练好数据分析基本功，掌握常用的统计学指标和六大分析方法
前面几讲，我们从数据岗的知识体系出发，学习了常用的SQL语法，复习了统计学的基础知识。今天的分享我们是数据分析岗的最后一讲，着重于分享常用的统计学指标以及数据分析师的常用分析方法。
「
Part 1
常用的统计学指标
」
数据集合包括无序数据集、有序数据集两种类型，对于不同类型的数据集，对应着不同类型的统计指标，下表小编为大家整理了不同类型数据对应的统计指标以及EXCEL函数和SQL函数。
「
Part 2
基础数据分析
」
一、对比分析
二、结构分析
不同的构成成分又不一样的增长速度、成本、管理难易程度，分析业务构成有利于抓住重点、差异化运营、达成KPI目标。
同一事物可以从多个角度分析结构，需要根据分析目标选择合适的结构拆分维度
需要多层下钻的时候，拆分先后顺序很重要
结构分析不止看结构，也要看关心的指标在拆分后的表现。
三、同期群分析
同期群分析(Cohort Analysis，亦称群组分析的主要目的是分析相似群体随时间的变化（比如用户的回访）。
时期、群体交叉，得到同期群分析，如各年的新客，在后续各年的小手工线，可以用于预测后续年份的销售趋势。
一张图告诉你，什么是同期群分析。
所谓同期群分析，也就是将用户按初始行为的发生时间进行划分为群组（即同期群），然后：
1. 对处于相同生命周期阶段的用户进行垂直分析（横向比较），从而比较得出相似群体随时间的变化（图中例子表明：从初始行为开始，留存的用户在逐渐降低）。
2. 通过比较不同的同期群，可以从总体上看到，应用的表现是否越来越好了。从而验证产品改进是否取得了效果。
用户留存分析是将用户的留存行为分为：
初始行为：如“首次使用App”、“成功注册”或“第一次产生购买行为”等；
留存行为：可以是用户的任何行为，如产生购买、使用App、分享等；
通过将用户按初始行为的发生时间分组（得到同期群），然后再统计初始行为时间后不同时段内留存行为的发生频次（或其他有意义的计量，比如消费金额）。
四、漏斗分析、路径分析
漏斗，简单来讲，就是抽象网站或APP中的某个流程，观察流程中每一步的转化与流失。对目标的过程要素进行定义，包括阶段划分、阶段升迁标志、阶段升迁率、平均阶段耗时、阶段任务等，形成目标路径，分析升迁路径各阶段的机会和障碍，优化产品，促进目标达成。常见于流量产品分析。
漏斗的三元素
根据漏斗的定义，我们可以抽象出漏斗的三元素：
时间
节点
流量
时间
这里的时间，特指漏斗的转化周期，即为完成每一层漏斗所需时间的集合。通常来讲，一个漏斗的转化周期越短越好，尤其是在某些转化周期较长的行业，比如：在线教育行业，B2B电商行业。
此外，单独查看每一层漏斗的时间，也能发现一些问题。举例来说，如果发现从某个渠道导入的流量，在某层漏斗的消耗时间惊人的一致，这说明该渠道的流量很可能有异常。
节点
每一层漏斗，就是一个节点。而对于节点来说，最核心的指标就是转化率，公式如下：
转化率 = 通过该层的流量/到达该层的流量
整个漏斗的转化率以及每一层的转化率，可以帮助我们明确优化的方向：找到转化率低的节点，想办法提升它。
流量
流量，也就是人群。不同人群在同一个漏斗下的表现情况一定是不一样的，比如淘宝的购物漏斗，男人和女人的转化率不一样，年轻人和老人的转化率也不一样。
通过人群分类，我们可以快速查看特定人群的转化率，更能清晰定位问题。
例如，一家电商网站，从浏览宝贝详情到付款的转化率仅有3.6%。通过创建购买流程的漏斗，分析购买的转化率过低的原因。
五、聚类分析
聚类分析是根据事物的特征进行归类，以便根据特征去做管理、决策。目的是提升效率、降低成本。换句话说就是将很小的单位聚成几类，所关注的对象量级减少。
前提：特征是用于业务。
人群的特征千千万，单业务也有自己的形态，例如线下的业务不适合用消费者线上行为作为聚类特征。
六、相关分析
相关性是指两个或多个变量之间，它们的波动变化具有一定的一致性。通过这种波动一致性的分析，可以研究变量之间的关联，相关性是最简单的二元组。
有相关性并不代表有因果关系，相关性需要柱以及核问题：相关性大小、在什么范围相关、可以揭示的相关性。
「
part 3
参考链接
」
[1][及策云课堂]的《数据分析卡片（三）：漏斗分析》，http://www.woshipm.com/data-analysis/758063.html
[2] 简书[陈正曦]的《同期群分析》，https://www.jianshu.com/p/145a13355fa1
