無論你是剛接觸數據分析，還是一位分析大神，我想很多人都不知道，數據分析究竟是什麼，或者說數據分析的本質是什麼資。
其實很多公司和企業，也不明白數據分析是什麼，很多人從網上看到公司招數據分析師，進入了之後發現是做什麼的呢?就是天天用sql取數給業務用，十分機械而且也沒成就感。
這叫做數據分析嗎?當然不叫!所以我們要先對數據分析有個整體的認知。我給數據分析下了個更易懂的定義:數據分析，就是針對某個問題，將獲取後的資料用分析手段加以處理，並發現業務價值的過程 。這一句話，基本上可以包含資料分析所必須的流程點，我們一個個講。
- 問題
首先第一個關鍵詞是“問題”，我們可以把這個詞解釋“發現問題”或者是“目標”
數據分析一定要有目標!哪怕業務人員給你提出的問題或者需求，根本不是那麼明確和清晰，你也要找到自己要分析的目標!
舉個最簡單的例子，業務方最近新上線了一個功能，想讓你分析一下目前這個功能的使用情況。這時候你該怎麼做?
你會覺得“分析業務功能情況”是目標，然後根據這個模糊的目標你只能做一些描述性的統計分析，告訴業務方每天UV的最大值，最小值，中位數，平均數，方差，標準差….看起來很厲害的樣子，但這些資料有啥意義呢?這樣子的目標就是在做樣子，應該怎麼做呢?
要明確業務方的需求是什麼，然後分析業務最終的目的，把這個目的進行拆解;比如剛才的例子，業務真正想要了解的是什麼，是這個新功能的目的，是為了提升客戶的留存率?還是為了提升客戶的轉化率?還是其他的?然後再把這個目的給拆解，確定我們的指標，然後再進行分析。這才是真正的目標思維。
2. 獲取
第二個關鍵詞是“獲取”，叫做“資料獲取”或者“資料採集”?
資料採集就是將原始資料從資料庫中取出來，主要工作是:搞清楚資料放在哪裡+怎麼把資料取出來。
資料存放在哪裡
很簡單的答案，很多人都知道公司的業務資料一般都是放在資料庫裡的，但是相同的資料庫，資料來源不一樣相同，我們所取的資料一定保證資料來源的一致.否則會造成資料混亂。
比如說，不同的資料儲存系統，mysol、oracle、sqlserver等等，資料倉庫結構以及各庫表之間的關聯方式也可能有所不同，星型?雪花型?資料指標是否相同，名稱、含義、欄位型別、約束條件等等?是否經過了ETL處理，清洗規則是什麼樣的?這些都是我們在進行資料提取之前所必需瞭解的。
怎麼把資料取出來?
其實只要搞清楚了資料放在哪裡，取出來就是水到渠成的事情。一般來說SQL是進行資料採集的必備技能，目前也是資料分析實際業務場景中最常使用的取數方式。當然了，能取出什麼樣的資料，也要看你是否精通SQL。
比如單張資料庫表的提取很容易就做到了，但是跨表查詢提取的時候很多人就不行了。
再比如更為複雜一點的複雜查詢、聯機處理等等，這些做數倉的人用的很多，我們資料分析師不必設計這麼深，我們只要熟練掌握就行了;當然，有很多資料分析師最後也做了數倉師、架構師，如果你以後考慮往這個方向發展，SQL肯定是要精通的。
3. 資料
第三個關鍵詞是“資料”，這裡說的資料是廣義上的資料，包括資料庫中的資料，也可以概括為資料場景，也可以理解為經過清洗後的資料。
總之，這個資料指的是我們可以直接拿來分析的資訊，而不是一堆髒亂差的原始資料。
資料庫資料
資料庫資料這裡就不細講了，我們只要知道資料庫中的資料都有哪些就行了比如業務資料、日誌資料之類的。
資料場景
很多人都問我為什麼看資料看的好好的，一到實際業務場景中都歇菜了?這是因為在實際業務分析中，我們分析的不是資料，而是場景。那我們怎麼根據場景找資料呢?
最重要的方法是建立分析指標體系
我很喜歡用點線面體的定義來解釋指標體系，如果用點線面來解釋，搭建分析指標體系就是分析整個“體”，將分析框架的體系化，明確每個點都是什麼指標，任何一個分析路徑都能對應到指標。
指標體系搭建一般都是要放在資料提取之前做的工作，方便我們這一步的資料清洗。
以電商為例，我們在取數前遵循“人貨場”的思維邏輯，這就是我們的體，我們的大體指標框架。然後我們要找人貨場各自的業務邏輯，也就是場景，電商常用的業務分析場景有哪些呢?無非就是銷售、商品、渠道、競品、會員等等，這就是我們的面。而商品可進一步細分為商品的庫存、商品的利潤以及關聯銷售分析，這就是線和點。
總結起來就是，在整個業務分析體系中，確保先分析什麼，後分析什麼，從體及線，從線及點，有了點，我們就知道該需要什麼資料了。
清洗資料
資料分析工作裡資料清洗基本上比較佔時間，包括髒資料的排除、重複資料檢索、無效資料等等，如果你的資料來源比較混亂，那麼還需要篩選資料指標、整合核心資料等等工作，總體來說比較耗費精力。
最後要注意一點，很多人喜歡採集大資料，認為資料越多越好，不管什麼規則、質量好壞，這是不對的。
我們在進行資料獲取的時候，一定要保證我們資料的質量，避免髒亂差數
4.分析手段
這裡就是我們狹義上所說的資料分析了，根據實際場景需要可以分為四種:描述分析、統計分析、挖掘分析、建模分析
描述分析
其實就是資料分析思維，其實業務很喜歡讓你做描述性的分析，因為不會用到演算法之類的東西，業務能看得懂，就能跟你扯皮。
描述分析包括:
·對比、細分、趨勢等三大基礎思維
·結構化、演繹推理、假設等常用分析思維
·指標思維、系統思維等常用業務思維
數理分析
數理分析，基本要用到一些數理統計學基礎的分析方法，比如:
·分類分析
·聚類分析
·相似分析
·假設檢驗分析
·迴歸分析
建模分析
第三個是建模分析，也就是資料分析模型，常見的一些我們都會講到:
·波士頓模型
·ABtest模型
·RFM模型
·購物籃模型
挖掘分析
最後就是挖掘分析，基於我們的一些資料分析和挖掘工具，比如常用的excel和python、BI等，這裡不多做介紹。
5.業務價值
最後一個關鍵詞是“業務價值”，這是資料分析最核心也是最終的目的
企業是做什麼的呢?
企業的作用是向市場提供產品或服務，為客戶創造價值。那我們資料分析就是為企業提供服務和產品，為企業創造價值
價值體現在兩點:
·將盈利時間拉長:需創造的價值讓越來越多的客戶知道並認可，獲得使用者粘性，從而實現持續增長，其實就是使用者體驗
·將單位時間內盈利量做大:需提高企業創造價值的效率.
所以我們要做的資料分析也要跟緊緊貼合這兩個點，這就要求我們在進行資料分析最後一步 — 資料視覺化、資料報告等等時，要緊緊貼合業務，給領導或者業務最想看的資料，這也是一門學問。
以上就是本期的內容分享~~，碼字不易，如果覺得對你有一點點幫助，歡迎「追蹤」，「點贊」，「分享」喔，我會持續為大家輸出優質的內容~~
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。各位也可以關注我的Facebook，按讚我的臉書並私訊「10」，送你十週入門數據分析電子書唷！期待你與我互動起來~
文章推薦
◆何謂BI商業智慧？BI與報表有何不同，80%的IT人都不懂！
回顧十週入門數據分析系列文：
關注數據君的臉書，ins（全網同名）
我是「數據分析那些事」。常年在臉書，ins分享數據分析乾貨，不定期分享好用的職場技能工具。按贊我的臉書，並在臉書置頂帖子下回復SQL50,會有MySQL經典50題及答案贈送唷！
