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。