数据分析基础

企业数据分析方向

• 现状分析(分析当下的数据）︰现阶段的整体情况，各个部分的构成占比、发展、变动;
• 原因分析(分析过去的数据）︰某一现状为什么发生，确定原因，做出调整优化;
• 预测分析（结合数据预测未来）︰结合已有数据预测未来发展趋势。

数据分析de分类

离线分析( Batch Processing )

面向过去，面向历史，分析已有的数据;
在时间维度明显成批次性变化。一周一分析(T+7)，一天一分析(T+1)，所以也叫做批处理。

实时分析(Real Time Processing |Streaming )

面向当下，分析实时产生的数据;
所谓的实时是指从数据产生到数据分析到数据应用的时间间隔很短，可细分秒级、毫秒级。

机器学习( Machine Learning )

基于历史数据和当下产生的实时数据预测未来发生的事情﹔侧重于数学算法的运用，如分类、聚类、关联、预测。

数据分析步骤

• 围绕数据
• 数据从哪里来、数据到哪里去
• 核心步骤:采集、处理、分析、应用

明确分析目的和思路

• 目的是整个分析流程的起点，为数据的收集、处理及分析提供清晰的指引方向;
• 思路是使分析框架体系化，比如先分析什么，后分析什么，使各分析点之间具有逻辑联系，保证分析维度的完整性，分析结果的有效性以及正确性，需要数据分析方法论进行支撑;
• 数据分析方法论是一些营销管理类相关理论，比如用户行为理论、PEST分析法、5W2H分析法等。

数据收集

• 数据从无到有的过程:比如传感器收集气象数据、埋点收集用户行为数据
• 数据传输搬运的过程:比如采集数据库数据到数据分析平台

常用数据源和种类

数据处理

• 准确来说，应该称之为数据预处理。
• 数据预处理需要对收集到的数据进行加工整理，形成适合数据分析的样式，主要包括数据清洗、数据转化、数据提取、数据计算；
• 数据预处理可以保证数据的一致性和有效性，让数据变成干净规整的结构化数据。

什么叫干净规整的结构化数据?
专业来说就是二维表的数据，行列对应;
通俗来说就是格式清晰，利于解读的数据

数据分析

• 用适当的分析方法及分析工具，对处理过的数据进行分析，提取有价值的信息，形成有效结论的过程;
• 需要掌握各种数据分析方法，还要熟悉数据分析软件的操作﹔

数据展现

• 数据展现又称之为数据可视化，指的是分析结果图表展示，因为人类是视觉动物;
• 数据可视化( Data Visualization)属于数据应用的一种;
  注意，数据分析的结果不是只有可视化展示，还可以继续数据挖掘(Data Mining )、即席查询(Ad Hoc )等。

报告撰写

• 数据分析报告是对整个数据分析过程的一个总结与呈现
• 把数据分析的起因、过程、结果及建议完整地呈现出来，供决策者参考
• 需要有明确的结论，最好有建议或解决方案