“一千人眼里有一千个哈姆雷特”，说明每个人对事情的理解都存在差异。而数据分析师在工作中，对于自己的想法和理解，不可避免会有一定程度的依赖。所以培养数据分析师规范的思维逻辑，至关重要。
首先咱们来梳理一下数据分析的流程：
1.明确分析目的和思路：在进行数据分析之前，首先考虑的应该是“为什么要展开数据分析？我要解决什么问题？从哪些角度分析数据才系统？用哪个分析方法最有效？”，而不是“这此分析需要出多少页报告？打算用高级分析算法试试…”这样的思维方式。只有明确了分析目的和思路，数据分析的方向才不会跑偏，才能得出有意义的结论。
2.数据收集：明确了分析目的，接下来就是开工收集数据了。数据的来源有很多种，例如原始数据（第一手数据）、数据库（第二手数据）、公开出版物、互联网、市场调查等。公司普遍都有数据库，常用于公司业务等方面的分析；《世界发展报告》、《中国人口统计》等是很常用的公开出版物，具有一定的权威性。利用国家统计局网站、政府机构网站、传播媒体网站等，是最常用的互联网获取数据方式。
3.数据处理：包括数据清洗、转换、分组等处理方法。我们拿到的数据，通常情况下是不可直接使用的，比如数据有丢失、重复、有录入错误或存在多余维度等情况。只有经过处理后的数据才可以使用。
4.数据分析：在明确分析思路的前提下，选用适合的分析方法对处理后的数据进行分析。
5.数据展现：将分析结果用图表来展现。这也是需要花费一番功夫的，比如你想展示本月的网站用户转化率情况，可以选择柱形图，但为了体现每阶段用户流失情况，以漏斗图展示更为直观贴切。所以数据展现阶段，你需要思考“采用这个图表，能否清晰的表达出分析结果？我想表达的观点是否完全展示出来了？”
FineReport 数据报表
6.报告撰写：将数据分析的整个过程和结果，以书面的形式向他人说明。需要将分析目的、数据来源、分析过程、分析结论和建议等内容展现在报告中。
数据分析工具可以分为这样几类：
以上，Excel范围最广，适合新上手使用。报表工具和BI工具企业商用较多；R、Python之类适合有编程基础的数据分析师使用，开源的。
Excel不用多说，熟练掌握数据透视表，掌握常用的公式，懂一点开发，会写一些vlookup。
报表工具形同Excel，用来做dashboard很方便，好处就在于简单，数据透视、图表制作这些功能封装好的。譬如FineReport，整个过程就是连数据，设计模板，web展示。图表是内设好的或者开发对接Hcharts/Echarts/D3图标库，一般内置的图表以及够用了。
BI就是更高级的报表工具，图表、控件什么的都是拖拽实现。整个分析的过程包括数据清洗、转换、分组等处理方法，以及数据分析。相比报表工具，报表系统更着重于短期的运作支持，而BI则关注长期的战略决策，甚至更着重于商业趋势和业务单元的联系而非具体的数据和精确度本身。BI并不是用来代替着眼于日常运做的报表系统的。
FineReport 数据报表
数据分析的三大误区，看看你有没有踩中。
1.无明确的分析目的，完全为了分析而分析
与数据分析流程的第一步相同，分析目的要明确，你需要思考的是：采用什么方法才能达到分析的目的，到底哪种图表才能完全展现你想要表达的意图，这几个分析维度是否全面，是否可以支撑分析结论等等，是自然而然的进行相应的问题分析。
2.不懂业务、不懂管理，分析结果空洞化
许多刚入行的新手们，对于销售、企业运营等业务层面的东西，并不十分精通。比如领导需要一份本季度销售报告，如果仅仅利用统计知识进行同比、环比等维度分析，那么在你的报告中，一定没有领导想看到的信息。领导想看到什么呢？如果你懂业务和管理，你就会知道，利用分析模型：4P、用户使用模型、SWOT等模型进行下切，找出本季度销量好或者不好的原因，具体到哪一个部门或哪个人的责任 。并站在更高的角度，从全局来看：本年的销量情况占比如何，发展趋势是否在预计范围内。并提出结合业务的合理化建议，供领导参考。
3.看中高级算法，不在乎是否合适
每个算法都有其优势和局限性，在进行数据分析时，应该选择可以快速、准确的计算、得出结论的算法。正所谓“白猫黑猫，捉到老鼠就是好猫”。
好了，以上就是数据分析师应具备的分析思维。希望你我共同努力，在数据分析师的道路上，不断升级打怪，修炼自我，朝着专家领域进发！
转载自网络 不用于商业宣传 版权归原作者所有，侵权删。
41019702002033