數(shù)據(jù)分析這算是一個(gè)比較大的一個(gè)框架,，單從字面意思來講就是從數(shù)據(jù)中提取有用的規(guī)律或背后的邏輯。

工作中數(shù)據(jù)分析的職能主要分為以下6個(gè)步驟：

數(shù)據(jù)收集

數(shù)據(jù)清洗

數(shù)據(jù)儲(chǔ)存

指標(biāo)計(jì)算

數(shù)據(jù)統(tǒng)計(jì)分析與建模

數(shù)據(jù)可視化

第一步數(shù)據(jù)收集：在前期我們數(shù)據(jù)尚未形成特定的體系的時(shí)候亦或者是我們的業(yè)務(wù)正在進(jìn)行的時(shí)候,，需要我們通過各種各樣的途徑去獲取數(shù)據(jù),。數(shù)據(jù)收集的方法多種多樣，其中可以用程序自動(dòng)收集（數(shù)據(jù)埋點(diǎn)、網(wǎng)絡(luò)爬蟲、ERP或CRM系統(tǒng)自動(dòng)生成等）,、手工統(tǒng)計(jì)（Excel統(tǒng)計(jì)）、第三方網(wǎng)站提?。ㄍㄟ^公開數(shù)據(jù)網(wǎng)站下載，API等）等諸多方法,，方法的選擇跟隨業(yè)務(wù)形態(tài)進(jìn)行,。

第二步數(shù)據(jù)清洗：收集來的數(shù)據(jù)是臟數(shù)據(jù)，需要通過數(shù)據(jù)清洗,，也就是取其精華去其糟粕,，這樣的數(shù)據(jù)才是我們能夠正常使用的數(shù)據(jù)。這一步的操作主要使用的是正則表達(dá)式進(jìn)行數(shù)據(jù)清洗,，收集來的數(shù)據(jù)各種格式都有,，需要轉(zhuǎn)碼成特定的格式以及編碼。

第三步數(shù)據(jù)存儲(chǔ)：由于現(xiàn)在的公司數(shù)據(jù)越來越大,，互聯(lián)網(wǎng)時(shí)代已經(jīng)從IT轉(zhuǎn)變?yōu)镈T的時(shí)代,，現(xiàn)在每個(gè)公司的業(yè)務(wù)數(shù)據(jù)都是呈現(xiàn)幾何倍數(shù)的增長，那么在存儲(chǔ)數(shù)據(jù)的時(shí)候肯定不可能還用以前那種用紙筆記錄的時(shí)代?，F(xiàn)在對(duì)于小數(shù)據(jù)量的公司一般也是用Excel文件進(jìn)行數(shù)據(jù)存儲(chǔ),，許多公司以及采用數(shù)據(jù)庫產(chǎn)品進(jìn)行數(shù)據(jù)存儲(chǔ)，市面也有很多性能很好的數(shù)據(jù)庫產(chǎn)品,，例如Oracle,、MySQL、SqlServer,，現(xiàn)在對(duì)大數(shù)據(jù)還專門有對(duì)應(yīng)的hive數(shù)據(jù)倉庫產(chǎn)品,。這些產(chǎn)品都很好用，并且部分還是開源產(chǎn)品,。就我們公司而言,，之前使用的Oracle和MySQL以及SqlServer數(shù)據(jù)庫，目前因?yàn)闃I(yè)務(wù)線條的調(diào)整,，已經(jīng)將數(shù)據(jù)從單一的數(shù)據(jù)庫轉(zhuǎn)向hive數(shù)據(jù)倉庫存儲(chǔ),，更方便了技術(shù)、業(yè)務(wù),、分析師等角色對(duì)數(shù)據(jù)的應(yīng)用提取,。

第四步指標(biāo)計(jì)算：在進(jìn)行指標(biāo)計(jì)算之前，需要數(shù)據(jù)分析師建立當(dāng)前部門的KPI指標(biāo),，對(duì)應(yīng)著業(yè)務(wù)部門針對(duì)不同的業(yè)務(wù)場景反饋出業(yè)務(wù)好壞的數(shù)據(jù)與規(guī)則,。這一步繁雜而持續(xù)，并且可能這項(xiàng)工作會(huì)貫穿整個(gè)數(shù)據(jù)分析生涯。什么是指標(biāo),？指標(biāo)就是衡量目標(biāo)的方法,，比如商品管理常用的庫存周轉(zhuǎn)率、毛利率等,，運(yùn)營?？吹穆窂睫D(zhuǎn)換，maketing?？吹腞OI等等,，對(duì)應(yīng)的指標(biāo)反映出不同的業(yè)務(wù)場景的好壞，隨著業(yè)務(wù)的變換,，企業(yè)階段的變換,，指標(biāo)也會(huì)一直在跟隨著變換。

第五步數(shù)據(jù)統(tǒng)計(jì)分析與建模：這個(gè)環(huán)節(jié)是整個(gè)數(shù)據(jù)分析流程中最有意思的一個(gè)環(huán)節(jié),，沒有之一,。相比于之前的環(huán)節(jié)，在此環(huán)節(jié)你將會(huì)面臨各種各樣的挑戰(zhàn),。什么假設(shè)檢驗(yàn),，什么線性回歸、什么特征工程,、什么貝葉斯等都會(huì)遇到,，在這里你將會(huì)看到各種數(shù)據(jù)背后的邏輯以及數(shù)據(jù)所產(chǎn)生的價(jià)值。并且在數(shù)據(jù)分析的過程中可能會(huì)遇到第二步的數(shù)據(jù)清洗過程,，處理缺失值,、處理異常值等。

第六步數(shù)據(jù)可視化：也就是數(shù)據(jù)展現(xiàn),，需要將第五步統(tǒng)計(jì)分析及建模的結(jié)果使用圖的形式體現(xiàn)出來,，俗話說字不如表，表不如圖,。市面上使用的比較多的數(shù)據(jù)可視化產(chǎn)品主要是Tableau,、PowerBI、finebi,、PPT等幾種,。其中前三種主要是呈現(xiàn)交互式表格，也就是存儲(chǔ)于線上的報(bào)表,，而PPT主要是以報(bào)告的形式呈現(xiàn),。

現(xiàn)在的數(shù)據(jù)分析可按照職能簡單劃分為幾個(gè)方向：

商業(yè)數(shù)據(jù)分析師

數(shù)據(jù)挖掘工程師

大數(shù)據(jù)開發(fā)工程師

以上幾種是當(dāng)前的招聘時(shí)長相對(duì)比較常見的幾種崗位，各崗位之前各有不同,。商業(yè)數(shù)據(jù)分析師主要是以業(yè)務(wù)為導(dǎo)向,，將數(shù)據(jù)應(yīng)用到企業(yè)的決策中,，主要的工具是Python、R,、Excel,、SPSS、tableau,、PowerBI等,；數(shù)據(jù)挖掘工程師比較側(cè)重技術(shù)方向，主要反欺詐,、垃圾郵件識(shí)別等數(shù)據(jù)應(yīng)用,，主要的工具是Python、Java,、C、C++等,；大數(shù)據(jù)開發(fā)工程師主要負(fù)責(zé)搭建數(shù)據(jù)平臺(tái),，利用hadoop、hive,、spark,、Python、Java,、C,、C++等工具開發(fā)適合公司數(shù)據(jù)流的數(shù)據(jù)平臺(tái)。數(shù)據(jù)分析是一個(gè)目前為止比較新興的崗位,，因此大多數(shù)人都是在不斷的學(xué)習(xí)改進(jìn),。

以上為我的一些拙見，有什么不足的地方歡迎補(bǔ)充交流,。