比较实用的数据分析方法很多，不同的方法适用于不同的场景和需求，可以根据具体的数据特征和分析目的选择适合的方法。

比较实用的数据分析方法有以下几种：

1、描述性统计分析：通过计算平均数、中位数、方差等指标，对数据集中的数值做出基本的总体、中心位置和离散程度的分析。

2、回归分析：通过建立变量之间的数学模型，分析变量之间的关系，包括线性回归、非线性回归等。

3、聚类分析：将相似的数据归为同一类，不同的数据归为不同类，从而发现数据的分布规律和群体特征。

4、关联分析：通过分析数据之间的关联性，发现数据之间的相关关系和因果关系。

5、时间序列分析：对按时间顺序排列的数据进行分析，预测未来的发展趋势和规律。

6、因子分析：通过提取公共因子，将多个变量综合为少数几个因子，以便更好地理解和解释数据的结构。

7、对应分析：通过对定性数据和定量数据进行联合分析，揭示它们之间的关系和趋势。

8、决策树分析：通过建立决策树模型，对数据进行分类和预测，适用于分类和预测问题。

9、神经网络分析：通过模拟人脑神经元的连接方式，建立复杂的数学模型，对数据进行更加精准的分析和预测。

以上数据分析方法各有优缺点，应根据具体的数据特征和分析需求选择合适的方法。同时，数据分析不仅仅是掌握方法，还需要具备数据清洗、数据可视化等技能，以及对数据和业务的理解能力，才能更好地发挥数据分析的作用。