数据分析有数据该怎么著手？

数据分析的流程：

明确需求与背景
数据获取
数据清洗
数据分析
数据可视化
输出报告并提出可落地方案
协助方案落地并观测后续进展

具体讲解：

一、明确需求与背景：在数据分析开始之前，一定要先明确做这次分析的目的和背景是什么，这样才可以保证数据分析的准确性以及最后输出结论建议的有效性和可落地性。不要为了数据分析而分析，因为这样大概率会成为自嗨式分析，业务方看到你输出的结论之后不是说：「你得出的结论我早就知道了」就是「你不了解业务情况"，"你的分析没有价值」等等。（主要技能：沟通能力/业务理解能力）

数据分析主要分为三类：

a.现状分析又叫描述性分析（告诉你过去发生了什么）：主要通过各种运营指标的完成情况来衡量公司的运营状况，以显示公司的整体运营情况是好是坏，它的表现如何？

b.原因分析 (告诉你为什么这些现状会发生)：在对第一阶段的现状进行分析之后，我们对公司的运营有了基本的了解，但是我们不知道哪里的运营更好，差异是什么，以及原因是什么。通过原因分析，可以得出有效结论，帮助业务知道导致现状的主要原因是什么，以及如何提升现有业务水平。c.预测分析（告诉你未来会发生什么）：了解公司运营的现状后，有时需要对公司的未来发展趋势做出预测，为公司制定业务目标，并提供有效的战略参考和决策依据，以确保公司的持续健康发展。

二、数据获取：在了解了需求与背景之后，才开始获取数据，看看资料库是否有该指标数据，然后明确指标数据的口径，如果没有该指标数据看看能否用其他指标代替，是否涉及到爬虫等等。（主要技能：SQL/爬虫）

三、数据清洗：在数据获取过程中，内部的数据往往质量较好，但是外部数据，比如爬虫获取的数据，数据大部分为「脏数据」，需要进行进一步的数据清洗，包括补全缺失值、删去异常值、重复值、进行数据转换等等才可以使用。（主要技能：Excel/Python）

四、数据分析：在数据准备好之后，才开始进行数据分析，结合需求与背景，选择合适的分析模型或方法。（常用的数据分析模型与方法：RFM模型/SWOT模型/AARRR模型/逻辑树/假设检验/相关性分析/对比分析/主成分分析/交叉分析等等）

五、数据可视化：通过有效的数据分析得出一定结论后，还需要用合适的方式展现出来，俗话说得「字不如表，表不如图"，合理运用图表可以更清晰展现，使受众更加容易理解你得出的结论。（主要技能：Excel/Python/R/power bi/tableau）

六、输出报告并提出可落地方案：按照需求与背景，结合分析框架，按照一定的逻辑结构撰写好数据分析报告，但在直接向业务方交付之前，应该先找个业务同学聊一下，看看数据是否异常，建议与结论是否合理，先进行初步评估，然后进一步修改完毕后，形成报告给业务leader。（主要技能：逻辑能力/PPT能力/沟通能力）

七、协助方案落地并观测后续进展：数据分析报告中的结论与方案得到业务方leader认可之后，开始推动并协助方案落地，并进一步观测相应的数据指标是否按照预期提升，及时发现问题及时矫正，这样才能形成一个完整的数据分析闭环。（主要技能：协调能力）

个人经验：无论多么猛如虎的骚操作，什么立意立场，什么可视化或者结论都没有任何用。数据分析的第一步一定要是：你要干什么（分析目的是什么），关注我文章，有些小经验分享

先看你想分析什么，再看现有数据满不满足，处理数据，建模不就行了

从数据可视化与数据探索开始

查文献，定方向

先从磁碟读到内存再说～

1.首先看这数据是否全面，能否满足你的要进行的分析需求

2.数据质量查看是否存在缺失值异常数据等

3.数据处理异常数据、缺失值处理进行数据清洗达到可使用状态

4.根据分析思路对数据进行分析