数据分析的工作逻辑，可基于三类基础分析范式搭建，分别是分类分析、链式分析、相关性分析。依托这三种核心思路，行业内衍生出六种最常用、最落地的数据分析方法，包括：趋势分析、对比分析、构成分析、分布分析、关系分析、流向分析。

这六种方法覆盖了数据分析的全部基础场景：看变化、比差异、拆结构、找特征、挖关联、看流向。

一、趋势分析法：看数据随时间变化过程

1. 核心含义

趋势分析是围绕同一个指标，对比不同时间的数据，用来观察数据是涨、是跌、还是保持平稳，看清数据的波动规律，同时可以根据过往走势，预判后续的数据变化趋势。简单来说，就是“看数据随时间的变化过程”。

2. 主要作用

• 快速摸清数据走势：在刚开始分析数据时，能快速判断数据状态，比如持续上涨、保持平稳、逐步下降、无规律波动、周期性起伏等，快速建立对指标的整体认知。

• 及时发现数据异常：长期监控核心业务指标，一旦数据出现突然暴涨、暴跌等异常波动，能够第一时间察觉，方便快速排查问题、处理风险。

• 辅助预测未来数据：结合基础预测模型，利用长期积累的历史数据走势，对未来的业务数据做出合理预判，为工作规划和决策提供参考。

3. 适配图表及使用场景

趋势分析主要依靠图表展示时间维度的变化，三种常用图表各有用途：

• 折线图：最适合看连续的时间变化，能清晰展现数据细微波动和长期走势，是趋势分析的首选图表。

• 柱形图：更适合分阶段对比，直观展示不同时间段的数据差值，清晰看出每一期数据的涨跌幅度。

• 双轴图：专门用来展示两个数值差距大、单位不同的指标，可在同一张图中同步查看两个指标的时间变化，方便联动分析。

二、对比分析法：比出数据之间的差距

1. 核心含义

对比分析就是把不同对象、不同组别的数据放在一起横向比较指标，直观看出谁高谁低、谁好谁差、差距大小，同时完成数据排序，解决各类数据对比、优劣评判的问题。

2. 适配图表及使用场景

• 柱形图：通用基础对比图表，适合多个部门、门店、时间段等主体，在单一指标上做数据高低对比，适用场景广泛。

• 条形图：采用横向展示样式，适合数据组别多、数值跨度大的场景，最大优势是直观完成数据排序，快速找出最优和最差的主体。

• 雷达图：专门用于多维度对比，可同时对比多个对象在多项指标上的综合表现，常用于能力测评、产品对比、综合评分等场景。

• 

三、构成分析法：拆整体、看各部分占比

1. 核心含义

构成分析的核心是把一个整体数据拆分成多个细分模块，计算每个模块在整体中的占比和贡献大小，清晰了解整体结构，精准找到核心主力板块和薄弱短板板块。

2. 适配图表及使用场景

• 饼图：经典占比图表，简洁直观，适合展示某一个固定时间点的数据结构，可切换具体数值和百分比两种展示形式，用于静态结构复盘。

• 堆积柱形图：既能显示各细分模块的具体数值，又能体现各部分在整体中的占比，同时展示整体总量，适合多组整体数据的结构差异对比。

• 堆积面积图：主打时间维度的结构分析，以时间为横轴，动态展示各模块数值、占比随时间的变化，清晰呈现整体结构的动态演变过程。

四、分布分析法：看清数据的整体分布特点

1. 核心含义

分布分析不关注单个数据的大小，而是研究一整组数据的整体分布情况，包括数据集中在哪个区间、数值分散程度、是否存在异常值等，主要用于判断数据质量、筛查异常、设置业务判定阈值。

2. 核心知识点：数据偏态特征

日常业务中的连续数据，主要分为三种分布形态，不同形态的核心参考标准也不同：

• 对称分布：数据均匀分布在中心值两侧，均值、中位数、众数基本一致，此时用均值代表数据整体水平最为准确。

  

• 左偏、右偏分布：数据分布不均匀，存在极端偏大或偏小的数值，这类极值会严重干扰均值，导致均值无法真实反映数据的实际水平。

• 

• 实操准则：理论上偏态数据优先看众数，但实际工作中脏数据较多，众数容易失真。因此所有偏态分布的数据，统一用中位数代表整体水平。

3. 适配图表及核心解读方法

• 直方图：专门用来展示连续数据的分布形态，可直观判断数据是对称、左偏还是右偏，快速锁定数据最集中的区间。

• 箱线图（盒须图）：兼具数据分布展示和异常值筛查功能，核心指标解读简单易懂：

① IQR四分位距：上下四分位数之间的区间，包含全部数据中50%的核心数据，代表数据的常规波动范围；

② 中位数：箱体中间的横线，是判断数据中心位置的核心依据；

③ 1.5倍IQR阈值：超出该范围的数据，全部判定为异常数据。

五、关系分析法：挖掘两个数据之间的关联

1. 核心含义

关系分析是深度数据分析的核心方法，主要用来研究两个变量之间是否存在关联、关联强弱以及是正向还是反向关联，挖掘数据背后隐藏的业务规律，为业务优化提供依据。

• 2. 适配图表及关联判断标准

• 百分比堆叠柱形图：观察不同组别数据的占比分割线，分割线差异越大，两个变量的关联性越强；分割线基本重合，则无明显关联。

• 分类箱线图：对比不同分类下箱体的中位数，中位数差距越明显，变量联动关系越强；中位数基本持平，说明两者关联度极低。

• 散点图：散点整体向上排布为正相关、整体向下排布为负相关，代表变量存在关联；若散点杂乱无章、均匀散落，则两个变量无关联关系。

六、流向分析法：直观展示数据流转路径

1. 核心含义

流向分析和变量关联无关，核心作用是清晰展示数据、流量、资源、用户的流转轨迹，完整呈现数据从哪里来、流向哪里、各条路径的流量规模大小。

2. 适配图表及核心优势

流向分析的专属核心图表：桑基图（桑基图）

桑基图的最大特点是用流线宽度代表流量大小，流线越宽，对应路径的流转体量越大，能够清晰呈现多节点、多路径的复杂流转结构，是链路流向分析的最优可视化工具。

标准桑基图默认不带箭头，依靠流线宽窄表达流量大小，依靠左右节点位置表达流向：左边是来源，右边是去向，靠布局位置就可以看出流动方向。

附录：六大分析方法核心信息汇总表

分析方法	核心用途	适配核心图表
趋势分析法	追踪数据时序变化、研判涨跌走势、监控数据异常、预判未来指标趋势	折线图、柱形图、双轴图
对比分析法	对比多主体数据差异、完成数据排序、开展多维度综合优劣评判	柱形图、条形图、雷达图
构成分析法	拆解整体数据结构、核算各板块占比贡献、分析结构动态变化	饼图、堆积柱形图、堆积面积图
分布分析法	分析数据分布形态、筛查异常数值、评估数据质量、设定业务阈值	直方图、箱线图
关系分析法	挖掘双变量关联关系、判断联动强弱、探索隐性数据规律	百分比堆叠柱形图、分类箱线图、散点图
流向分析法	展示数据与资源流转链路、直观呈现各路径流量规模	桑基图