什么是数据分析？

顾名思义就是把隐没在一大批看来杂乱无章的数据中的信息，集中、萃取和提炼出来，以找出所研究对象的内在规律。如下图：

做店铺的数据分析是有一整套的思维模式，如果没有这套思维，做店铺就像是无头苍蝇，到处乱撞，根本找不到头绪和入手的方法。那么数据分析的思维模型是？

数据分析的五大思维

1、对照：对比数据、销量、流量、时间、成本

俗称对比，单独看一个数据是不会有感觉的，必需跟另一个数据做对比才会有感觉。比如下面的图A和图B:

2、拆分：拆分维度、流量、销量

我们回到第一个思维【对比】上面来，当某个维度可以对比的时候，我们选择对比。再对比后发现问题需要找出原因的时候？或者根本就没有得对比。这个时候，【拆分】就闪亮登场了。大家看下面一个场景。

例如：运营小美，经过对比店铺的数据，发现今天的销售额只有昨天的50%，这个时候，我们再怎么对比销售额这个维度，已经没有意义了。这时需要对销售额这个维度做分解，拆分指标。

销售额=成交用户数X客单价

成交用户数=访客数X转化率

 

拆分后的结果，相对于拆分前会清晰许多，便于分析，找细节。可见，拆分是分析人员必备的思维之一。

 

3、降维：特定点、主要点、共同点

是否有面对一大堆维度的数据却促手无策的经历？当数据维度太多的时候，我们不可能每个维度都拿来分析，有一些有关联的指标，是可以从中筛选出代表的维度即可。如下表：

这么多的维度，其实不必每个都分析。我们知道成交用户数/访客数=转化率，当存在这种维度，是可以通过其他两个维度通过计算转化出来的时候，我们就可以【降维】

成交用户数丶访客数和转化率，只要三选二即可。另外，成交用户数*客单价=销售额，这三个也可以三择二。

4、增维：上升、逆向推送、反向推算

增维和降维是对应的，有降必有增。当我们当前的维度不能很好地解释我们的问题时，我们就需要对数据做一个运算，增加多一个指标。请看下图。

我们发现一个搜索指数和一个宝贝数，这两个指标一个代表需求，一个代表竞争，有很多人把搜索指数/宝贝数=倍数，用倍数来代表一个词的竞争度（仅供参考）。这种做法，就是在增维。

5、假说：过去、现在、未来

当我们拿不准未来的时候，或者说是迷茫的时候。我们可以应用【假说】，假说是统计学的专业名词吧，俗称假设。当我们不知道结果，或者有几种选择的时候，那么我们就召唤【假说】，我们先假设有了结果，然后运用逆向思维。

假说-被认为是现阶段“最接近答案”的答案

1. 例举：假说“下雨天大家都不想出去，所以餐厅应该很空“

2. 如果餐厅人真不多，那么你的假说就对了.

3. 反过来，也可能很多人，这个假说就错了.

4. 或者还有可能出现“天气跟餐厅拥挤没有关系”的情况