数据分析工作的步骤

随着大数据时代的到来，如何利用历史数据指导未来，是数据分析师工作的核心，作为一名从事2年的数据分析工作人，我把自己的分析过程叙述一下。

step1：业务调研：定位待分析事务存在的背景、发展事态，存在的问题，待解决的问题。
step2：需求分析：定位分析的目标和方向，也就是分析过程分析的主体是什么，需要用到的相关数据有哪些。
step3：数据抽取：把所需的外部数据、内部系统数据抽取到我们自己的环境中来，并形成初步的指标体系表。
step4：数据探索：多维度分析数据的特征，如特征分布情况、数据缺失情况、异常取值情况等。
step5：数据清洗：主要包括处理缺失值与异常值。
step6：指标梳理：根据现有的指标，构造能够反映样本特征的指标体系，并形成相对完善的指标体系表。
step7：指标深度探索与模型构建，对step6中形成的指标体系表多维度分析，得到数据中潜在的特征。为模型的构   建做指导，以此来定位需要用到的是哪种学习方法：如非监督学习、监督学习、半监督学习等，从而判断我们需要用到的方法是分类、聚类、回归、异常诊断、时间序列等。再根据数据的特征，从这些方法中找到适合数据的方法来建立模型。
step8：模型调优，根据模型相应的指标来判别模型的好坏，此外，也可根据step6中能够反映数据特征的指标来进行分析,从而优化模型。
step9：撰写模型报告，报告中应详细阐明数据探索、指标梳理与深度探索的过程。此外才是模型结论的内容。
step10：与业务人员进行交流，用于促进step6的完善，循环此过程，最终得到优美完善的数据模型。
以上步骤是我在数据分析过程中秉承的理念，希望走过路过的大神给与指导与帮助。