当你完成一份数据分析报告时，不知领导是否有问过你，“你的分析方法论是什么？”。如果分析方法论不正确或不合理，那分析结果参考价值几何呢？

在知乎、人人都是产品经理搜索了大量的数据分析相关的文章，发现没有多少适合自己的，因为内容太过碎片化，就买了一套书，开始系统的学习。

1. 困惑

相信很多人在做数据分析时，会经常遇到这几个问题：不知从哪方面入手开展分析；分析的内容和指标常常被质疑是否合理、完整，自己也说不出个所以然来。当然我也一样，处在数据分析的学习阶段，对这些问题常常会感到困惑。

这就是为什么强调数据分析方法论。当方法论结合了实际业务，才能尽量确保数据分析维度的完整性和结果的有效性。

数据分析的三大作用，主要是：现状分析、原因分析和预测分析。什么时候开展什么样的数据分析，需要根据我们的需求和目的来确定。

数据分析的一般步骤：

2. 解惑

数据分析的目的越明确，分析越有价值。明确目的后，需要梳理思路，搭建分析框架，把分析目的分解成若干个不同的分析要点，然后针对每个分析要点确定分析方法和具体分析指标；最后，确保分析框架的体系化（体系化，即先分析什么，后分析什么，使得各个分析点之间具有逻辑联系），使分析结果具有说服力。

那么，如何保证分析框架的体系化呢？

以营销、管理等理论为指导，结合实际业务情况，搭建分析框架，这样才能尽量确保数据分析维度的完整性，结果的有效性及正确性。

营销方面的理论模型有：4P、用户使用行为、STP理论、SWOT等。

管理方面的理论模型有：PEST、5W2H、时间管理、生命周期、逻辑树、金字塔、SMART原则等。

这里主要说明：PEST、5W2H、逻辑树、4P、用户使用行为这五个比较经典实用的理论，了解如何在搭建数据分析框架时应用它们作指导。

（1）PEST：主要用于行业分析

PEST，即政治（Political）、经济（Economic）、社会（Social）和技术（Technological）：

• P：构成政治环境的关键指标有，政治体制、经济体制、财政政策、税收政策、产业政策、投资政策、国防开支水平政府补贴水平、民众对政治的参与度等；
• E：构成经济环境的关键指标有，GDP及增长率、进出口总额及增长率、利率、汇率、通货膨胀率、消费价格指数、居民可支配收入、失业率、劳动生产率等；
• S：构成社会文化环境的关键指标有：人口规模、性别比例、年龄结构、出生率、死亡率、种族结构、妇女生育率、生活方式、购买习惯、教育状况、城市特点、宗教信仰状况等因素；
• T：构成技术环境的关键指标有：新技术的发明和进展、折旧和报废速度、技术更新速度、技术传播速度、技术商品化速度、国家重点支持项目、国家投入的研发费用、专利个数、专利保护情况等因素。

eg：仅作举例，不代表只考虑这几点因素

（2）5W2H：

5W2H，即何因（Why）、何事（What）、何人（Who）、何时（When）、何地（Where）、如何做（How）、何价（How much），应用相对广泛，可用于用户行为分析、业务问题专题分析、营销活动等。

该方法广泛应用于企业营销、管理活动，对于决策和执行性的活动措施非常有帮助，也有助于弥补考虑问题的疏漏。

eg：仅作举例，不代表只考虑这几点因素

（3）逻辑树：可用于业务问题专题分析

逻辑树，又称问题树、演绎树或分解树等。它是将问题的所有子问题分层罗列，从最高层开始，并逐步向下扩展。

逻辑树的作用主要是帮我们理清自己的思路，避免进行重复和无关的思考。

逻辑树的使用必须遵循以下三个原则：

• 要素化：把相同问题总结归纳成要素。
• 框架化：将各个要素组织成框架，遵守不重不漏的原则。
• 关联化：框架内的各要素保持必要的相互关系，简单而不孤立。

缺点：涉及的相关问题可能有遗漏，虽然可以用头脑风暴把涉及的问题总结归纳出来，但还是难以避免存在考虑不周全的地方。所以在使用逻辑树的时候，尽量把涉及的问题或要素考虑周全。

eg：仅作举例，不代表只考虑这几点因素

（4）4P：主要用于公司整体经营情况分析

4P，即产品（Product）、价格（Price）、渠道（Place）、促销（Promotion）

eg：仅作举例，不代表只考虑这几点因素

（5）用户使用行为：用途较为单一，就是用于用户行为的研究分析

用户使用行为，即用户为获取、使用物品或服务所采取的各种行动。用户对产品首先需要有一个认知、熟悉的过程，然后试用，再决定是否继续消费使用，最后成为忠诚用户。

用户使用行为的完整过程：

可以利用用户使用行为理论，梳理产品分析的各关键指标之间的逻辑关系，构建符合公司实际业务的产品分析指标体系。

eg：仅作举例，不代表只考虑这几点因素

这些方法论并非只能单独使用，可以根据具体情况选择合适的方法论嵌套使用。

3. 最后

明确数据分析方法论的主要作用：

• 理顺分析思路，确保数据分析结构体系化；
• 把问题分解成相关联的部分，并显示它们之间的关系；
• 为后续数据分析的开展指引方向；
• 确保分析结果的有效性及正确性。

明确数据分析方法论和数据分析法的区别：

数据分析方法论主要是从宏观角度指导如何进行数据分析，它就像是一个数据分析的前期规划，指导着后期数据分析工作的开展。而数据分析法则指具体的分析方法，比如对比分析、交叉分析、相关分析、回归分析等。数据分析法主要从微观角度指导如何进行数据分析。

具体的数据分析法，我之前有写过两篇文章，可以查看历史文章，翻阅这两篇：

作为产品经理，你应该懂的数据分析入门知识（上）

作为产品经理，你应该懂的数据分析入门知识（下）

PS：理论知识主要学习于书籍《谁说菜鸟不会数据分析（入门篇）》

#专栏作家#

杜王丹，微信公众号：杜王丹。互联网金融产品经理，人人都是产品经理专栏作家。

本文原创发布于人人都是产品经理，未经许可，禁止转载。

推荐使用国内新一代大数据用户行为分析平台：数极客，新一代支持无埋点、前端埋点、后端埋点、API导入四种混合数据采集方式;自动监测网站、APP、小程序等多种渠道推广效果分析，是增长黑客必备的互联网数据分析工具。数极客支持实时多维分析、漏斗分析、留存分析、路径分析等十大数据分析方法以及APP数据分析、网站统计、网站分析、小程序数据统计、用户画像等应用场景，国内首创6大提升转化率的数据分析模型，是用户行为分析领域首款应用定量分析与定性分析方法的数据分析产品。