以下整理的是常见的数据分析方法，不同的分析方法适用于不同的场景，有助于快速上手数据分析，解决实际工作问题。要注意数据分析方法并非只有做数据分析工作中会用到，生活中也颇有用处，换个角度思考问题或许就能发现新的世界。
1.逻辑树分析法
如果你分析的目的是想把复杂的事情变简单，可以使用逻辑树分析法。有名的费米问题就是使用逻辑树分析法。
在求职面试中，也经常会考察这种问题：
全国有多少个产品经理？
深圳地铁高峰期客流量多大？
公司楼下摆小摊月入多少？
这些估算类的问题都可以拆解成逻辑树，把一个复杂的问题细分到可以具体量化的问题上。
再贴一个刚发现有味道的回答：
2.多维度拆解分析法：
比如评价一个公司好坏需要从多个维度：
其实我认为这个和逻辑树的思路是比较类似的。把一个模糊的问题，拆解成多个子问题。
3.PEST分析法
严格的来说这个有点假大空只能说沾边数据分析，但是如果你是做行业分析，就可以使用PEST分析，这一般是在市场调研的时候用。
Political Factors：政治环境
Economic Factors：经济环境
Social and cultural Factors：社会环境
Technological Factors：技术环境
具体可以参考人人都是产品经理上的一篇少儿编程行业PEST分析：
https://www.sohu.com/a/382315498_114819
4.对比分析法：
想要对比好坏，就可以使用对比分析法。
比如女朋友问：我白吗？就是在做对比。
以前不知道在哪个课程里面听到过这句话：好的数据指标一定是比例，好的数据分析一定有对比。确实现在在数据分析工作中根本离不开对比。
5.假设检验分析法：
如果你想找问题发生的原因，就用到假设检验分析方法。比如侦探片就会经常用这个办法，先假设在论证。
类比到数据分析就是先假设是某原因导致结果不好，在针对的去用数据论证。在工作中常用假设论证法，可以快速提升你的业务思考能力。
6.相关分析法：
如果你想知道A和B有什么关系就要用到相关分析法。如云量多少和会发生下雨事件的概率会呈强正相关。
同样的会有负相关，不相关，非线性相关。实际工作中我们会制作散点图来分析两个不同事物的相关性：
如抖音，B站推荐我喜欢的视频。豆瓣推荐喜欢的电影会用到相关分析。
但是使用相关分析必须结合实际业务。
举个例子：我家门前的树每年都在长，国家的GPD每年也都在涨。虽然看起来是正相关，但实际毫无关系。
7.群组分析法：
如果你想对用户留存和流失分析，就要用到群组分析法。
如产品发布发布版本的更新是导致用户增长还是流失。可以按照用户使用产品的时间特征进行用户数据分组，如可以分为使用产品x天组用户。
按下文的RFM分类也是一个很好的分类办法。
8.RFM分类法：
如果你想对用户按价值分类，就要用到RFM分析方法，从而做到精细化运营。
其实是类似矩阵法，但是是把二维矩阵转化成了三维。
根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有3个神奇的要素，这3个要素构成了数据分析最好的指标：
最近一次消费 (Recency)
消费频率 (Frequency)
消费金额 (Monetary)
9.最终路径法
也可以叫漏斗法，AARRR也属于漏斗法的一种。如果你想分析用户的行为或者产品运营，就要用到最终路径法。通过对于起始和目标之间步骤的管理以及数据的反馈精细化运营。
如网上商城从点击到付费中间路径的用户行为分析。在线教育点击到付费中间的转化等等。
常见的数据分析方法就介绍到这里了，但是归根到底还是必须结合实际业务场景，否则一切都是空谈。
