數(shù)據(jù)分析這算是一個比較大的一個框架,，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個步驟：

數(shù)據(jù)收集

數(shù)據(jù)清洗

數(shù)據(jù)儲存

指標(biāo)計算

數(shù)據(jù)統(tǒng)計分析與建模

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候亦或者是我們的業(yè)務(wù)正在進(jìn)行的時候,，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收集（數(shù)據(jù)埋點、網(wǎng)絡(luò)爬蟲,、ERP或CRM系統(tǒng)自動生成等）,、手工統(tǒng)計（Excel統(tǒng)計）、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：由于現(xiàn)在的公司數(shù)據(jù)越來越大，互聯(lián)網(wǎng)時代已經(jīng)從IT轉(zhuǎn)變?yōu)镈T的時代,，現(xiàn)在每個公司的業(yè)務(wù)數(shù)據(jù)都是呈現(xiàn)幾何倍數(shù)的增長,，那么在存儲數(shù)據(jù)的時候肯定不可能還用以前那種用紙筆記錄的時代。現(xiàn)在對于小數(shù)據(jù)量的公司一般也是用Excel文件進(jìn)行數(shù)據(jù)存儲,，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，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)在對大數(shù)據(jù)還專門有對應(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,，目前因為業(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,，更方便了技術(shù),、業(yè)務(wù)、分析師等角色對數(shù)據(jù)的應(yīng)用提取,。

第四步指標(biāo)計算：在進(jìn)行指標(biāo)計算之前,，需要數(shù)據(jù)分析師建立當(dāng)前部門的KPI指標(biāo)，對應(yīng)著業(yè)務(wù)部門針對不同的業(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),，并且可能這項工作會貫穿整個數(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,，運營?？吹穆窂睫D(zhuǎn)換，maketing?？吹腞OI等等,，對應(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)也會一直在跟隨著變換。

第五步數(shù)據(jù)統(tǒng)計分析與建模：這個環(huán)節(jié)是整個數(shù)據(jù)分析流程中最有意思的一個環(huán)節(jié),，沒有之一,。相比于之前的環(huán)節(jié)，在此環(huán)節(jié)你將會面臨各種各樣的挑戰(zhàn),。什么假設(shè)檢驗,，什么線性回歸、什么特征工程,、什么貝葉斯等都會遇到,，在這里你將會看到各種數(shù)據(jù)背后的邏輯以及數(shù)據(jù)所產(chǎn)生的價值。并且在數(shù)據(jù)分析的過程中可能會遇到第二步的數(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,，也就是存儲于線上的報表，而PPT主要是以報告的形式呈現(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)前的招聘時長相對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,，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,。數(shù)據(jù)分析是一個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充交流。