

很多数据分析师精通Excel、SQL、Python等工具，但当被问到“面对一个具体的业务问题，该用什么分析方法”“描述性分析和诊断性分析有什么区别”“六种分析方法如何组合使用”时，却常常答不上来。其实，工具只是“手”，方法才是“脑” 。在数据驱动的时代，会用工具只是入门门槛，真正的核心是“选对方法解决业务问题”。

”

引言：为什么“方法”比“工具”更重要？

小林入职一家电商公司后，他写SQL、做透视表、画图表都驾轻就熟。一天，老板问他：“我们最近复购率下降了，你分析一下原因。”小林立刻拉出复购率数据，制作了精美的趋势图，汇报说：“复购率从22%降到了15%。”

老板追问：“为什么降了？该怎么做？”小林愣住了——他能描述“发生了什么”，却无法回答“为什么发生”和“该怎么办”。

这正是“会工具”与“懂方法”之间的差距。描述数据是本能，诊断问题是能力，预判趋势、输出策略才是专业。

本文将从CDA认证的知识体系出发，系统拆解六种核心分析方法的定义、核心逻辑、适用场景、实操步骤与工具推荐，帮助你从“会用工具”升级到“驾驭方法”。

一、六种分析方法的整体认知：层层递进的“方法论体系”

六种核心分析方法并非孤立存在，而是层层递进、相互支撑的“方法论体系” ，而非独立的技巧堆砌。它们覆盖了从“现状呈现”到“策略输出”的全链路。

六种方法从“基础铺垫-问题拆解-趋势预判-方案落地”层层递进。分析师的核心价值，在于根据业务需求灵活组合运用，而非单一方法套用。

二、六种核心分析方法：定义、逻辑与实操步骤

（一）描述性分析：数据的“全景呈现者”

核心定义：作为最基础、应用最广泛的分析方法，描述性分析聚焦“是什么”，通过对原始数据的统计、整理与可视化，客观呈现业务现状，不涉及因果推断与趋势预判。它是所有分析的起点。

核心逻辑：数据采集 → 清洗标准化 → 统计汇总 → 可视化呈现。

适用场景：日常业务监控、数据报表编制、业务现状复盘，如月度销售额统计、用户画像特征梳理。

实操步骤：

实操要点：聚焦核心指标，避免“数据堆砌”；可视化优先选择“业务易理解”的图表；补充“业务上下文”（如“复购率15%”需标注“同比下降3%”）。

工具推荐：Excel（数据透视表）、SQL（聚合函数SUM/AVG/COUNT）、Tableau/Power BI。

（二）对比分析：差异的“精准识别者”

核心定义：对比分析是基于描述性分析的延伸，通过设定参照系（同期、跨维度、标杆），挖掘数据间的差异与规律，回答“数据与参照系相比有何不同”。

核心逻辑：确定对比维度 → 设定参照标准 → 计算差异值 → 解读差异意义。

适用场景：业务差异排查、效果评估、优势劣势分析，如同比/环比销售额对比、不同区域业务表现差异、竞品数据对标。

实操步骤：

实操要点：确保对比对象的可比性（口径一致、范围对等）；规避“口径不一致导致的差异失真”；用Python计算差异率并可视化呈现。

工具推荐：Excel（数据对比）、Python（显著性检验）。

（三）诊断性分析：问题的“根源追溯者”

核心定义：诊断性分析是在描述性分析的基础上，进一步深入挖掘数据，核心是“找原因”，回答“为什么会发生”。

核心逻辑：对比、拆解、归因——通过对比不同维度的数据，拆解核心指标，找到影响指标变化的关键因素。

适用场景：业务异常排查、问题根源定位（如销售额下滑、用户流失率上升）。

实操步骤：

实操要点：结合业务逻辑进行拆解，避免“纯数据导向”的误判；诊断结果需指向“可执行的优化方向”。

工具推荐：SQL（数据提取与拆解）、Excel（数据透视表多维下钻）。

（四）归因分析：影响的“量化器”

核心定义：归因分析聚焦“为什么”，通过拆解业务指标的影响因素，量化各因素对结果的贡献度，精准定位问题根源或成绩成因。

核心逻辑：明确核心指标 → 拆解影响因素 → 量化贡献度 → 定位核心原因。

适用场景：需要量化多个因素对结果的贡献程度时，如“销售额变化中，流量、转化率、客单价各贡献了多少”。

实操步骤：

CDA实操要点：确保归因维度的可比性，留存口径说明文档；避免“忽略外部因素”导致的归因偏差。

工具推荐：Python（多因素分析）、Excel（杜邦分析法模板）。

（五）预测性分析：未来的“预言家”

核心定义：预测性分析侧重分析数据中的模式和趋势，以便预测未来发生情况。它回答“会发生什么”。

核心逻辑：基于历史数据，通过时间序列分析、机器学习等技术预测未来趋势。

适用场景：销量预测、用户流失预测、风险评估等需要提前布局的场景。

实操步骤：

实操要点：预测结果需标注置信区间和误差范围；避免“过度预测”——预测越远，误差越大。

工具推荐：Excel（FORECAST.ETS函数）、Python（Scikit-learn、Statsmodels）、SPSS。

（六）指导性分析（规范性分析）：决策的“军师”

核心定义：指导性分析（也称处方性分析、规范性分析）提供针对不同情况的行动建议和决策支持，制定最佳方案。它回答“该怎么做”。

核心逻辑：基于预测结果和业务约束，输出可执行的行动策略。

适用场景：需要直接指导业务动作的场景，如“针对高流失风险用户，该推送什么优惠券”“预算有限时，该重点投哪个渠道”。

实操步骤：

实操要点：建议需具体、可执行，避免“提升用户体验”等模糊表述；输出时需区分“紧急措施”与“长期策略”。

工具推荐：Excel（方案对比）、Python（优化算法）。

三、方法协同：六种方法的组合使用

六种方法并非孤立使用。CDA分析师的价值，在于根据业务场景将多种方法协同运用，形成完整的分析闭环。

实战案例：用六种方法组合解决“复购率提升”问题

背景：某零售企业线上平台复购率仅15%，低于行业均值22%，业务部门需求“3个月内将复购率提升至20%”。

Step 1：描述性分析——明确现状

• 近3个月复购率15%，同比下降3%
• 复购用户集中在“消费金额≥500元、每月登录≥8次”的群体
• 未复购用户占比85%，其中60%为近30天未消费用户

Step 2：对比分析——找差异

• 横向对比：复购用户优惠券使用率70%，未复购用户仅20%
• 纵向对比：3个月前优惠券为“满100减30”，当前为“满200减50”，使用率下降40%

Step 3：细分分析——聚焦目标群体

• 核心群体：“消费金额200-500元、每月登录3-5次、未使用过优惠券”的用户
• 该群体占未复购用户的45%，潜力最大

Step 4：诊断性分析——找根源

• 该群体对“满200减50”优惠券的门槛敏感度高
• 优惠券门槛调整后，该群体消费频次从平均2次降至1次
• 根源结论：优惠券门槛过高，导致核心潜力用户放弃复购

Step 5：预测性分析——预判效果

• 逻辑回归预测：将优惠券调整为“满150减40”后，该群体复购率可提升至35%
• 整体预测：3个月内平台复购率可从15%提升至22%

Step 6：指导性分析——落地策略

• 核心动作：针对目标群体推送“满150减40”专属优惠券，通过APP弹窗+短信触达
• 执行计划：1周内完成配置，2周内完成推送，后续每周监控复购率

实战成效：1个月后目标群体复购率提升至28%；3个月后平台整体复购率达23%，超额完成目标；复购用户贡献营收增长32%。



这就是一套完整的“描述现状→对比差异→细分聚焦→诊断根源→预测效果→输出策略”的方法组合实战流程。

”

结尾：从“会工具”到“驾驭方法”——CDA专业认证的方法论进阶

很多数据分析师会写SQL、会做图表，但当被问到“面对复购率下降，该用什么分析方法”“描述性分析和诊断性分析有什么区别”“六种方法如何组合使用”时，却常常答不上来。

会工具是“手”，懂方法是“脑”；前者解决“怎么做”，后者决定“做什么、为什么做”。

六种核心分析方法是CDA数据分析师的“核心工具包”。CDA持证人不仅能运用六种方法完成数据分析，更能将分析结果转化为可落地的业务策略。从描述性分析的“呈现事实”，到诊断性分析的“定位根源”，再到指导性分析的“输出策略”——每一层方法的递进，都是CDA数据分析师从“数据搬运工”走向“业务问题解决者”的能力跃迁。

“业务数据分析”完整覆盖了六种分析方法的核心知识点，通过系统的教材和官方模拟题库训练，帮助你真正把“分析方法”变成“解决业务问题的工具箱”。

下一步行动：

1. 回顾你最近的一个分析项目，判断你用了六种方法中的哪几种
2. 练习将六种方法串联——面对一个业务问题，依次思考“现状是什么→差异在哪里→根源是什么→该怎么做”
3. 区分描述性分析与诊断性分析、预测性分析与指导性分析的定位差异



工具决定你“能做多快”，方法决定你“能做多准”。掌握六种分析方法，是CDA数据分析师从“数据执行者”走向“业务决策者”的核心跨越。

”

推荐学习书籍 《CDA一级教材》适合CDA一级考生备考，也适合业务及数据分析岗位的从业者提升自我。完整电子版已上线CDA网校，累计已有10万+在读~ !

免费加入阅读：https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0