1、简单趋势通过实时获取趋势，了解供应商的及时交货情况。如产品类型、供应商区域(流量系数)、采购金额、采购金额占供应商的比例等。2.多维分解根据分析需要，从多个维度对指标进行分解。如产品采购金额、供应商规模(待量化)、产品复杂程度等等。3.转化漏斗根据已知的转化路径，借助漏斗模型分析整体和每一步的转化情况。常见的转型场景包括不同供应商的及时交货率趋势。
5.仔细查看路径数据分析观察供应商的行为轨迹，探究供应商与我司的互动过程；然后发现问题，启发或者检验假设。6.留存分析留存分析就是探究用户行为与回访之间的关系。一般来说，我们所说的留存率是指一段时间内“重复其行为”的“新新供应商”的比例。通过分析不同供应商群体和使用过不同功能的供应商的留存差异，可以找到供应链的优化点。
数据分析方法有很多种类型，以下是最常用的类型:数据挖掘:这项技术涉及使用工具提取数据，并检查其关键模式和见解。它接受数字并将它们转换成信息。统计分析:这种技术检查样本以找到诸如中位数和离差之类的信息，这可以帮助分析人员找到相关的模式。诊断分析:这项技术通过识别数据中的模式来回答为什么会出现一些问题。预测分析:这种技术利用现有的数据来预测可能出现的情况，这可能是决策的关键方法。
5、 数据分析的方法有哪些数据分析是指用统计分析方法对收集的数据进行分析，并对数据进行总结、理解和消化。数据分析可以帮助人们根据分析结果做出判断并采取相应的对策。常用的方法如下:将收集到的。一般来说，数据分析常用的方法有列表法和绘图法。所谓列表法，就是将数据按照一定的规则以列表的方式表示出来，这是记录和处理数据最常用的方法；
作图法则可以清晰地表达各种物理量之间的变化关系，实验所需的一些结果可以很容易地从作图线中得到，一些复杂的函数关系也可以通过一定的变化用图形来表示。有关数据分析的更多信息，请咨询CDA认证中心。CDA行业标准由国际数据领域的行业专家学者和知名企业共同制定，并每年修订更新，保证了标准的公开性、权威性和前沿性。通过CDA认证考试者，可获得CDA中英文认证。
6、 数据分析有哪些分类?这个问题需要多方面考虑，比如:探索性数据分析，定性数据分析，线下数据分析，线上数据分析。就探索性数据分析而言，探索性数据分析是指为了形成值得假设的检验而对数据进行分析的方法，是对传统统计假设检验方法的补充。【海量资讯】专注大数据实践20年，提供数字化转型顶层设计、数据中间平台(内置用户画像核心引擎)、业务中间平台建设、数据采集、治理和分析服务，是您值得信赖的企业数字化转型专业服务商。
我以HR的工作为例，说明如何做上述分析，以获得真知灼见。01)分类分析，比如分成不同部门，不同岗位级别，不同年龄段，来分析人才流失率。比如你发现某个部门的离职率特别高，那么你就可以分析一下。02)矩阵分析比如公司有价值观和能力的测评，那么我们可以把测评结果做一个矩阵图，找出价值观匹配强的员工，价值观匹配弱的员工，价值观匹配弱的员工的比例，从而找出公司的人才健康状况。
7、 数据分析有哪些方法现在的趋势是，我们已经进入了一个大数据时代。我们应该分析数据吗？数据分析的方法是什么？1.说明统计描述性统计是对统计方法的总结，揭示了数据分布的特征，包括数据频率分析、数据集中趋势分析、数据分散程度分析、数据分布以及一些基本的统计图，1.缺失值填充:常用的方法有剔除法、平均法、决策树法。2.正态检验:许多统计方法要求数值服从或接近正态分布，所以数据分析之前需要正常检查。常用方法:非参数检验、K-检验、PP图、QQ图、W检验、动态差分法，二、回归分析是应用最广泛的数据分析方法之一。根据观测数据，建立变量之间的适当依赖关系，分析数据的内在规律，1.x和Y必须是连续变量，变量Y或其差必须服从正态分布。2.多元线性回归分析的条件:要分析多个自变量X和Y的关系，X和Y必须是连续变量，变量Y或其差必须服从正态分布，3.Logistic回归分析线性回归模型要求变量是连续的正态分布变量，自变量和变量是线性的，而logistic回归模型不要求变量的分布。
