一般发展用户：挖掘需求 一般保持用户：流水召回 一般挽留用户：可以放弃
考点11：忠诚度模型（用户分层）
核心指标：消费金额、消费频次。
分类结果：忠诚用户、进阶用户、普通用户、低价值用户、潜在用户、易流失用户。
策略匹配： 忠诚用户：维持服务 进阶用户：促销升级 普通用户：常规运营 低价值用户：少投资源 潜在用户：促销增熟 易流失用户：分级挽回
考点12：同期群分析模型（用户行为追踪）
核心逻辑：按初始行为时间分群（如同月注册用户），横向追踪同群行为变化，纵向对比不同群同一生命周期表现。
核心指标：留存率、活跃度 等。
应用场景：监控拉新效果、用户生命周期价值评估（如某活动新用户7日留存率对比）。
考点13：链式分析（流程化核心应用）
又称漏斗分析，将业务流程拆解为连贯的关键节点，通过计算各节点转化率，定位流程瓶颈，适用于流量转化、业务流程优化等场景。
核心步骤（通用流程）
明确研究目标：聚焦核心业务目标（如“提升电商下单转化率”）。 拆解用户路径：梳理完整业务流程及分支（如“首页→商品详情页→下单→支付→完成”）。 确定关键指标：定义各节点转化率（如详情页到下单的转化率=下单人数/详情页访问人数）。 计算分析及展示：绘制漏斗图，定位低转化率节点。
考点14：广告用户行为漏斗
链式分析有3个经典模型：广告用户行为漏斗模型、销售行为漏斗模型、AARRR海盗模型
流程：广告触达→查看广告→跳转商品页→点击购买→支付完成。 核心价值：定位低转化环节（如跳转转化率低可能是广告页面布局问题）。
考点15：销售行为漏斗
流程：潜在客户→接触→意向→明确需求→投入→谈判→成交。 核心价值：预测销售业绩、优化销售流程（如谈判环节转化率低需加强谈判技巧培训）。
考点16：AARRR模型（海盗模型）
流程：用户获取（Acquisition）→用户激活（Activation）→用户留存（Retention）→用户收益（Revenue）→推荐传播（Referral）。
核心价值：覆盖用户全生命周期，适配产品增长场景（如激活环节用新手教程提升活跃度）。
例如，对用户获取阶段进行分析，发现小红书渠道的占比显著升高，继续深入分析发现，原来是由于某个最近很火的博主分享了某个产品，再继续分析新增用户的人群画像发现，新增的用户女性占比达 60%，平均年龄为 25岁，选择的兴趣标签为“美食”“旅行”占比达 70%，符合小红书核心用户群体的人群画像，所以建议在拉新时，考虑利用小红书渠道，比如鼓励、奖励这类人群将内容发布在小红书平台或者和小红书大 V 合作引流。
考点17：相关分析（变量关系识别）
探索两个或多个变量之间的关联关系（非因果），为归因分析和预测模型奠定基础，适用于挖掘影响因素（如“广告投入与销售额的关系”）。
核心逻辑：通过数据可视化（如散点图、分类箱线图）识别变量关联，不直接判定因果，仅提供“值得深入验证”的方向。 应用场景：用户行为影响因素分析（如“在线时长与留存率的关系”）、产品属性与销量关联分析。 注意事项：相关性≠因果性，需结合业务逻辑进一步验证（如通过实验设计确认因果）。
考点18：趋势分析法（时间维度对比）
由三大基础范式引申出的6种分析方法：趋势分析法、对比分析法、构成分析法、分布分析法、关系分析法、流向分析法。
通过对比不同时期的相同指标，观察其增减变化与趋势规律，适用于业务监控、预测等场景。
核心逻辑：以时间为核心维度，聚焦“指标随时间的变化”。
核心作用：
快速识别趋势（上升、下降、持平、周期性）。 监控指标波动（如设置预警线识别异常）。 简单预测（基于历史趋势推断未来）。 常用图表：
趋势分析定位异常：如果发现异常，通常需要下钻到对应的维度数据，结合不同维度进行对比分析，定位到可能引起异常的节点，通常需要结合同比、环比等数据进一步分析和确认异常
柱形图（存量/流量数据随时间变化） 
折线图（流量/率数据随时间变化） 
双轴图（不同量级指标组合，如销量+增速） 
考点19：对比分析法（横向维度对比）
对比不同组成部分（如不同产品、区域、用户群）的同一指标，识别差异，适用于竞品分析、部门绩效评估等场景。
核心逻辑：以分类变量为核心，聚焦“不同对象的指标差异”。 常用图表： 柱形图：对比不同对象的指标绝对值（如各区域销售额）。
条形图：适用于对象名称长或需排序的场景（如各品类销量排序）。
雷达图：对比不同对象的多维度表现（如不同产品的性能指标）。
考点20：构成分析法（整体与部分关系）
分析整体中各部分的占比，明确各部分对整体的贡献度，适用于资源分配、结构优化等场景。
核心逻辑：聚焦“部分与整体的比例关系”。 常用图表： 饼图/环形图：展示各部分占比（如各产品销售额占比）。
堆积柱形图：同时展示部分占比与整体总量（如各区域各品类销售额）
堆积面积图：展示部分占比随时间的变化（如各渠道收入占比趋势）。
考点21：分布分析法（数据形态识别）
分析数据的分布特征（如集中趋势、离散程度），用于阈值确定、异常值识别等场景。
核心逻辑：聚焦“数据的取值分布规律”。
常用图表：
直方图：展示连续变量的分布形态（如用户消费金额分布）。
箱线图（盒须图）：识别异常值与数据离散程度（如某指标的上下四分位数、异常值）。
应用价值：辅助确定分类阈值（如RFM模型中F值的分位数划分）、识别数据质量问题（如异常值）。
考点22：关系分析法（变量关联识别）
探索两个变量之间的关联程度，适配不同变量类型（分类/连续）的组合分析。
核心逻辑：根据变量类型选择适配图表，判断关联与否。
变量类型组合与图表选择：
分类变量×分类变量：百分比堆积柱形图（如性别与购买品类的关系）。 分类变量×连续变量：分类箱线图（如用户等级与消费金额的关系）。 连续变量×连续变量：散点图（如广告投入与销售额的关系）。 判断标准：分布差异显著→变量有关系；无明显差异→无关系。
考点23：流向分析法（方向型变化分析）
分析事物的方向性走向（如用户行为路径、流量流向），适用于路径优化、归因分析等场景。
核心逻辑：聚焦“有明确方向的变化过程”。
常用图表：桑吉图（如网页流量从A页面到B页面的流向）。
应用场景：用户行为路径分析（如App内页面跳转流向）、渠道归因分析。
考点24：统计制图的标准化步骤
遵循“数据整理→明确信息→确定比较类型→选择图表”的流程，确保图表清晰传递核心信息。
整理数据：预处理原始数据（清洗、分组汇总、处理缺失值/异常值），形成适配制图的规整数据。
明确要表达的信息：提炼数据规律（如趋势、差异、占比），结合业务目标确定核心传递内容。
确定比较的类型：从6种分析方法（趋势、对比、构成等）中选择适配类型。
确定图表类型：根据比较类型选择对应图表（如趋势→折线图、构成→饼图）。
考点25：图表类型与比较类型的适配关系
不同图表有其核心适配场景，需根据比较类型精准选择，避免信息传递偏差。
考点26：统计制图的核心原则
图表需服务于业务理解，做到“清晰、精准、无歧义”，避免过度复杂设计。
核心要求：仅看标题与图形即可理解核心信息，无需依赖坐标轴细节。
图表分类：
描述性统计图：用于业务汇报（如饼图、条形图）。 检验性统计图：用于数据验证（如直方图、箱线图），部分可用于汇报。 注意事项：避免图表类型错配（如用饼图展示趋势）、避免过度装饰（如3D效果、多余颜色）。
总结
数据分析方法以 “分类、链式、相关” 三大基础范式为核心，引申出 6种实用分析方法 ，结合标准化制图流程，形成 “方法+工具” 的完整闭环。实际应用中需根据业务问题（如用户分层→分类分析、流程优化→链式分析）选择适配方法与图表，确保分析结果精准支撑决策。
结尾：
不管你是想冲刺 CDA 一级认证、零基础入门数据分析，还是想提升职场数据能力，这本《商业数据分析（2025）》都能满足你的需求！现在登录领取，开启你的数据提升之路吧！
👉 领取方式：微信扫码领取
或点击下方【阅读原文】，即可解锁所有福利！
