我对数据分析的初步理解

由于本人在本科期间就有《数据分析》这门课程。众所周知大学本科里的课程大部分学的都是理论知识，我还依稀记得里面有根据样本间的欧氏距离矩阵，应用最短距离方法进行谱系聚类分析还有主成分分析和回归分析等。再加之学校内部还有有关数据分析的实习。
因此毕业后打算从事数据分析的工作，但理想很美好，现实很残酷。我连什么样的数据才可以进行数据分析都不知道。根据纪贺元老师的《数据分析实战：基于EXCEL和SPSS系列工具的实践》一书中了解到不是所有的数据都可以做数据分析。在此就要引进可分析度这一概念。什么是数据的可分析度，纪贺元概括为两点，其一是数据必须是比较复杂的，一眼看不出结论的，需要使用一些工具、模型和方法进行分析；其二是数据分析的过程和结论 得是有价值的。因此引进三个维度来判断数据的可分析度，其分别是数据量、数据复杂度和数据颗粒度。数据量根本不用这一维度的必要性。数据量不大的数据没必要做数据分析，所需结论一眼就可以看出来。数据量相当于数据的行，其越多就越有数据分析的必要性。而数据复杂度相当于数据的列(剔除相关性之后的）。数据颗粒度指的是从不同的层次来看待数据。这股举例子说比较容易懂。其就像我们天气中日平均气温、月平均气温和年平均气温。年平均气温可以有十二个月的平均气温组合而成，以此类推。因此，我们说气温数据的颗粒度是：日、月和年。
通过数据分析我们可以了解数据的整体情况，其包括总体状况、结构状况、异常情况以及其他数据特征；可以快速查询数据；可以进行数据之间关系的探索（最像数据分析的部分）；可以进行业务预测。待数据可分析后就得寻找合适的工具。然后将分析很好呈现出来。
数据分析的流程;首先得采集数据，然后整理数据、制表，之后再进行数据分析，最后把数据分析呈现出来。
这只是本人这只数据分析小白的初步读纪贺元老师的《数据分析实战：基于EXCEL和SPSS系列工具的实践》一书所整理而得。