| 内容来自果壳，侵删

随着大数据时代的来临，大家对数据的了解有了翻天覆地的变化。在我们的平时日子和作业中，数据无处不在，繁杂的数据中隐藏着很多的联系。

假如不对这些数据进行有用的剖析和处理，将会对大家的日子和作业产生极大的负面影响，由此数据分析就应运而生了。

数据分析，是当今的热门行业之一，任何行业中都能看到它的身影。尤其是移动互联网兴起后，这个行业变得更加重要起来。一是因为许多工作都离不开数据，二是因为专职的数据分析岗位的薪资也十分可观。

那数据分析该怎么做呢？

一般而言分成7个步骤：①明确需求 →  ②确定思路 → ③处理数据 → ④分析数据 → ⑤展示数据→ ⑥撰写报告  → ⑦效果反馈。

| 01、明确需求

明确需求，就是搞清楚你要干什么。初级数据分析以被动型为主，即别人发现了问题，你来分析数据。而中高阶数据分析则需要你主动沟通，获取对方想得到的东西。

需求的核心内容主要有5个方面：分析目的、分析主体、分析口径、分析思路、完成时间。


| 02、确定思路

确定思路，是数据分析的“灵魂”所在。需要从分析目的出发全面、深入拆解分析维度，确定分析方法，最终形成完整的分析框架。没有分析思路怎么办？3个方法：

套用经典：常用 “套路”有AARRR分析、RFM分析、5W2H分析等。

指标体系：利用公司内部已形成的指标体系，找到合适的切入角度。

总结提炼：通过学习公司历史分析报告，请教同事，不断运用总结，提炼出自己的分析框架。

| 03、处理数据

数据从哪来？来源可以分为内部及外部，内部来源主要是现有的报表，数据库，而外部的主要可以通过网页爬虫、调查问卷、国家统计局等来获得，无论从哪里获得要保证数据的统一、有效。

怎么处理？主要是4种操作：

数据收集：也就是从数据来源中收集、提取出分析的相关数据；

数据清洗：观察数据是否存在异常值、空值等，若存在，可剔除或用合理值代替，常用的代替值是平均值、中位数、众数；

数据计算：通过数学公式等用已有数据计算出自己需要的其他数值，如：日均值、总销售额；

数据转化：将数据转化成分类数据也就是离散型数据，俗称“标签化”。

| 04、分析数据

分析数据是重中之重的工作，它是从分析目的出发，按照分析思路，运用适当的分析方法或分析模型，使用分析工具，对处理过的数据进行分析，提取出有价值的信息。

如何开展具体的分析呢？可以将现有的分析方法、分析模型进行结合，去对数据进行整合分析。像基础的分析方法对比分析，结构分析、分类分析等，高级分析方法聚类分析、回归分析、决策树分析等，分析模型AARRR分析，RFM分析，A/B测试等。

用什么工具？入门的话，就是 Excel、SQL，进阶的话是 Python、R。


| 05、展示数据

展示数据也称为“数据可视化”，是以简单、直观的方式传达出数据包含的信息，增强数据的‘易读性’，让阅读者轻而易举的就看出数据表达的内容。

俗话说的好“文不如表，表不如图”，所以展示数据一般用图表进行展示，常用图表有表格、柱状图、折线图、条形图、散点图、饼图。

这些图表是不是很熟悉？在 Excel、PPT是不是制作过？Excel、PPT是最基础、常用的图表展示工具，当然，也有专业的展示工具如Power  BI、Tableau。


| 06、撰写报告

撰写报告是指以文档形式输出分析结果，其内容是通过数据全方位的科学分析来展现运营情况，能够为决策者提供强有力的决策依据，从而降低运营风险，提高盈利。

怎么写报告？常用的报告形式有PPT、Word、Excel：

PPT：制作耗时较长，但其美观度强，大型汇报一般都是以PPT载体；

Word：分析报告主要是用于文字较多、正式的邮件附件；

Excel：常用于内部的交流报告，制作时间较短。


| 07、效果反馈

进行效果反馈时，需要一定的载体来进行呈现，目前通用的2种反馈形式：

监控报表：反馈时间间隔比较短、重复频次高的反馈，比如日报、周报；

分析报告：反馈时间将较长或一个执行周期情况，比如XX月分析报告、XX公司年总结报告。

一般在效果反馈后会回到需求沟通，与他人沟通反馈效果情况，比如是否有异常、异常原因、下一步动作等，这就形成了闭环分析。

如果你也对数据分析感兴趣，或者你是一位刚入门的新人，那么推荐你参加 IBM 数据科学应用工程师训练营，助你在最快时间获得 IBM 数据科学应用专业证书，一起来探索数据的奥秘吧！