扫码加入数据分析学习群

两天的理论与实践相结合，四种数据分析方法论，七个实战案例，带我们由浅至深的学习了数据分析工作的具体内容和思维方式

以下的思维导图就是整理的四个方法论的内容

在分享这个笔记的同时，也顺便记录下自己的心得体会，如果有不同意见，也欢迎大家一起探讨

上面整理的四个方法论，实际上目的都是为了能让我们在实际工作中面对大量的数据和字段时，能理清分析思路，定位关键需求，找到分析方向，发现数据下隐藏的问题

废话不多说，以下为自己的学习总结

（1）这个方法论前两个都是以数据整理为导向的，当出现多表、多字段、多数据的场景下，在业务理解的基础上可以用第一种方法论迅速简化数据量

以线下生活馆的零售案例为例，三张表，十来个字段，但是我们真正需要的也就那么几个字段，定位数据范围后，需要的维度字段不过商品、品类、时间三个，需要的指标字段不过销售额、销量、利润三个，再根据业务需求选一个主要的销售额作为主要指标来衡量维度的好坏程度，这样极大的简化了实际分析中需要的字段

（2）数据分析方法论我认为是在复杂场景下，当第一种方法论简化数据后，数据量仍然较大无法处理时使用的，比如今天的乘用车市场分析报告案例，使用第一种方法论确定了数据范围后，仍然存在下图中的大量的字段，无从下手，这时候就需要用到树状分析方法论来找到汽车属性维度字段间的关系，用总分结构层层剥开每个维度下的指标问题；

（3）第三、四两种方法论是以输出分析结果为导向的，以今天的乘用车案例为例，当树状分析方法论层层分析到某品牌下的车型的时候，就可以用帕累托分析来找到销量累计占比八成的车型作为该品牌销售的主力车型，而数据中这几个字段，虽然老师课堂中并没有作为分析的维度，但是可以用这三个字段来建立RFM模型，分析消费者更加偏好又宽又高轴距又大的车型还是又窄又矮轴距又小的车型，所以这两种方法论都是在分析的过程中使用最终可以直接输出分析结果的方法。