数据分析原理：6步解决业务分析难题

数据分析原理：6步解决业务分析难题

• Skill 版本：v1
• 类别：数据分析方法论类
• 四象限结论：经典原理（高信息浓度 × 高稳定性）

评级理由

本书围绕”懂业务→目标拆解→数据选取→分析方法→推演验证→结论呈现”六步法展开，抽样精读的 章节（1.3 指标体系四步法、2.1 MECE 法则、5.2 金字塔原理）均在讲为什么这样做的方法论 本身，而非某个工具/平台的操作步骤：

• 高信息浓度：如”派生指标=原子性指标+时间段+修饰词”的指标定义公式、指标体系建立的 四个步骤（厘清阶段目标→确定一级核心指标→维度拆解→宣贯存档）、MECE 法则的两个操作性 方法（前两层拆解优先级、参照权威研究穷尽）、结论的三个层次（描述性结论→优化建议→优化 策略）等，都是可迁移的分析框架和判断标准，不是罗列步骤。
• 高稳定性：MECE 法则、金字塔原理、RFM 模型、AB 测试方法论等都是脱离具体工具/平台的 通用分析原理，书中虽用大量互联网/金融/游戏行业的具体案例（如建行 App、腾讯课堂、某电商 App）来佐证，但案例只是例证，核心方法论本身不随这些产品的迭代而过时。

类别识别

未命中现有已定义类别（编程语言类/框架类/AI 模型类等均不适用）。已与用户确认新增 “数据分析方法论类”（判定标准 + 必答清单已写入 category-checklists.md），本书按该 类别执行阶段四清单核对。

章节进度追踪表

理由： - 前言：作者写作动机、读者定位、致谢，无分析方法论内容，略读。 - 第1-6章：每章都是完整六步法中的一步，均涉及概念/方法论的实质性讲解（指标体系、MECE、 公式/路径/模块拆解法、数据选取原则、行业/产品/渠道/运营/增长各类分析方法、逻辑谬误、 金字塔原理、AB测试、图表选择、汇报叙事），按”概念类内容强制生卡”规则全部精读。

待关联术语

实践卡进度

类别清单核对（数据分析方法论类）

引用文献