数据分析也有等级的，看看这些分析法你会不会！

数据分析师一个系统的知识体系，并非一次学习就能永远获益，而是需要不断提升的。高级别的数据分析方法可以帮助你和你的统计团队发现有意义的见解，而这些见解可能在你的数据中未被发现。以下就是几个比较常见的数据分析方法，希望对你有所帮助。

01

预测建模

Predictive modeling

预测建模着眼于一组变量如何预测另一变量。做到这一点的两种方法是通过驱动程序分析和定位。

02

驱动因素分析

Analysis of driving factors

该方法在确定不同驱动因素在市场中扮演的相关角色。假设你的一项调查问题衡量的是客户的整体满意度，而另一项调查则衡量的是对公司不同方面（例如质量，价格和客户服务）的满意度。

你可以使用驱动因素分析来量化整体满意度各个方面的相对影响。

03

指定目标

Specify the target

定位在确定你公司感兴趣的特定特征。例如，许多公司希望了解其最大客户的人口统计资料。

可以使用几种不同的技术来进行目标定位，尽管其中大多数都是复杂且易于误解的。预测是没有统计专业知识的人推荐的唯一方法。

04

分割

Ｄivision

该方法的目标是找到做出类似调查回答的人群，其总体目标是制定专门针对特定人群的策略。假设你有一个关于爱好的问题。你可以使用细分来确定哪个组列出了蝇钓，然后创建一种策略来诱使蝇钓者尝试你的产品或服务。

分割的三种类型是判断，聚类分析和潜在类别分析。

05

判断

Judge

判断涉及使用与调查中的关键变量相关的单个变量或一小组变量。如果交叉表软件显示年龄与许多其他调查问题相关联，则可以使用年龄进行细分。

06

聚类分析

Cluster analysis

这种传统的细分方法假定：

1、没有数据丢失，受访者填写了所有变量

2、所有变量均为数字

3、所有变量的最大值到最小值或范围都相同

该方法通常不完善，因为经常无法满足一个或多个假设。

07

潜在类别分析

Potential category analysis

此方法是聚类分析的更新版本。它使用先进的潜在类分析程序，可以自动克服所有聚类分析假设。

08

知觉映射

Perceptual mapping

这些图表说明了调查中各个类别之间的关系。该地图可以分为四个部分，每个部分代表不同的心态。

例如，这些部分可能表示诸如以下特征：

1、对新事物的开放

2、叛逆之气

3、对传统的喜爱

4、冷静，纯真

感知映射将在四个部分中绘制出调查响应，从而使你可以大致了解客户如何看待特定产品或服务。

尽管可以使用其他各种数据分析方法，但是这些方法是最有效和广泛使用的方法，可以使你更深入地研究结果并从结果中获得更多的意义。

1

END

1