一、对照
俗称对比，单独看一个数据是不会有感觉的，必需跟另一个数据做对比才会有感觉。比如下面的图a和图b。
图a毫无感觉
图b经过跟昨天的成交量对比，就会发现，今天跟昨天实则差了一大截。
这是最基本的思路，也是最重要的思路。在现实中的应用非常广，比如选产品丶监控增量等，这些过程就是在做【对照】，决策BOSS们拿到数据后，如果数据是独立的，无法进行对比的话，就无法判断，等于无法从数据中读取有用的信息。
二、拆分
分析这个词从字面上来理解，就是拆分和解析，拆分不等于分析，分析包含拆分，拆分能帮助我们找出原因（这简直是终极意义）。
回到第一个思维“对比”上面来，当某个维度可以对比的时候，我们选择对比。再对比后发现问题需要找出原因的时候?或者根本就没有得对比。这个时候，拆分了。
例如：
运营组XX童鞋，经过对比成交数据，发现今天的销售额只有昨天的50%，这个时候，我们再怎么对比销售额这个维度，已经没有意义了。这时需要对销售额这个维度做分解，拆分指标。
销售额=成交用户数*客单价，成交用户数又等于访客数*转化率。
如图c和图d：
图c是一个指标公式的拆解
图b是对流量的组成成分做的简单分解(还可以分很细很全)
分拆后的结果，相对于拆分前会清晰许多，便于分析，找细节。可见，拆分是分析人员必备的思维之一。
三、降维
当面对一大堆维度的数据却促手无策时，当数据维度太多的时候，我们不可能每个维度都拿来分析，有一些有关联的指标，是可以从中筛选出代表的维度即可。如下表：
这么多的维度，不必每个都分析。我们知道成交用户数/意向客户数=转化率，当存在这种维度，是可以通过其他两个维度通过计算转化出来的时候，我们就可以降维
成交用户数、访客数和转化率，只要三选二即可。另外，成交用户数*客单价=销售额，这三个也可以三择二。
我们一般只关心对我们有用的数据，当有某些维度的数据跟我们的分析无关时，我们就可以筛选掉，达到降维的目的。
四、增维
增维和降维是对应的，有降必有增。当我们当前的维度不能很好地解释我们的问题时，我们就需要对数据做一个运算，增加多一个指标。请看下图。
们发现一个搜索指数和一个类目数，这两个指标一个代表需求，一个代表竞争，有很多人把搜索指数/类目数=倍数，用倍数来代表一个词的竞争度。这种做法，就是在增维。增加的维度有一种叫法称之为辅助列。
增维和降维是必需对数据的意义有充分的了解后，为了方便我们进行分析，有目的的对数据进行转换运算。
五、假说
当我们拿不准未来的时候，或者说是迷茫的时候。我们可以应用假说，假说是统计学的专业名词吧，俗称假设。当我们不知道结果，或者有几种选择的时候，那么我们就召唤假说，我们先假设有了结果，然后运用逆向思维。
从结果到原因，要有怎么样的因，才能产生这种结果。这有点寻根的味道。（好比你分析和女朋友的最终的目的）那么，我们可以知道，现在满足了多少因，还需要多少因。如果是多选的情况下，我们就可以通过这种方法来找到最佳路径决策（应对方法）
当然，假说的威力不仅仅如此。假说可是一匹天马(行空)，除了结果可以假设，过程也是可以被假设的。
我们回到数据分析的目的，我们就会知道只有明确了问题和需求，我们才能选择分析的方法。
三大数据类型：这个属于偷换概念，其实就是时间序列的细分，不是真正意义上的数据类型，但这个却是在处理销售数据时经常会碰到的事情。数据放在坐标轴上面分过去丶现在和未来
第一大数据类型 过去
过去的数据指历史数据，已经发生过的数据。
作用：用于总结丶对照和提炼知识
如：历史店铺运营数据，退款数据，订单数据
第二大数据类型 现在
【现在】的概念比较模糊，当天，当月，今年这些都可以是现在的数据，看我们的时间单位而定。如果我们是以天作为单位，那么，今天的数据，就是现在的数据。现在的数据和过去的数据做比较，才可以知道现在自己是在哪个位置，单有现在的数据，是没什么用处的。
作用：用于了解现况，发现问题
如：当天的店铺数据
第三大数据类型 未来
未来 的数据指未发生的数据，通过预测得到。比如我们做得规划，预算等，这些就是在时间点上还没有到，但是却已经有了数据。这个数据是作为参考的数据，预测没有100%，总是有点儿出入的。
作用：用于预测
如：店铺规划，销售计划
三种数据是单向流动的，未来终究会变成现在，直到变成过去。
例如：把数据往坐标轴上面放，按时间段一划分，每个数据的作用就非常清晰。