在日常工作中数据分析主要是为了支持业务，而业务很大程度上是围绕用户进行的，因而可以从用户场景出发来具体选择数据工具。用户场景主要分成三大类：

第一类是洞察，要去观察和找到我们用户当中的一些特点规律。

第二类是捕获，目的其实是为了抓住我们的用户，抓住我们的用户内容。

第三大类是关于沉淀，这种的场景是指的我们如何把用户真正的沉淀下来，为未来更多的业务做有效的发展。

打开凤凰新闻，查看更多高清图片

不同的数据分析师可以解释相同的数据。结论可能不同甚至相反，但结论不对或错，所以从客观数据到主观人都需要有一些科学的分析方法作为桥梁，帮助数据信息更好，更全面，更快。

数据分析是从数据中提取有价值信息的过程，过程中需要对数据进行各种处理和归类，只有掌握了正确的数据分类方法和数据处理模式，才能起到事半功倍的效果，以下是数据分析员必备的4种数据分析方法：

数据分析实用方法论

术，是战术，是行之有效的方法论。在数据分析领域，如何挖掘数据价值，让数据直观呈现并为我所用，数据可视化可谓功不可没。

然而你所用的可视化展现方式是不是真正直观而清晰地表达出了数据背后的价值，他们之间是否完全合拍？是你需要考虑的。这里为大家提供一些思路。

比较类

不论是基于时间的纵向比较还是基于分类的横向比较，被统称为比较类数据，发散开来可以有如下展现形式：

构成类

构成又被称作占比，这类图表主要用于展示数据的组成结构，可以用于显示同一维度上数据之间的占比关系。比如各子公司的成本占比、公司利润的来源构成等。

分布类

分布类图表可以较好的表现数据的分布，通常用于展示连续数据上数值的分布情况。例如，在企业进行质量管控过程中为了控制误差，会选择正态分布图。

联系类

联系类图表表现形式与上述分布类有些类似，可以呈现展示多个变量之间的关系。比如，树木随着年龄的增长越来越高，年龄和高度之间是否存在某种联系。