要将各种结构化的、非结构化的、海量的数据标准化和信息化，提供业务绩效评估、业务决策支持等需求，首先需要进行数据分析。在这里笔者整理了一组6大类分析方法，分别用于不同的数据分析对象，每一类都包含各种小方法。常用的六种分析方法主要包括：分解主题分析、钻取分析、常规比较分析、大型管理模型分析、财务和因子分析、专题大数据分析。详情见下图：一、分解主题分析所谓分解主题分析是指对不同的分析需求进行分析，我们可以初步划分为营销主题、财务主题、灵活主题等，然后将这些大主题逐步分解成不同的小方面进行分析。1.1营销主题销售业务分析可分解为客户分析、品类分析、区域分析、消费频次、价值链分析、促销、渠道、经销商、门店分析、同比环比、社交网络数据分析、行业市场分析、行业景气指数分析、市场占有率分析等。例如营销主题的单店分析可以分解为以下不同方面进行分析，如下图所示：1.2财务主题财务业务分析可分解为成本费用分析、利润分析、历史对比、财务法定报表及分析、资本支出分析、财务预算分析、营销投入产出效率分析、会计核算分析、企业合并分析、偿债能力分析、盈利能力分析、经营现金流量分析等，例如财务主题预算分析可以分解为以下不同方面进行分析，如下图所示：1.3灵活主题分析包括价格分析、灵活区域分析、贡献度分析、供应商管理分析、采购价格分析、采购返利分析、采购对标分析、仓储数量流分析、库存分析、货损/质量分析、采购预测分析、产能分析、产量分析、EHS分析、价值链分析、供应链分析、运营成本分析、替代品分析和预测、销售渠道分析、员工薪酬和福利分析、销售网点分析、招聘管理分析、培训管理分析、销售预测分析、下游物流分析、员工成本分析、买家分析、员工绩效分析、终端退货分析、售后服务质量分析、劳动竞争力分析等。例如，灵活主题区域分析可以分解为以下不同的区域时间进行分析，见下例：二、钻取分析所谓钻取分析是指改变维度的层次，改变分析的粒度。按方向分为：向上钻取和向下钻取。向上钻取是在某一维上将低层次的明细数据概括为高层次汇的总数据，或者减少维度的数量；它是一种自动生成汇总行的分析方法。向下钻取是一种从汇总数据深入到详细数据以进行观察或增加新维度的分析方法。按钻取的维度属性划分，可分为按组织树钻取、按类别树钻取、按其他维度钻取。通过钻取功能，用户可以更深入地了解数据，更容易发现问题，做出正确决策。2.1按组织树钻取组织树可以按职能结构、层次结构、部门结构和权限结构来建立。要了解职权相关的业务情况，可以钻取分析职权的组织树，要了解部门的销售业绩可以按部门钻取分析。某大型集团的组织树结构如下图所示：2.2按品类树钻取所谓品类树，是指根据产品的特征，分为大、中、小分类结构。品类树是品类差异化的基础，必须结合经营管理的实际情况来实施。例如，要了解物料大、中、小品类相关的业务情况，可以通过品类树进行钻取分析。某大型集团物料品类树示例如下图：2.3按其他维度钻取例如，对于每个地区和各年份的销售情况，可以生成地区和年份的合计行（向上钻取）。例如，用户分析“各地区各城市的销售情况”时，可以将某城市的销售额细分为每年的销售额，再将某年的销售额进一步细分为每个季度的销售额（向下钻取）。三、常规比较分析所谓常规比较分析，是指一般比较常见的对比分析方法，如时间趋势分析、构成分析、同类比较分析、多指标分析、相关性分析、分组分析、象限分析等。
3.1时间趋势分析所谓时间趋势分析，是指将某一现象的某一统计指标在不同时间的数值按时间顺序排列形成的序列。它是一种定量预测方法，也称为简单外延法，作为一种常用的预测方法，在统计学中被广泛应用。例如，记录某个地区第一个月、第二个月、……、第N个月的降雨量，利用时间趋势分析方法可以预测未来每个月的降雨量。请参见下面的示例：3.2构成分析在统计分组的基础上计算结构指标，以反映被研究总体构成情况的方法。应用构成分析方法，可以从不同角度研究投资构成及其变化趋势，观察投资构成与产业结构构成和社会需求的适应关系，以及变化的具体过程。从定量到定性的事情都可以被揭示出来。例如，要了解一家公司每个季度的销售收入，可以使用成分分析，见下例：3.3同类比较分析通过比较分析同类事物来揭示其差异，从而产生新认识的方法。在实际研究中，人们经常会遇到一些表面上相同但实际上并不同的现象。这些现象如果不仔细比较研究，就有可能以假乱真，或以真为假。因此，在分析研究中，新发现的现象不能轻易归类，应该仔细反复进行比较研究，尤其是那些细微的差异更不能忽视。同类比较分析常应用于竞争对手的分析，如食品行业同类型食品的销量比较，鞋服行业同类型鞋子的对比分析等。3.4多指标分析它是统计方法的一种，包括多种方法，最基本的是单指标，然后扩展多指标分析。统计数据中同时存在多个指标的统计分析是统计学的一个重要分支，是单指标统计的发展。例如，一个公司的经营综合情况可以使用多指标分析，见下例：3.5相关性分析指对两个或多个具备相关性的变量元素进行分析，以衡量两个变量因素之间的相关密切程度。在进行相关性分析之前，相关性的元素之间需要存在一定的联系或概率才行。例如，某年中国各城市人均GDP与商品房平均成交价格的相关性分析，见下例：3.6分组分析是指根据研究要求对客体（问卷、特征、现实）进行分类和编组，使同一组内对象之间的差异小于各个对象之间的差异，然后进行分析研究的方法。它的特点是不依赖于原始数据分布的正常性假设，可以按照任意规律进行分布，这在分析包括数量资料和质量资料的混合数据时尤为重要。例如，某公司上半年的月销售额和收入分析，见下例：3.7象限分析
所谓象限分析，是时间管理理论的一个重要概念，就是把主要精力和时间集中在处理那些重要但不紧急的任务上，这样就可以未雨绸缪，防患于未然。在人们的日常工作中，往往有机会好好计划和完成某件事。但经常由于没有及时完成，随着时间的推移，工作质量下降。因此，要把主要精力集中在这个重要但不紧急的“象限”中的事情上。要将精力集中在重要但不紧急的事情上，需要安排好时间。一个很好的方法是安排预约。通过预约，自己的时间才不会被其他人占用，因此可以有效地工作。在数据处理工作中，将事情按照紧急、不紧急、重要、不重要的排列组合分为四个象限，从而有效地开展工作。详情见下图：
四、大型管理模式分析所谓大型管理模型分析，是指根据各种成熟和实践证明的大型管理模型分析问题的方法。这些管理模式有的由高校研究机构建立，有的由大型企业或管理咨询机构建立。他们在长期的企业管理理论研究和实践中，将企业经营管理中一些经典的相关关系以固定模型的方式描述出来，揭示企业系统内部的许多本质关系，可供企业分析自身的经营管理状况。针对企业管理中的不同问题，往往可以采用最有效的模型分析，达到事半功倍的效果。比较常见的大型管理模型分析包括RCV模型、阿米巴经营、品类管理分析等。4.1RCV模型从资源（R）、能力（C）、价值（V）三个方面建立的价值链分析体系。例如，要了解一家大型制造企业的一系列情况，如从供应商采购到物流中心再到干线运输和门店，我们可以分析人员数量、设备成本、备选供应商总数、活跃供应商数量、采购量、新品引进量等了解供应商采购情况；从交易面积、建筑成本、收货能力、收货量、周转量等了解物流中心情况；从车辆数量、总吨位、用油量、运输能力、运输量等了解干线运输情况；从店铺数量、经营面积、租金成本、客流量、成交量、销售收入等了解门店情况。4.2阿米巴经营将整个公司划分为许多称为阿米巴的小型组织，每个小型组织作为一个利润中心独立运作，按照小企业、小商店的方式进行独立经营。这种将整体分割并逐步细化的思想也适用于数据分析。同时，对于产品生命周期的分析，我们可以参考产品线阿米巴，如下图所示。4.3品类管理公司根据产品品类进行品牌管理，包括高效的产品组合、货架管理、定价和促销、补货和新品引进等。例如，通过品类管理，我们可以分析哪些品类最受消费者欢迎，购买某个品类的消费者是哪些人，消费者如何购买，消费者喜欢在哪里购买等等。在品类管理的过程中，我们需要对这些方面进行分析和理解，如下图所示：五、财务和因子分析
所谓财务与因子分析，主要是指因子分析法在财务信息分析中的广泛应用。因子分析的概念起源于20世纪初对智力测验的统计分析。在信息损失最少的前提下，将很多原有变量整合成几个较少的综合指标，可以大大减少数据建模的变量个数，同时不会造成大量信息的丢失，实现有效的降维。比较常用的财务和因子分析方法有杜邦分析、EVA分析、财务指标、财务比率、坪效公式、品类公式、流量公式等。5.1杜邦分析法利用几种主要的财务比率之间的关系，综合分析企业的财务状况。具体来说，它是一种从财务角度评价企业绩效的经典的方法，用于评价公司的盈利能力和股东权益回报率。基本思想是将企业净资产收益率分解为若干财务比率的乘积，有助于深入分析和比较经营业绩。请参见下面的示例：
5.2财务指标分析是指对公司财务状况和经营成果的分析指标进行总结和评价，包括偿债能力指标、经营能力指标、盈利能力指标和发展能力指标。公司财务报表的分析和评价通常由报表分析者完成。如下图，常见财务指标分析项目内容：
5.3财务比率分析根据同一时期财务报表中两个或多个项目之间的关系，计算其比率，来评价企业的财务状况和经营成果。财务比率可以评价一项投资在各年之间收益的变化，也可以在某一时间比较某个行业的不同公司。财务比率分析可以消除规模的影响，可以用来比较不同公司的收益和风险，从而帮助投资者和债权人做出明智的决策。5.4EVA分析方法EVA是EconomicValueadded（经济增值模型）的缩写，是SternStewart咨询公司开发的一种新型的价值分析工具和业绩评价指标，是基于剩余收益思想发展起来的新型价值模型。EVA分析法的具体公式：附加经济价值（EVA）=息前税后利润-资金总成本。此外，常见的还有坪效公式：总毛利（元/月）=平均坪效（元/坪/月）*面积（坪）*毛利率（%）；品类公式：总毛利（元/月）=∑单价（元/件）*单价体积（件/坪）*占坪（坪）*周转率（次/月）*毛利率（%）；流量公式：总毛利（元/月）=坪流量（次/坪/月）*面积（坪）*转化率（%）*客单价（元/次）*毛利率（%）。
从业务系统上来说，没有一个大规模企业可以用一套或一个厂商的系统解决所有问题，因为业务系统是实现已知的商业逻辑，解决“存量”问题，但是数据工作可以帮助我们发现未知的商业逻辑，解决“增量”问题，这才是企业数据信息化的关键。它的前提是要实现统一数据定义、统一数据模型、统一数据中心、数据生命周期管理、信息技术保证、保证数据可用等等。这些都需要我们通过合理有效的数据分析来实现。因此本文根据数据分析对象总结了六类分析方法，每类方法里包含各种小方法，在实际数据分析过程中我们可以灵活运用这些方法来对数据进行高效率的处理。