一、描述统计方法

集中趋势分析

平均数、中位数、众数

适用场景：描述数据中心位置

离散程度分析

标准差、方差、极差

适用场景：衡量数据波动范围

分布形态分析

峰度、偏度、偏态分布

适用场景：判断数据分布特征

二、差异关系研究方法

相关分析

单相关（两个变量）、复相关（多个变量）

适用场景：探究变量间线性关系

回归分析

线性回归、逻辑回归

适用场景：预测变量值或分类

方差分析（ANOVA）

定类数据与定量数据差异分析

适用场景：比较多组均值差异

t检验

两组定量数据差异检验

适用场景：小样本均值比较

卡方检验

定类数据关联性分析

适用场景：独立性检验（如性别与购买行为）

三、信息浓缩与降维方法

主成分分析（PCA）

通过正交变换减少变量维度

适用场景：数据冗余消除与特征提取

因子分析

提取变量共性因子

适用场景：简化多变量模型

四、探索性数据分析方法

聚类分析

自动将数据分组为相似类别

适用场景：市场细分、异常值检测

因子分析（社会科学研究）

基于相关矩阵提取潜在因子

适用场景：社会学变量结构分析

五、其他常用方法

逻辑树分析法

拆解复杂问题为子问题

适用场景：问题根源分析（如用户行为路径）

PEST分析法

宏观环境因素分析（政治、经济、社会、技术）

适用场景：行业战略规划

多维度拆解法

按维度（如用户特征、业务流程）分析数据

适用场景：用户行为深度挖掘

六、数据可视化方法

图表类型：

柱状图、折线图、散点图、雷达图等

工具：Excel、SPSS、Tableau

适用场景：直观展示数据趋势、分布及关系

以上方法可根据具体问题选择组合使用，例如先用描述统计了解数据基础，再通过相关性分析和回归模型挖掘关系，最后用聚类分析进行细分。