数据分析方法：
十大数据分析方法：1.多维度拆解分析方法
2.对比分析方法:和谁比?有哪些比较维度?
3.假设检验分析方法:业务流程法和4p营销理论
4.相关分析方法:深入分析问题，区分问题优先级
5.群组分析方法:同期群分析、群组分析表格
6. RFM分析方法:用户分类，精细化运营
7. AARRR模型:快速实现用户增长:啊哈时刻和峰终定律
8.漏斗分析方法:定位业务问题和预估数据、AIPL 模型
9.回归分析方法:提出可以落地的建议、预测和分配资源
10.逻辑树分析方法:如何简化分析复杂问题，费米问题、领导力思维方式
指标体系搭建：
1.理解数据:如何对数据高效分类?、2.用户数据指标:关注新增、活跃和留存、3.行为数据指标: PU. UV. K因子等、4.产品数据指标: GMV, ARPPU, ROI等、5.推广付费指标: CPM、CPC, CPA的区别、6.指标选择:如何找到业务的北极星指标?、7.定义指标体系:从不同维度梳理业务、8.指标体系的作用:发现业务问题并改进业务、9.建立指标体系:如何找到各级指标并不断更新?
数据分析报告：
1.数据分析报告的概念、常见类型、载体、2.数据分析报告的目的、3.整理数据需求: 5W2H方法、4.数据分析报告的写作结构:金字塔原理、MECE方法、5.数据分析报告的表达结构: SCOA方法
所有的数据分析工具和分析方法思维都需要结合实际的业务才能体现出它的价值。很多人会认为数据分析师不能为公司创造直接的价值，只能提供一堆数据而已。作为数据分析师而言，也需要避免闭门造车的情况出现，主动的深入了解业务，与业务部门多交流沟通，了解业务的实际进展情况，做出有效的数据分析报表，间接或直接的为公司创造价值。培养数据敏感性，通过数据看到背后的原理、产生的原因，能够发现公司业务上的问题。闭环思维思考问题，现状分析、归因分析、竞品分析、策略建议等，不仅要发现问题，也要解决问题。
不同的行业企业，对于数据分析岗位的要求不一样，还有的只是需要单纯的海量数据分析；有的需要进行问题分析挖掘，并给出解决方案；有的需要对市场变化趋势预测，给出业务发展的方向等等。
面对用人单位的不同需求，作为数据分析师而言，我们要紧跟行业技术发展和业务发展，掌握好技能并学习提升自己，同时也给自己做好职业规划。从初入职场的数据分析专员，到工作两三年的数据分析师，三到五年成为能独挡一面的资深数据分析师，甚至是数据分析专家。
