大家好，欢迎来到IT知识分享网。
导读
互联网大数据时代，各行各业都会从自身业务出发，通过数据分析为业务提出可行性优化意见，由此也产生了大量数据分析师的岗位。与此同时，不仅是数据分析师岗位的从业人员需要具备此能力，现阶段很多企业在招聘的过程中也都十分重视数据分析这一基本技能，本文主要汇总数据分析常用的几种模型，希望对大家有所帮助。
数据分析立足于业务，通过工具采集数据，收集数据，再将得到的数据通过一系列方法进行分析，进而把分析的结果应用于产品的优化或服务的提升。
对于刚刚接触“数据分析”的小白，首先掌握几种常见的模型是比较快捷的入门途径之一，虽然方法论模型学习起来比较枯燥，但对于构建数据分析的系统框架和形成数据分析的逻辑思维有十分重要的帮助，希望大家学习起来吧！
一、PEST模型
PEST模型是指通过对宏观环境（一切影响行业和企业的宏观因素）的分析。对宏观环境因素作分析，不同行业和企业根据自身特点和经营需要，分析的具体内容会有差异，但一般都应对政治（Political）、经济（Economic）、社会（Social）和技术（Technological）这四大类影响企业的主要外部环境因素进行分析。
政治（Political）：国家政策、优惠扶持、战略意义等
经济（Economic）：通货膨胀、经济环境、成本、周期等
社会（Social）：外部市场、竞争对手、地区差异等
技术（Technological）：技术壁垒、技术实操性、技术传播等
比如，我们在上线一个新产品之前，需要对该产品进行行业调研，在进行行业调研的过程中常用的就是PEST分析法：要进行竞品分析、市场分析、行业动态、成本、利润、受众群体等，实际都与上面的4种外部环境息息相关。
小tip：公司可通过小组内部头脑风暴法来完成。
二、SWOT模型
SWOT分析模型（SWOT Analysis，也称TOWS分析法、道斯矩阵）即态势分析法，20世纪80年代初由美国旧金山大学的管理学教授韦里克提出，经常被用于企业战略制定、竞争对手分析等场合。
麦肯锡咨询公司的SWOT分析，包括分析企业的优势（Strength）、劣势（Weakness）、机会（Opportunity）和威胁（Threats）。因此，SWOT分析实际上是将对企业内外部条件各方面内容进行综合和概括，进而分析组织的优劣势、面临的机会和威胁的一种方法。
通过SWOT分析，可以帮助企业分析出自身业务的核心卖点和核心竞争力，以及外部市场中的竞争形式。
SWOT矩阵
SWOT模型和PEST模型常常结合起来应用于业务，常见的思考方式是：基于某项业务，先通过PEST模型先进行外部环境分析，再结合 SWOT模型进行内部分析，构造矩阵，进行优先级排序，重要级排序，进而指导业务战略决策。
三、5W2H模型
5W2H模型是用途非常广泛的一个模型，不仅仅适用于数据分析领域，在商业决策、项目管理、模型分析、个人分析等诸多方面都可以利用该模型来辅助。
5W2H：
Why——为什么？为什么要这么做？理由何在？原因是什么？
What——是什么？目的是什么？做什么工作？
Who——谁？由谁来承担？谁来完成？谁负责？
When——何时？什么时间完成？什么时机最适宜？
Where——何处？在哪里做？从哪里入手？
How——怎么做？如何提高效率？如何实施？方法怎样？
How Much——多少？做到什么程度？数量如何？质量水平如何？费用产出如何？
举个例子：
某公司需要制作一期新的在线视频课程产品。
Why——做此款课程产品的目的，是引流还是营收？要流量还是收益？
What——课程产品的具体内容和定位是什么？
Who——谁来主导和负责此款课程产品的策划、上线和最终维护，多人协作时，分工是什么样子，具体落实到个人的分工协助规划？
When——该在线课程产品何时上线？每个步骤的具体时间节点？
Where——在那个栏目发布此产品？归类于哪个业务线？
How——从策划该课程——上线课程——维护该课程整套流程？
How Much——该产品预计营收目标？成本预计多少？
四、用户分析法
对用户从了解产品到使用产品的系列动作进行逐一分析，每一项动作对应的数据即代表用户行为数据，均可以进行分析，指导业务。此分析法常常和漏斗分析法进行结合，常用于分析产品具体哪个环节出现问题。
比如，用户对产品的使用过程。
了解——下载——注册——试用——购买——使用——长期使用——忠实粉丝
每一个环节都有对应数据体现用户行为，比如下载量很多，但注册量很少，此时需要分析具体原因是什么？是否可以对注册界面进行优化。
所以，对各个环节进行监控，就需要对各环节进行数据指标的搭建：
了解：阅读量，浏览量等
下载：下载量
注册：注册量，新增用户数
试用：试用用户数，试用与购买用户数转化率
长期使用：留存率，活跃度等。
五、逻辑树模型
“逻辑树”模型最早是麦肯锡提出的，常用于分析问题的一种工具。麦肯锡逻辑树又称问题树、演绎树或分解树等。
逻辑树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；其实就是将大问题拆解乘若干个小问题，再进行逐一击破。
逻辑树模型
比如：分析一家书店的经营情况。
这个问题初看是一个大问题，不好分析，用逻辑树分析法可以将此问题拆解成一个个小问题，解决起来就容易很多。
书店经营情况的逻辑树分析
第1步：经营状况可以通过营收与成本的比值得到，则拆解为营收和成本2个小问题；
第2步：营收可通过业务人流量*人均消费得到，则拆解为人流量计算和人均消费计算；
第3步：成本可细化各个成本模型，进行求和处理；
第4步：做比值即可粗略得到。
以上只是简单举例应用逻辑树分析法的粗略计算，在实际调研过程中，仍有一些细节注意，比如人流高峰时段和人流低谷时段的平均计算处理，以及优惠扶持力度等；当然此处只是给大家粗略演示下逻辑树的使用，了解其拆解问题的本质思维即可哦！
欢迎大家在评论区讨论、留言~
如有数据领域大神也欢迎评论指导~
如果本文对你有帮助，记得点赞，收藏，关注作者哦！@番茄要变圣女果
免责声明：本站所有文章内容,图片，视频等均是来源于用户投稿和互联网及文摘转载整编而成，不代表本站观点，不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益，请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权，请联系删除，如若转载，请注明出处：https://yundeesoft.com/66522.html
