令狐冲在华山学艺时，虽然勤学苦练，但是终不得法，在机缘巧合之下，得到风清扬老前辈的真传，练成独孤九剑之后，才名震江湖。虽然笑傲江湖的故事情节是虚构的，但从令狐冲蜕变的过程可以看出，练武需要秘籍。数据分析也有一本传世秘籍，只有六字，这就是《数据化管理》中提到的六字箴言、数据分析的三板斧：对比、细分、溯源，具体来说：
- （1）对比就是成对的比较，分为横向对比和纵向对比，横比是指和“他人”比较，比如，两家公司的离职率；纵比是指按照时间维度，和“自己”比较，比如，一家公司去年和今天的离职率。
- （2）细分是指分维度、降低粒度来分析数据，分维度是指增加维度，比如，离职率按照部门维度来分析；降低粒度是指降低数据聚合的程度，比如，离职率不按年份，而按照月份来统计。
- （3）溯源是指在对比、细分锁定到具体维度和粒度之后，依然没有结论，那就需要查看原始数据，洞察数据，从数据中寻找灵感。
无对比，不分析
数据放在那里，是没有意义的，只有比较起来，才体现出数据分析的价值。无对比，不分析，对比在数据分析中地位，不言而喻。对比其实很简单，就是把A和B比较，但是，没有可对比性的对比一定是耍流氓。数据没有可对比性，就没有数据分析。指标的可对比性，可以从四个“一致”原则来评估：
- 对象一致：比较的对象一致
- 时间属性一致：指标的时间属性一致
- 定义和算法一致：对分析对象的定义和计算方法一致
- 数据源一致：统计的数据样本一致
有时，指标的值不重要，是否具有可比性才是关键，这四个一致性原则分别是指：
1. 对象一致是可比的最基本原则，番茄的销量和猪的销量是不可比的，这其实就是因为比较的对象不一致。
2. 时间属性比较特殊，对象所在的季节、月份等时间属性要有可比性，例如，一家便利店冬季雪糕的销量，和夏季没有可比性，因为对象的时间属性不同，但做销量的同比是可以的。
3. 对象的定义和算法要一致，举个例子，青年的定义：
-
中国国家统计局：15-34周岁
-
中国共青团：14-28周岁
当统计青年人数占总人数的比例时，中国国家统计局和中国共青团的做出的指标，肯定是不同的。
4. 所作的分析中，数据源不同，数据的可比性就会大打折扣。
在做对比分析时，要记住三个“要”：对比要可比、差异要显著、描述要全面。
- 对比要可比：对比分析要有可比性
- 差异要显著：组间差异要显著，组内差异要细微，常用的显著性检验有T检验和方差分析；
- 描述要全面：当刻画一组数据时，不仅要描述这组数据的一般水平（均值），还要考虑到这组数据的波动水平。如果波动很大，一般水平对数据总体的代表性就会很差。只考虑一般水平而不考虑波动和差异，会使数据的可信度大大缩水。
细分，增加分析的深度
细分体现在增加维度和降低粒度上。一个维度是数据表的一列，通常情况下，维度是指定性数据，例如，产品提供的服务的类型、用户分布的地域等。在分析数据时，增加分析的维度，改变看待问题的视角，能够在更细分的级别上分析数据，洞察到更多的知识，增加数据分析的深度。例如，新用户的留存率，通过增加获客来源的维度，可以监控各个来源的新用户的留存率，把有限的经费使用到真正可以带来有效转化的地方。
粒度是数据的聚合程度，最细节的数据是不会聚合的原始数据。举个例子，每日数据是原始数据，其粒度是日，数据的数量巨大，而每周的统计数据是对日数据的聚合，其粒度是周，数据的数量变成原来的1/7。
通过增加维度和降低粒度来细分数据，深挖数据，揭示数据中潜藏的规律。
溯源，从原始数据中获得洞察
溯源，就是到细节数据中去，查看原始数据，反思用户的行为。在做数据分析时，一定要明白你分析得数据是二手的，还是一手的。一手数据是最原始的数据，包含的内容最丰富，但数据可能不规范。二手数据是经过处理的，甚至是分析之后的数据，这些数据可能是片面的、阉割的、面向特定主题的。由此得出的分析结果可能有失偏驳。
数据分析方法
基本的数据分析方法，主要有以下4个，每一个方法都包含非常丰富的内容，下面简单介绍它们的显著特征。
1. 对比分析
对比分析中，通常以时间和空间两个维度选择参照物，自我比较，从“历史”到“现在”，形成时间序列，叫做纵向对比；时间属性相同，与别的事物比较，空间不同，叫做横向对比。
2. 分类分析
研究对象通常是由不同的分组，每个分组的属性可能是不同的，一个分组也叫一个类别。如果能把所有的个体按照其特点和属性分类，使类内的差异小、具有共性；使类间的差异大、具有个性，那么分析的工作就是面向这几个类别，而不是大量的个体。分类分析的价值就是用类别代替个体，找到个性所在。
3. 分布分析
当对比的对象不是一个数值，而是一组数据值时，需要考察数据的集中和离散趋势。
4. 相关分析
相关分析研究的是事物之间的联系，相关分析的价值，在于把关联量化。发现相关性可以帮助你预测未来，而发现因果关系意味着你可以改变世界。
参考文档：