根據實際業務發展，針對產品的不同生命週期，數據分析的角度和策略是不同的。
按階段可有如下分析角度：描述型分析、診斷型分析、預測型分析和策略型分析。
| 描述型分析 | 發生了什麼？ | 表面有什麼症狀 | 廣泛的離線、實時數據、數據集市、有效的數據可視化 |
| 診斷型分析 | 爲什麼發生？ | 診斷哪裏有疾病 | 多角度比較分析、下鑽到核心關鍵數據，找到癥結 |
| 預測型分析 | 可能發生什麼？ | 通過望聞問切預判有什麼隱患 | 使用歷史特徵，訓練預測模型，用模型預測未來的發展 |
| 策略型分析 | 應該採取什麼措施？ | 如何通過養生提升肌體健康程度 | 通過以上各種分析，給出優化措施和結論 |
描述型分析
這是最常見、最基礎、也是最容易實現的分析。例如：儀表板、領導駕駛艙等，也就指標監控（pv、uv、轉化率等）。
也就是對整個業務現狀的總體反映，一般是對全局的概覽，通過日常監控可以把握產品的健康狀況和運行的正常區間。
診斷性分析
爲什麼會產生診斷型分析？有了基礎分析（描述型分析），就能得出產品指標運行的正常區間。如果產品的指標越過了“合理區間”、或者發現轉化率低於競品、或者需要提效減成本，此時需要“診斷”哪裏出了問題或者哪裏需要優化。
例如：
1、本月銷售指標異常，反映在數據上是驟降或者是暴增，這都需要有日常監控的基礎，才能發現指標越過了合理區間。然後，需要進行一些數據下鑽，比如看一下是整體渠道同步下滑，還是某一些特別渠道異常了。然後，在繼續對着些異常渠道進行其他維度的探查。
2、轉化率低，普遍低於同行1%，那就要通過轉化率分析，看一看哪些環節跳出率高於競品，然後進一步分析，這個環節可優化的地方。
3、例如公共衛生領域，如果我們有對於傳染病的日常監控指標，就可以得出普通和高危傳染病在流行初期的增長速度。如果我們能在能第一時間監控到2019-nCoV的傳染量增速異常，我們就能早點發現它是個高危病毒，進而早一點對它進行進一步“診斷”，如果通過數據下鑽，我們發現其在某些地區增速明顯異常，就可以在政策上對這些地區早一點進行幫助。早發現、早診斷、早治療。
預測型分析
預測分析是對未來某一段時間範圍內的指標進行預測。例如：銷量預測，可用於提前補貨；旅客出行目的預測，可以提前根據預測出來的目的，對乘客提供相應的出行和酒店服務；保險精準營銷，通過結合特定人羣的畫像特徵，如何對特定的人羣投放有針對性的保險產品，從而提高轉化率。
策略型分析
基於“已經發生什麼”、“爲什麼發生”、“即將發生生麼”，就可以分析應該採取什麼措施，來得到一個更好的效果。
例如：從1月份以來，旅遊業、航空業受到巨大的打擊，表現出來的特徵是：旅客量大幅下降。這是已經發生的事實。“爲什麼發生”因爲疫情發生，各地封城，復工推遲，人們宅在家中期盼疫情結束。所以，“即將發生什麼呢”，旅客量會進一步下降，但在某一個時間點會業績復甦，疫情結束也許旅遊業還會報復性反彈，所以需要綜合分析，制定一些票價政策，刺激旅客出行，提升客座率，同時減少損失，等拐點快出現時，再恢復正常票價，再或者免費退改簽。如下，這是3月份 深圳飛成都的機票價格，截圖留念！60元，比打車去機場都便宜。看來航司的預測系統目前指明4月份，疫情會出現明顯好轉。
