【数据分析】- 操作步骤大总结

---

一、明确目的

数据分析的第一步就是要明确分析目的。
例如，某游戏APP上线后，前期导入大量新用户但是用户质量不是很好，需要通过数据分析查明原因，作为数据分析师，需要明确此次分析的目的事找出大量用户登录时间不长，付费金额低的原因，可以首先从注册用户本身的属性来分析，比如一些常用的游戏业务指标（传送门）。

二、数据收集

数据是进行数据分析的前提。数据收集可以分为线上收集和线下收集；按收集的渠道不同，又可分为内部收集和外部收集。内部收集一般企业内部数据库，外部收集不是企业内部产生的，例如利用爬虫技术获取的网页数据。

三、数据处理

一般收集来的原始数据相对比较粗糙且无序。此时需要利用数据处理软件进行一系列的加工处理。
数据处理包括前期的脏数据清洗、缺失值填充、数据分组转换、数据排序筛选等，后期的业务指标计算、报表模板填充等。
常用的数据处理工具包括Excel之类的电子表格软件、各类的数据库软件、Python、R、SAS、SPSS等。

四、数据分析和数据挖掘

4.1 数据分析

侧重点在对于业务的熟练程度。例如，产品日常活动的前期涉及、中期上限跟踪、后期效果评估以及最终的建议与反馈等。
常见的数据分析策略分为描述性统计分析、探索性统计分析、推断性统计分析。

常用的数据分析方法包括对比分析法、分组分析法、预测分析法、漏斗分析法、A/B测试分析法 。

4.2 数据挖掘

数据挖掘的侧重点在于对模型和算法的理解，一个优秀的数据分析人员必须拥有扎实的数学基础和熟练的编码能力。

数据挖掘的规范化步骤可以采用SIG组织在2000年推出的CRISP-DM模型，该模型将数据挖掘项目的生存周期定义为六个阶段——商业理解、数据理解、数据准备、简历模型、模型评估、结果部署。

五、制作数据报告

数据分析的最终结果需要汇总成一份数据报告，最常见的是PPT格式的报告。
报告的开始部分为目录和前言，中间部分为正文，结尾部分进行报告总结并提出相关建议和解决措施。

六、总结

数据分析操作步骤如下图：