細分分析是數據分析的基礎，單壹維度的指標數據信息價值很低。
細分分析大致可以分為兩類，壹類是漸進分析，如:來京遊客可以分為朝陽區和海澱區；另壹種是維度穿越，比如付費SEM的新訪客。
02比較分析
比較分析主要是將兩個相關的數據指標相互比較，定量地說明和顯示研究對象的規模、水平和速度的相對值，然後通過同壹維度的指標數據的比較，找出業務不同階段存在的問題。
漏鬥分析
轉換漏鬥分析是數據分析師進行業務分析的基本模型。我們最常見的就是把最終的轉化設定為某種目的的實現，最典型的就是完成交易。但也可以是任何其他目的的實現，比如壹次使用app超過10分鐘。
同步分組分析
隊列分析在數據分析和運營領域，尤其是互聯網運營中非常重要，尤其需要仔細觀察留存的情況。通過對比同性質可比群體的留存，分析哪些因素影響用戶留存。
05聚類分析
聚類分析簡單直觀。web analytics中的聚類可以分為:用戶、頁面或內容以及來源。
用戶聚類主要體現在用戶分組和用戶標簽法；頁面聚類主要是相似和相關頁面的分組方法；來源聚類主要包括渠道、關鍵詞等。
06 AB測試
成長黑客的壹個主要思想就是永遠不要做壹個大而全的東西。相反，要不斷做小而精的東西，才能快速驗證。快速驗證，怎麽驗證？主要方法是AB測試。
埋藏點分析
只有收集到足夠的基礎數據，才能通過各種分析方法得到所需的分析結果。
通過對用戶行為的分析，細分為:瀏覽行為、輕度交互、重度交互、交易行為、點擊按鈕瀏覽行為和輕度交互行為等。自助嵌入技術由於使用頻繁，數據簡單，可以提高數據分析的有效性，所需數據可以即時提取，大大減少了技術人員的工作量，需要收集更多的信息。
08來源分析
當流量紅利消失後，我們非常重視客源。如何有效的標簽化用戶來源非常重要。
在傳統分析工具中，渠道分析只有單壹維度，需要對不同渠道在不同階段的效果進行深度分析，並對SEM付費搜索等來源渠道和用戶所在區域進行交叉分析，得到不同區域客戶的詳細信息。維度越細，分析結果越有價值。
09用戶分析
眾所周知，用戶分析是互聯網運營的核心環節，常用的分析方法有:活躍分析、留存分析、用戶分組、用戶畫像、用戶推敲等。用戶活動可以細分為瀏覽活動、互動活動、交易活動等。通過主動行為的細分，可以掌握關鍵行為指標。
10表單分析
在表單分析中，填表是每個平臺與用戶交互的必要環節。壹個完美的表單設計對提高客戶轉化率起著至關重要的作用。
當用戶進入表單頁面時，已經生成了壹個微型漏鬥。從進入到最終完成的總人數和成功提交表單的人數來看，有多少人開始填表，填表時遇到了哪些困難，都會影響到最終的轉化效果。
對於數據分析師常用的數據分析思路的內容，青騰邊肖就在這裏和大家分享壹下。如果妳對互聯網大數據有濃厚的興趣，希望這篇文章能幫到妳。如果妳想了解更多關於大數據，數據分析師的技能和資料，可以點擊本站其他文章進行學習。