我们在上一篇文章中给大家介绍了部分数据分析的知识，主要是数据分析建立指标，这样才能够做好数据分析工具。一般来说，在发展阶段，北极星指标是用户数和活跃率，用户数代表市场的体量和占有，活跃率代表产品的健康度；而在有一定用户基数的产品后期，商业化比活跃重要。在这篇文章中我们继续给大家介绍数据分析的知识。

我们在数据分析过程中，需要保证数据分析的全面性，比如说维度分析法，在我们确定了数据分析的核心目标，就可以着手进行分析了。数据分析大体可以分三类：第一就是利用维度分析数据。第二就是使用统计学知识如数据分布假设检验。第三就是使用机器学习。

我们首先来讲讲利用维度分析数据。我们利用维度分析数据是一种自上而下的思路，这种思路多是用于产品的数据分析体系或者模型的建立，从而保证数据分析的全面性。一般来说，维度是描述对象的参数，在具体分析中，我们可以把它认为是分析事物的角度。销量是一种角度、活跃率是一种角度，时间也是一种角度，所以它们都能算维度。当我们有了维度后，就能够通过不同的维度组合，形成数据模型。数据模型不是一个高深的概念，它就是一个数据立方体。并且根据数据模型发现问题数据。针对问题数据影响维度做相应的优化。

我们刚刚说到了维度法，我们知道单一的数据没有分析意义，只有多个数据组合才能发挥出数据的最大价值。在这里需要强调的一个分析的核心思维：对比。做不同维度的对比大概是新人快速提高分析能力的捷径之一。比如，过去和现在的时间趋势对比、不同地区维度的对比、产品类型的区别对比、不同用户的群体对比等。因此，做数据分析，要更多地关注多个数据维度之间的相关关系，而不是单个数据产生的因果关系！通过影响关键指标的数据维度间的关联关系，建立数据分析模型。

由此可见，数据分析的知识确实有很多，而且范围也很广，这就需要我们对数据分析的知识透彻的了解，只有这样我们才能够了解更多的数据分析知识，帮助自己快速入行数据分析。希望这篇文章能够给大家带来帮助，我们在下一篇文章中继续给大家带来更多的内容。