数据分析有：分类分析，矩阵分析，漏斗分析，相关分析，逻辑树分析，趋势分析，行为轨迹分析，等等。 我用HR的工作来举例，说明上面这些分析要怎么做，才能得出洞见。
01） 分类分析
比如分成不同部门、不同岗位层级、不同年龄段，来分析人才流失率。比如发现某个部门流失率特别高，那么就可以去分析。
02） 矩阵分析
比如公司有价值观和能力的考核，那么可以把考核结果做出矩阵图，能力强价值匹配的员工、能力强价值不匹配的员工、能力弱价值匹配的员工、能力弱价值不匹配的员工各占多少比例，从而发现公司的人才健康度。
03） 漏斗分析
比如记录招聘数据，投递简历、通过初筛、通过一面、通过二面、通过终面、接下Offer、成功入职、通过试用期，这就是一个完整的招聘漏斗，从数据中，可以看到哪个环节还可以优化。
04） 相关分析
比如公司各个分店的人才流失率差异较大，那么可以把各个分店的员工流失率，跟分店的一些特性（地理位置、薪酬水平、福利水平、员工年龄、管理人员年龄等）要素进行相关性分析，找到最能够挽留员工的关键因素。
05） 逻辑树分析
比如近期发现员工的满意度有所降低，那么就进行拆解，满意度跟薪酬、福利、职业发展、工作氛围有关，然后薪酬分为基本薪资和奖金，这样层层拆解，找出满意度各个影响因素里面的变化因素，从而得出洞见。
06） 趋势分析
比如人才流失率过去12个月的变化趋势。
07）行为轨迹分析
比如跟踪一个销售人员的行为轨迹，从入职、到开始产生业绩、到业绩快速增长、到疲惫期、到逐渐稳定。
通过面向企业业务场景提供一站式大数据分析解决方案，能够为企业在增收益、降成本、提效率、控成本等四个角度带来价值贡献。
1、增收益
最直观的应用，即利用数据分析实现数字化精准营销。通过深度分析用户购买行为、消费习惯等，刻画用户画像，将数据分析结果转化为可操作执行的客户管理策略，以最佳的方式触及更多的客户，以实现销售收入的增长。
下图为推广收支测算分析，为广告投放提供决策依据。
下图为渠道销量分析，为渠道支持提供数据支撑。
2、降成本
例如通过数据分析实现对财务和人力的管理，从而控制各项成本、费用的支出，实现降低成本的作用。
下图为生产成本分析，了解成本构成情况。
下图为期间费用预实对比分析，把控费用情况。
3、提效率
每个企业都会出具相关报表，利用数据分析工具，不懂技术的业务人员也能够通过简单的拖拉拽实现敏捷自助分析，无需业务人员提需求、IT人员做报表，大大提高报表的及时性，提高了报表的使用效率。
通过数据分析工具，能够在PC端展示，也支持移动看板，随时随地透视经营，提高决策效率。
4、控风险
预算是否超支？债务是否逾期？是否缺货了、断货了？客户的回款率怎么样？设备的运行是否正常？哪种产品是否需要加速生产以实现产销平衡？...其实，几乎每个企业都会遇到各种各样的风险问题。通过数据分析，能够帮助企业进行实时监测，对偏离了预算的部分、对偏离了正常范围的数值能够进行主动预警，降低企业风险。
下图为税负率指标，当综合税负率过高，可以实现提示和预警。
下图为重要指标预警，重点监控项目的毛利率。
做数据分析，需要从数据和分析两个方向共同入手：
1、数据培养
数据培养是进行有效数据分析的基础建设，不是什么数据都可以用来进行数据分析的，企业在注重数据量的积累的同时，还要注重数据积累的质量，将数据培养的意识和任务要求相结合，自上而下推行数据培养的机制。
举个例子，很多企业意识到了信息化、数字化建设的重要性，将部署商业智能BI进行信息化建设提上了日程。但在商业智能BI项目规划时，很容易发现企业根本没有部署商业智能BI进行数据分析可视化的条件，原因就是数据缺漏、错误频出，相关的业务部门系统数据库也没有建设，缺少业务数据，这就是没有把数据培养做起来的后果。
数据仓库-派可数据商业智能BI
想要培养高质量的数据，必须提前做好数据培养规划，动员企业全体员工共同完成数据的管理机制。这不是什么短期内就能完成的工作，而是需要员工在日常业务活动中，按照统一的流程、规范来生产、管理数据，长期坚持下来，在业务活动中沉淀数据，按照规范化、流程化、标准化逐步填补企业的关键数据库。
当然，让员工执行数据培养任务不能只靠规定来强制执行，要建立完善的奖惩制度，将数据作为日常的考核指标。同时，企业还应该部署业务信息系统，让企业的财务、销售、生产、运营等不同部门员工有数据培养的工具，在完成业务活动后自动传输数据，将日常业务过程、流程中的数据沉淀到系统后台数据库中。
2、分析方法
分析方法是有效利用数据、实现数据价值的重要手段。如果没有数据分析方面的人才和熟练的分析方法运用，即使有再好的数据，也无法转化为富有价值的信息。进行数据分析前，数据分析人员必须熟练掌握主流的分析方法，比如对比分析、象限分析、趋势分析、描述性分析、预测分析等。
举个简单的例子，人类天生就对数字的大小有很强的敏感性，拿一组没有任何标识的数据展示，人们一眼看过去就会分析出它们的大小差异，如果这些数据之间相互有关联，那这就是有效的对比分析。
分析方法-派可数据商业智能BI
一般用到对比分析，通常是在选定的时间区域内，对比业务在不同情况下的差异，分析出业务是进行了增长还是发生了缩减的情况。
例如，上图中2021年9月的销量相比8月的销量有所减少，这时候就要深入分析为什么环比销量会减少，可以考虑调取今年3月和去年3月的产品生产数量，看看是不是生产环比下降，导致销量较少。同理，还可以把供应链、经销商、人流量等等都拿进行对比分析，确认到底是什么影响了销量。
总之，对比分析的优势就是能够很清晰地分析不同数值之间的差异，从而得到这些差异背后形成的原因。
其实这点问题大家应该都有存在，就拿我自己说，每天打开网站我都会在第一时间site一下自己的网站，接着就会看一下网站的各项数据，比如IP来源、用户跳出率等，但这些都是些表面的工作，因为之前在A5上看文章，说一个成功的站长应该具有超强的数据分析能力，所以我才增加了数据查看这一个步骤，但说实话这个步骤对我来说并没有什么实质性的帮助，就像高中时老师让我们经常看“错题集”一样，我们知道这是好学生的标准，但当自己真的去看“错题集”的时候，未免会流于形式，趋于面子工程，看了和没看一样，所以既然站长每天都要查看数据了，不如有个目标，比如今天我分析一下用户地区分布怎样，然后因地制宜，加强那个地区的网上影响力等等，做一些真正有益的事情，不让自己看到数据只是一味的自怨自艾。
没有提高时间利用率
大家可能觉得我在扯淡，数据分析怎么会和时间利用率扯上关系，其实并不是这样，做什么事情都要讲究个效率，当大家以为数据分析就是想起什么就做什么的话，那就大错特错了，数据分析掌握一定的步骤，不仅可以节省自己的时间去做网站其他的动作，也可以让自己的分析结果变得更加准确，有说明力。一般情况下，我分析数据会遵循收集数据>>整理数据>>分析数据>>美化表格这几个步骤，因为这几个步骤可以让我的数据得到一个从表面到深层次的过度，打个比方，比如我看到今天的百度贡献IP是2000个，那么我就要总结一下其他的搜索引擎的IP站点数目，然后分析一下贡献率的不同，最后在进行优化的时候着重处理，使得数据不再是单纯的数字，至少为我的网站建设贡献一份力量，所以从这个角度上说，我们在进行数据分析的时候，一定要要预估一下每一个步骤需要花多少时间，哪一步比较重要，需要花更多的时间等，做到有重点的分析。
只收集不分析，数据的作用没被挖掘出来
这点就算是自我批评了，因为就我而言，我经常犯的一个错误就是，数据收集和分析的处理不得当，很多时候我花费在数据收集的环节时间过多，以至于自己手里的数据往往因为时间的不充足而得不到有效地分析，就像自己之前用了1个星期做用户回头率分析，结果最后因为网站改版直接影响到权重，用户点击率直线下降，数据也不具有说明了说明力了。还有一个原因就是自己总觉得以后的时间长着呢，数据先收集着，以后再做分析，就是这样拖拉的心态才使得自己的数据没有丝毫用处，仅仅是空架子而已。所以从这点说，数据分析重点应该在于分析，应该以最快的速度收集完数据，才有更多的时间整理和分析，最后经过分析的数据才是最有价值的。
收集数据“贪婪”，无法进行数据的整理导出
这也是大家的通病，很多时候我们收集数据总会落入大、杂的误区，不管什么内容通通收录帐下，这样长久以来就会让网站表格里的内容越来越多，上次我做表格的时候，数据直接填到了最后一页，让我看的自己都晕了，还怎么谈数据的分析和总结呢?所以站长在进行数据分析的时候，一定要做到有的放矢，不能照单全收，收集数据的时候就应该先过滤一下，什么数据对于网站有帮助，什么数据只是参考价值，做到心里有数，这样可以减少工作量，也能让日后的分析过程变得轻松一点。
不能用数据进行有效地“举一反三”
很多时候我们应该透过表面看本质，看到自己的用户跳出率很高，那么我们就要对用户IP来源、用户主要分布地区、用户回头率等进行一系列的分析，然后再做一个表格进行有效地整理，而不是看着用户跳出率这一个表单而“黯然神伤”，毕竟一个数据不能说明问题，只能显现问题，所以我们要分析排名前十的某类网站，那就要知道这个行业什么样的网站才是最好的，最好的行业网站应该具备什么条件，把这些条件列出来，然后根据条件去收集网站的数据，最后满足所有条件的网站就是最好的行业网站之一了。
EXCEL不美观，不清晰
通常情况下，我们做数据分析的时候会采用excel表格记录，而一份美观清晰的表格不仅使我们可以清楚的看到这份数据的重点，方便查到所想要的数据，还能让我们静下心来分析数据，试想一个标满数据、红线的表格怎么会让我们在第一时间找到自己想知道的事情呢?所以从这个角度上讲，站长应该多联系一下excel，多出一份漂亮的数据分析，不仅可以让自己快速找到网站存在的毛病，还能让自己看的舒服点，一举两得。
还是执行力的问题
这点就算我提一百遍，还是有很多站长不以为然，因为即使我们不分析数据，网站还是会运转，并不会因为我们分析数据而使网站发展更加顺利，同样不去分析数据也不会给网站带来直接的弊端，更重要的是站长每天都有很多其他工作需要做，数据分析说实话很费时间，所以基于数据分析没有即时利益，很多站长放弃了，对于这个我不想多说什么，我只打一个比喻，你处于一个高污染的环境，你觉得是一天做一个检查安全呢，还是一年做一次检查安全呢?有些“毛病”还是及早发现比较好，你觉得呢?!本回答被提问者和网友采纳