一般而言，数据分析模式有四种，描述性数据分析、诊断性数据分析、预测性数据分析、指导性数据分析。
1）描述性数据分析
在这个分类里，主要是为了搞清楚一件事，即发生了什么？当然，这也是平时工作中使用模式最为普遍的一种。
举个例子，比如你搜集了过去5年的每一季度的产品销量数据，然后经过整理，可视化。最终，你得到一个结论，最近5年来，该产品持续低迷，销量持续下滑。这就是所谓的描述性数据分析，他帮助我们描述了一件事具体是什么。
2）诊断性数据分析
描述性统计是为了知道发生了什么，而诊断性数据分析则是为了知道现象背后的原因是什么？
仍然跟着上面的例子走，当你知道该产品最近5年持续低迷，销量不断下滑这个现象之后。那么，你就应该进一步去判断，是什么样子的原因导致了这种情况。
经常使用的方法就是细分维度以及交叉维度，总之经过这样的分析之后，你得到了一个结论：由于该产品质量发生重大错误，导致销量在5年以内持续低走。
3）预测性数据分析
接下来你有点坐立不安了，你特别想知道如果不改变策略的话，下个季度或者未来更久的时间内，销量会发生什么样子的变化呢？
这个时候你就需要根据历史数据搭建一个预测模型了，然后再根据这个预测模型得到下个季度的产品销量数据以及之后更久的产品销量数据。
因此，你通过这个预测性数据分析，你知道了，是时候发生一些改变了，不然企业会垮掉的。这就是预测性数据分析的作用。
4）指导型数据分析
知道事情的严重性还不行，你还需要知道通过怎么样的办法来进行改善产品质量，从而提升产品的销量。这时候你通过调取产品线的各项抽样数据，然后进行细致的分析，你突然发现某个生产线的质量是产品质量差的关键。
因此，是时候对这个产品线进行一些处理了，不然会影响整个品牌乃至企业的。
这就是数据分析常见的四种分析模型，希望对你有所帮助。
数据分析模式可以分为三种，分别是探索性数据分析，描述性数据分析，和推断性数据分析。这个难易程度，依次递增，下面我就具体跟你说一下吧。
第一种，探索性数据分析。首先当你拿到一个项目的时候，你这个时候是没有现成的数据的，找什么数据你也不知道。你只能先通过别人之前所做的和你这个项目相关的研究，看看别人是怎么做出来的，利用到哪些数据，你才能开始你的项目。这个时候，因为一切还处于探索阶段，所以你这个阶段用的数据在你之后的工作都不一定能用哪个的上，你只是把所有相关的数据都做个分析，才能得出哪些数据有用，哪些数据没用，然后把这些没用的数据给剔除掉，把有用的信息留着。
第二种，描述性数据分析，这个就是把你留下来的数据，做一个简单的分析，通常是利用数据，画出图表，这样你就能够很容易看出数据的一些特征，比如说先箱线图就很容易看出这个数据的最大值，最小值，中位数，分位数等，这个也属于比较基础的数据分析。
第三种，推断性数据分析，这个就属于比较高级的数据分析了。这个阶段就会运用到各种方法，比如说回归分析爱，参数估计等等。你就需要建立模型来对数据进行分析，通过分析各个数据之间的关系，看看它们有没有因果关系，没有的话也可以做一下相关关系，建立过模型之后就可以对未来进行预测。