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：
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：
3.6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
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：
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五类分析方法，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。