随着“大数据”概念的持续“高温”，越来越多企业及个人也开始关注数据分析，我整理了一些经常会被问到的关于数据分析的问题，在这里和大家一起简单的聊一聊。
首先，被问到最多的问题就是：
数据分析是什么？
数据分析如果让我用一句话概括，就是连接数据及人类认知之间的桥梁。
就像观察微生物需要显微镜、了解时间需要钟表、知道温度需要温度计一样，在理解人类感官无法直接认知的数据问题时就需要使用名为“数据分析”的工具了。
如上图所示，人类通过“数据分析”这个工具，将我们无法认知的数据信息转换为我们可以理解的知识及智慧，企业管理者依据获得的知识及智慧做出正确决策，带领企业走向成功。
数据分析能干吗呢？
数据分析主要帮助决策者了解情况、发现规律以及预测将来。
假如我是一家做的还不错的卖服装的淘宝店长，我需要知道一天内我卖了多少件商品、挣了多少钱、哪个品牌卖的多哪个品牌卖的少、哪种商品需要补货、哪种颜色受欢迎等等信息，以便及时做出策略调整，保持市场竞争优势。
这就是了解情况。
在经营了一段时间之后，店里积累了一些历史数据，通过对数据的深入挖掘，我发现特定人群甲喜欢购买圆领深色服装，而另一些特定人群乙喜欢购买宽松浅色服装，一些人在买了A品牌T-Shirt之后会购买B品牌短裤，而另一部分人在浏览了C页面后会对D品牌产生兴趣。
于是我将圆领深色服装推销给甲，将宽松浅色服装推销给乙，将B品牌短裤购买链接添加在A品牌T-Shirt购买页的推荐商品中，将D品牌促销信息追加到C页面中，于是店中的商品走的更好了。
这就是发现规律。
又经营一段时间后，我发现E品牌商品总是在被浏览2到3次之后就会被卖出去一件，于是我发现浏览次数与销售件数之间存在较强的关联关系，于是我想办法增加E品牌商品的点击次数，通过浏览量的趋势大致可以预测出未来一段时间内销量的变化情况。
这就是预测将来。
数据分析有哪些类别呢？
根据数据分析作用的不同，我们可以将数据分析大致分成以下类别：
以了解业务情况为目的的数据分析方法归类为业务数据分析方法，以发现规律及预测将来为目的的数据分析方法归类为数据挖掘分析方法。
数据分析要掌握哪些知识技能呢？
做数据挖掘分析需要分析人员具有较高的数理统计知识、一定的工具使用及编程技能以及较高的业务知识才能完成。
工具：
在工具上除了需要掌握做数据分析工作最离不开的Excel及豌豆BI外，还要掌握一些专业的数据挖掘工具。
常使用的数据挖掘工具有Python语言、R语言、SPSS、SAS等。想成为合格的数据挖掘向的数据分析师需要一段较长的学习时间以及一定的工作积累。
较高的业务知识：
业务数据分析方法的目的是对业务情况的事实描述，较少涉及数理统计的相关知识，对业务知识、数据加工处理整合方法、数据汇总方法及业务图表呈现方法的要求较高。基本不要求编程技能。
此类方法适合非数据分析专业人员学习掌握，比如像从事财务、人力资源、销售支持等业务部门工作的员工，他们已经具备相当丰富的业务知识了，再掌握数据加工、数据汇总及业务图表呈现等技能后便可以独立进行业务数据分析了。
业务人员进行业务数据分析需要掌握的基本工具主要有两个，一个是Excel，另一个是豌豆BI。
豌豆BI支持多种数据源的对接、数据预处理、自动建模、灵活的看板分析，提供组件化的统计图、丰富的数据统计函数，你只需要简单拖拽，分分钟之间像玩游戏一样可以完成一张可视化仪表盘。
1、智能建模，自动识别指标维度
我们知道数据模型和数据处理是数据分析的基础，但是数据仓库、数据模型、维度、指标、关联关系等模型的设计和处理，存在一定的技术门槛。
为了让业务人员可以自助完成数据分析，豌豆BI自动识别指标维度和关联关系，形成数据模型。这个过程对于用户来说完全透明的、感知不到的；对于拥有一定技术的人员也可以在系统中自行建立和修改模型。
2、拖拽式操作，省时又省力
随心而动的看板分析，完全拖拉拽的操作方式，一秒生成可视化图表。
假设您现在是一位业务分析人员，想要了解企业每个月的营收情况，则可按以下操作：
将月份这个维度的拖拽到分析区。
将营业收入、净利润这2个维度依次拖拽到分析区。
3、智能图表推荐
豌豆BI内含智能图形引擎，图形引擎采用智能推荐算法，根据用户选取的指标和维度进行分析，推荐出最适合数据展示的图形。
比如当用户使用“地区”这样指标时会自动使用地图进行数据展现。
拖入“性别”维度后，拖入指标，出现男女图↓
有时不想用推荐的的怎么办？点击智能面板就可以了，超多统计图表任君选择。
4、智能联动钻取
豌豆BI支持联动钻取，即同一张看板可以换个角度查看数据，也可下钻查看明细数据。豌豆BI所有图表无需任何设置即可联动，也可自定义选择部分图表参与联动和下钻。
当图上的数据因为用户点击变化时，会自动分析出与图形相关的信息，然后再触发其他图形重新计算并展示，让用户随心所欲的探索数据。