为什么要做数据分析？
数据分析就是通过收集数据，提取出有用的数据，利用合理的方法进行分析，总结出相应的结论，好的产品经理要对数据敏感。业务数据、用户的行为数据能够对需求分析的正确与否、方案设计的合理与否做验证，技术人员可以直接看到代码实现的结果，运营人员也能够看到活动和方案执行的效果。产品投入市场后，如果不关心数据，那么就会石沉大海。数据分析的目的就是发现问题了解用户，制定方案，确定目标，从而进行产品优化，最后验证效果。可以这么说，数据分析推动产品迭代。
数据分析主要有以下几种方法：
1、对比分析法 ：对比分析，就是给孤立的数据一个合理的参考系，否则孤立的数据毫无意义。 一般而言，对比的数据是数据的基本面，比如行业的情况，全站的情况等。常用于对纵向的、横向的、最为突出的、计划与实际的等各种相关数据的。例如：今年与去年同期工资收入的增长情况、3月CPI环比增长情况等。
2、 趋势分析法：趋势分析适用于产品核心指标的长期跟踪，比如，活跃度、点击率、PV、UV等。做出简单的数据趋势图，并不算是趋势分析，趋势分析更多的是需要明确数据的变化，以及对变化原因进行分析。
3、 细分分析法：在得到一些初步结论的时候，需要进一步地细拆，因为在一些综合指标的使用过程中， 会抹杀一些关键的数据细节，而指标本身的变化，也需要分析变化产生的原因。这里的细 分一定要进行多维度的细拆。最长用的维度是5W2H分析方法：
4、 回归分析法：常用于分析一个或多个自变量的变化对一个特定因变量的影响程度，从而确定其关系。例如：气温、用电设备、用电时长等因素对用电量数值大小的影响程度、工资收入的高低对生活消费支出大小的影响程度等。
5、 描述性分析法：常用于对一组数据样本的各种特征进行分析，以便于描述样本的各种及其所代表的总体的特征。例如：本月日平均用电量、上海市工资收入中位数等。
6、漏斗分析法：漏斗分析适用于交易型的业务，最常用的就是电商业务，采用漏斗分析出有多少流量量，多少新用户，多少用户购买了产品等。
以上是常见的数据分析方法，更多应用方法需要根据业务场景灵活应用。
