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。
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。
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:
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。
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)。
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)。
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。
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: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)。
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”)。
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:
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
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:
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:
2. 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)
3. 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)。
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:
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:
判断标准:分布差异显著→变量有关系;无明显差异→无关系。
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。
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。
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。
| 比较类型 | 适配图表 |
|---|---|
| 趋势分析 | 折线图、柱形图、双轴图 |
| 对比分析 | 柱形图、条形图、雷达图 |
| 构成分析 | 饼图、环形图、堆积柱形图、堆积面积图 |
| 分布分析 | 直方图、箱线图 |
| 关系分析 | 散点图、分类箱线图、百分比堆积柱形图 |
| 流向分析 | 桑吉图 |
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:
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)。
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。
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
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据处理的全流程中,数据呈现与数据分析是两个紧密关联却截然不同的核心环节。无论是科研数据整理、企业业务复盘,还是日常数 ...
2026-03-06在数据分析、数据预处理场景中,dat文件是一种常见的二进制或文本格式数据文件,广泛应用于科研数据、工程数据、传感器数据等领 ...
2026-03-06在数据驱动决策的时代,CDA(Certified Data Analyst)数据分析师的核心价值,早已超越单纯的数据清洗与统计分析,而是通过数据 ...
2026-03-06在教学管理、培训数据统计、课程体系搭建等场景中,经常需要对课时数据进行排序并实现累加计算——比如,按课程章节排序,累加各 ...
2026-03-05在数据分析场景中,环比是衡量数据短期波动的核心指标——它通过对比“当前周期与上一个相邻周期”的数据,直观反映指标的月度、 ...
2026-03-05数据治理是数字化时代企业实现数据价值最大化的核心前提,而CDA(Certified Data Analyst)数据分析师作为数据全生命周期的核心 ...
2026-03-05在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27