数据分析流程与方法

一、数据分析的价值:

了解现状、发现问题、寻找原因、预测未来、决策赋能（层层递进的关系）

数据分析可以让业务更清晰、让决策更高效

二、数据分析发现路线:

商业分析: 数据分析师——商业分析师——业务负责人

数据挖掘 数据分析师——数据挖掘工程师/机器学习——数据科学家

数据分析组织架构

组织架构

三、数据分析能力匹配:

商业数据分析师 业务知识、沟通能力、分析思路、分析工具、SQL、PPT演讲能力、业务推动能力

数据挖掘工程师 算法、python、R、C++、hadoop等

四、数据分流程

需求分析——数据收集——数据清洗——数据分析——数据展现——报告撰写——反馈与评价

1、需求分析:

• 理解需求目标

• 分析业务问题优先级

• 确定需求数据来源

• 确定受众的水平

• 研究可以回答业务问题的视图

• 确定受众的喜好（颜色、Logo、大小）

2、数据收集:数据是一切分析的基础

字段收集：确认数据来源系统（本地文件excel,csv、数据库sql）

3、数据清洗:不准确的数据分析出的结果毫无价值意义！

数据常见问题:数据残缺（空数据）、数据错误、数据重复

解决办法:过滤法、插值法（数据量较少时使用，采用平均值、众数、中位数、根据业务情况定）

4、数据分析（方法）:通过一系列的数据分析方法从数据得到可以回答需求的答案

• 多维分析:就是细分分析

• 对比分析:有对比才有分析，有对比数据才能产生意义（与过去、行业、目标对比）

• 象限分析:制定公司流程战略最流行的方法之一（波士顿矩阵）

• 转化分析:分析产品功能和关键节点的转化效果

• 留存分析:分析用户对产品的黏性

• 公式拆解法:

• 结构分析法：

• 帕累托分析与ABC分析

5、数据展现:

可视化展现（字不如表，表不如图）

图表字典

图表字典

6、报告撰写:如何做出一份合格的数据分析报告

• 背景（描写报告的业务背景，只有受众了解了才能知道报告的价值所在）

• 数据来源（注明数据来源，才能提高可信度）

• 数据展示（数据文字合理的排版，才会有好的可视化效果）

• 抛出结论（有结论的分析才有意义）

• 提出建议（根据分析结论提出相应的建议）

五、数据分析流程对应工具

• 需求分析（思维导图，Excel文档，Word文档）

• 数据收集（Excel数据源，csv数据源，数据库，web数据）

• 数据清洗（Excel，Python，SQL，tableau，power query）

• 数据分析&可视化（tableau,power bi，Excel，Python）

• 报告撰写（PPT，WORD，tableau）