比較實用的數據分析方法很多，不同的方法適用于不同的場景和需求，可以根據具體的數據特征和分析目的選擇適合的方法。

比較實用的數據分析方法有以下幾種：

1、描述性統計分析：通過計算平均數、中位數、方差等指標，對數據集中的數值做出基本的總體、中心位置和離散程度的分析。

2、回歸分析：通過建立變量之間的數學模型，分析變量之間的關系，包括線性回歸、非線性回歸等。

3、聚類分析：將相似的數據歸為同一類，不同的數據歸為不同類，從而發現數據的分布規律和群體特征。

4、關聯分析：通過分析數據之間的關聯性，發現數據之間的相關關系和因果關系。

5、時間序列分析：對按時間順序排列的數據進行分析，預測未來的發展趨勢和規律。

6、因子分析：通過提取公共因子，將多個變量綜合為少數幾個因子，以便更好地理解和解釋數據的結構。

7、對應分析：通過對定性數據和定量數據進行聯合分析，揭示它們之間的關系和趨勢。

8、決策樹分析：通過建立決策樹模型，對數據進行分類和預測，適用于分類和預測問題。

9、神經網絡分析：通過模擬人腦神經元的連接方式，建立復雜的數學模型，對數據進行更加精準的分析和預測。

以上數據分析方法各有優缺點，應根據具體的數據特征和分析需求選擇合適的方法。同時，數據分析不僅僅是掌握方法，還需要具備數據清洗、數據可視化等技能，以及對數據和業務的理解能力，才能更好地發揮數據分析的作用。