数据分析方法与模型分类

数据分析方法与模型多种多样，按照数据分析的目的和所解决的问题将这些数据分析方法与模型分为对比分析、分类分析、相关分析和综合分析四类来进行介绍，前三类以定性的数据分析方法与模型为主，综合类数据分析方法与模型是注重定性与定量相结合。

对比分析数据分析方法

对比分析法通常是把两个相互联系的指标数据进行比较，从数量上展示和说明研究对象规模的大小，水平的高低，速度的快慢，以及各种关系是否协调。

对比分析，按分析对象的不同分为单一指标对比分析和多指标对比分析。单一指标对比，即简单评价，如盈亏平衡分析，主要是通过对盈亏平衡点高低的分析，对项目风险的高低做出初步判断；多指标对比，即综合评价。

分类分析数据分析法

分类分析是将一些未知类别的个体正确的归属于我们已经分好类别中的其中某一类；或者将对一些数据进行分析处理，选定一种度量的类别，并按接近程度对观测对象给出合理的分类。之后会介绍分类分析方法包括聚类分析和判别分析。

聚类分析是研究对样品或指标进行分类的一种分析方法。

判别分析师用于判别样品所属类型的一种分析方法，在生产过程中经常遇到根据观测到的数据资料对研究对象进行判别归类的问题。

相关分析数据分析法

相关分析是指研究变量之间相互关系的一类分析方法。按是否区别自变量和因变量，分为两类：一类是明确自变量和因变量的关系，今儿研究他们之间关系的分析方法，如敏感性分析，回归分析，时间序列分析；另一类是不区分因果关系，只研究变量之间是否相关，相关方向和密切程度的分析方法，如因子分析。

敏感性分析是指从定量分析的角度研究有关因素发生某种变化时对某一个或一组关键指标影响程度的一种不确定分析技术。

回归分析是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。

时间序列是将一个指标在不同的时间点上的取值，按照时间的先后顺序排列而成的一列数。时间序列实验研究对象的历史行为的客观记录，因而它包含了研究对象的结构特征以及规律

因子分析是将现实生活中多种相关和重叠的信息进行合并和综合，将原始的多个变量和指标变成较少的几个综合变量和综合指标的一种分析方法。

综合分析数据分析法

综合分析是指运用各种统计、财务等综合指标来反馈和研究社会经济现象总体的一般特征和数量关系的研究方法，主要包括概率分析、财务分析、KANO、PSM模型等分析方法、层次分析法。

概率分析是通过对主要的效益指标概率分布进行分析，然后对项目整体风险作出评价。

财务分析是指通过总结和评价企业财务情况与经营成果的各类指标，从而对企业的财务状况做出评价的一类分析方法。

KANO模型是对顾客需求或者说对绩效指标的分类，通常在满意评价工作前期作为辅助研究模型，KANO模型的目的是通过对顾客的不同需求进行区分处理，帮助企业找出提高企业顾客满意度的切入点。

PSM模型是价格敏感测试模型，是一种最简单、最实用的价格测试模型，为大多数市场研究公司所认可。通过PSM模型分析，不仅可以得出最优价格，而且可以得出合理的价格区间、

层次分析法，是一种实用的多目标或多方案的决策方法。由于他在处理复杂的决策问题上的实用性和有效性，很快在世界范围得到广泛的重视。它的应用已遍及经济计划和管理，能源政策和分配，行为科学、军事指挥、运输、农业、教育、医疗和环境等多领域。

以上数据分析方法与模型在企业经营、管理、投资决策最为常用，在企业决策中起着举足轻重的作用。