关于数据分析的一点儿想法

数据分析顾名思义，对数据进行分析。写这篇小小的文章，是想分享一下数据分析的步骤有哪些。

第一步：

既然要对数据分析那么就来到了第一个点，你为什么要对数据分析呢？ 数据分析的目的是极其重要的，如果你连数据分析的目的是什么都不清楚，那么分析的结果可能就毫无意义。而数据分析的目的来自于哪里呢？

a. 业务的痛点，原因/状况分析  -> 需要你作为数据分析人员具备一定的业务知识。

b. 高层 CxO的某个方向，战略目标 -> 需要你作为数据分析人员具备的一定的战略分析能力。

第二步：

既然清楚了分析的目的，那么接下来我们应该清楚从哪里能够拿到所需要的数据。也就是数据收集工作。具体的做法因为公司的不同，公司信息系统架构的不同，数据来源的不同可能会有差异。

a. 如果有公司的数据工程师能够帮助拿到数据 -> 需要你能够解释清楚你所需要的数据包含哪些信息，以及明白理解一定的数据仓库，数据库，sql取数的相应知识。

b. 如果是错综复杂数据源，来自于不同的平台甚至是外部数据。-> 需要你对数据能够理清楚数据之间的关系。

第三步：

既然你已经拿到了数据，那么接下来你可以开始你的数据清理/数据整理工作了。

第四步：

如果数据已经整理完毕，那么接下来就是可以做数据的分析工作了。这里面需要对数据在前几步已经清楚和理解的前提下，采用对应的合适的数据分析方法对其进行分析，包括：

多维分析，细分分析，因子分析，回归分析，留存分析，漏斗分析，聚类/分类分析，对比分析，交叉分析等。 根据所需要分析的目的，场景不同采用的分析方法可能不同。

除数据分析方法外，数据分析的思维这里面也很重要，常用的框架思维应该具备，比如： PEST, 波特五力模型， 波士顿矩阵， 4P, 4C ， RFM模型，　AARRR模型，５W２Ｈ模型 等等。

第五步：

当我们的数据分析结果已经完成，这时候需要我们将数据的结果以报告的方式呈现。而呈现的方式包括数据的可视化部分以及数据报告的章节部分。

a. 数据可视化的部分 -> 需要我们清楚应该采用什么样的合适的图形展示你的数据结果。常用的图形包括：柱形图，条形图，直方图，线图，饼图（并不建议使用，有些可视化工具里甚至没有这个图形，后面说原因），树状图，热力图，标靶图，瀑布图，箱线图，散点图，气泡图，词云图。 当然了基于这些基础图，可进行更进一步的设计从而展现更加丰富的信息。

b.数据报告章节的部分-> 这里如同我们读书时代写论文一样，需要你有清晰的论点，有力的论据以及清晰的论文结构。常见的结构有总分总的结构， 也有总分， 分总等，基于不同的情况采用的方式可能不同。