数据分析模型有哪些必备要素（5种顶级数据分析模型）
数据分析模型有哪些必备要素（5种顶级数据分析模型）3. 如何得到后验概率？2. 当我们有了更多信息，该如何利用它们？贝叶斯模型在数据分析中一般用来解决先验概率、分类实时预测和推荐系统等问题，能够让我们基于过往的经验和目前的现象做出决策。解决问题：1. 当我们一无所知时，如何进行推断？
一个合格的数据分析师，一定掌握了大量的思维模型。
这些思维模型有时能帮助他们少走点弯路，有时能够快速建立对特定场景、业务的认知，这也是为什么我一直强调思维模型的重要性。
成熟的思维模型系统性地沉淀了每种业务的明细与视角，掌握这些模型的来龙去脉，更有助于你将工作中的零碎经验系统性地串接起来。
顶级的思维模型能提高你成功的可能性，并帮你避免失败，比业务更懂业务，比管理更有格局也不是件难事。
贝叶斯模型在数据分析中一般用来解决先验概率、分类实时预测和推荐系统等问题，能够让我们基于过往的经验和目前的现象做出决策。
解决问题：
1. 当我们一无所知时，如何进行推断？
2. 当我们有了更多信息，该如何利用它们？
3. 如何得到后验概率？
4. 为什么贝叶斯决策理论是“最优的”？
限制：
贝叶斯模型的假设性较强，但实际操作起来并不容易
PEST模型通过把握外部环境的变化，来改变业务和产品。如果不能正确地分析，就无法制定适当的业务战略。
基本步骤：
1、情报收集--分类为PEST四要素（政治、经济、社会、技术）
2、事实分类与解释
3、将事实划分为机会与威胁，短期与长期
4、纳入经营战略。
限制：
由于宏观环境变化规模越大，变化越频繁，因而该模型只适合中长期的经营战略规划，而不适合短期计划。
算是数据分析中的高频模型，从起点到终点，科学地评估某项业务的各流程转化情况，以量化的形式，帮助业务找到业务的异常环节，从而进行针对性的优化。
基本步骤：
1、查看漏斗转化率，将结果按照渠道、用户分组进行查看，找出转化率明显偏低的环节
2、分析数据变化的趋势，按照不同时间的变化趋势下，找出转化波动率最大/最小的时间点
3、不同维度对比，筛选不同的渠道、用户分组，将转化率和变化趋势进行对比。
此模型一般被用来量化用户价值，通过R（消费时间间隔）、F（消费频率）、M（消费金额）这3个维度，将用户划分为8种类型，并分别对其采用不同的营销策略。
解决问题：
1、根据用户价值，对用户进行分类
2、根据用户分类进行精细化运营，最大化用户价值。
限制：
对于用户的价值打分没有一个明确的设置，一般都是根据业务逻辑来确定阈值。
波士顿矩阵模型能够让我们对公司产品有更多维度的理解：是否盈利？市占率多高？通过分析企业相关经营业务之间现金流量的平衡问题，找出企业现金资源的产生单位和最佳使用单位，从而解决企业的生产与收益问题。
基本步骤：
1、纵向确定市场增长状况
2、横向计算相对市场份额
3、确定位置、建立矩阵
4、评估业务组合
限制：
波士顿模型在实际应用过程中还是以产品选择为主，是对产品的初步研判，使得我们在大脑中可以快速分析，但实际具体选择时，还是要用到更为复杂的模型对其进行布局才行。
以上模型均取自下面这张数据分析知识图谱，其中不仅包含我们常见的数据分析模型，更有数据分析18个理论分支，136个详细知识要点和60多个实际分析场景案例，回复“图谱”即可获取高清电子版！
