一、对比分析法。
不同地区、部门、主体对比
行业内对比：与竞争对手、与整个市场
实际完成与目标值对比
不同时期对比：本月与上月
活动效果的对比：活动前vs活动后
其中包括相对指标与绝对指标。相对指标例如：这个月的利润率与上个月的利润率对比。
图形：条形图为主（嵌套条形图、并排条形图）。子弹图（实际完成与目标）。气泡图也可。
二、突出值、异常值分析、缺失值。
缺失值：1、删除缺失值（缺失比较少）；2、利用均值、众数中位数来补全。（或者随机森林等机器学习）
异常值：1、利用四分位数，正态分布（与均值偏差3倍标准差即为异常值）；2、洞悉背后原因，剔除异常值，如果是突出值的话就不能剔除。
突出值：1、排除异常值的可能，分析突出值出现的原因。2、利用杜邦分析法拆解指标，考虑各指标的贡献度，找到关键原因。
相关图形：箱线图
三、拐点、交叉点分析。
单条趋势线的拐点，或者多条趋势线的交叉点。
通常代表某种转折和标志性的事件。
关键：方向性（上升->下降）；相对性（两者的关系对比）；周期性；信号性（有交叉点可以当做同一水平线上的公司）；事件性（找到事件原因）；复杂性（综合多种原因）
四、放大、缩小方法。
放大：从整体到局部，层层拨开。
从渠道、客户来源、客户类别、产品属性、销售过程、地理属性、时间属性等，进行细化分析。
缩小：从局部回笼到整体。
商品A所在的品类、行业、整体商品销量等方面，重点关注整体情况与竞品。
五、关联分析。从大量数据中发现项目集合或对象集合之间的有趣的关联和相关性，从而描述出事物中某些属性同时出现的规律和模式。
例如：商品推荐、捆绑销售。
1、关联无处不在。商品和价格、商品和客户、商品和商圈等。
2、具有方向性。单向关联，双向关联。
3、关联种类。品类见的关联、单品的关联、品类和单品间的关联。
4、关联性的度量（寻找强关联）。支持度、置信度、提升度。模型：购物篮分析模型。
用于电商和传统的零售业。
六、时间趋势分析。
1、长期趋势变化情况。
2、季节性周期变化。
3、循环变化。周期不固定的波动变化。例如：一特殊的事件导致的波动变化。
4、随机性变化。由于许多不确定因素引起的变化。不确定因素导致的变化，例如：疫情。不可控的程度较大。
所以主要是关注前三部分。
