『壹』 如何做好数据分析

第一步:数据准备:（70%时间）
· 获取数据（爬虫，数据仓库）
· 验证数据
· 数据清理（缺失值、孤立点、垃圾信息、规范化、重复记录、特殊值、合并数据集）
· 使用python进行文件读取csv或者txt便于操作数据文件（I/O和文件串的处理，逗号分隔）
· 抽样（大数据时。关键是随机）
· 存储和归档
第二步:数据观察（发现规律和隐藏的关联）
· 单一变量:点图、抖动图；直方图、核密度估计；累计分布函数
· 两个变量:散点图、LOESS平滑、残差分析、对数图、倾斜
· 多个变量:假色图、马赛克图、平行左边图
第三步:数据建模
· 推算和估算（均衡可行性和成本消耗）
· 缩放参数模型（缩放维度优化问题）
· 建立概率模型（二项、高斯、幂律、几何、泊松分布与已知模型对比）
第四步:数据挖掘
· 选择合适的机器学习算法（蒙特卡洛模拟，相似度计算，主成分分析）
· 大数据考虑用Map/Rece
· 得出结论，绘制最后图表
循环到第二步到第四步，进行数据分析，根据图表得出结论完成文章。

结合实际业务来做数据分析
“无尺度网络模型”的作者艾伯特-拉斯洛·巴拉巴西认为——人类93%的行为是可以预测的。数据作为人类活动的痕迹，就像金矿等待发掘。但是首先你得明确自己的业务需求，数据才可能为你所用。
1.数据为王，业务是核心
· 了解整个产业链的结构
· 制定好业务的发展规划
· 衡量的核心指标有哪些
有了数据必须和业务结合才有效果。首先你需要摸清楚所在产业链的整个结构，对行业的上游和下游的经营情况有大致的了解。然后根据业务当前的需要，指定发展计划，从而归类出需要整理的数据。最后一步详细的列出数据核心指标（KPI），并且对几个核心指标进行更细致的拆解，当然具体结合你的业务属性来处理，找出那些对指标影响幅度较大的影响因子。前期资料的收集以及业务现况的全面掌握非常关键。
2.思考指标现状，发现多维规律
· 熟悉产品框架，全面定义每个指标的运营现状
· 对比同行业指标，挖掘隐藏的提升空间
· 拆解关键指标，合理设置运营方法来观察效果
· 争对核心用户，单独进行产品用研与需求挖掘
发现规律不一定需要很高深的编程方法，或者复杂的统计公式，更重要的是培养一种感觉和意识。不能用你的感觉去揣测用户的感觉，因为每个人的教育背景、生活环境都不一样。很多数据元素之间的关系没有明显的显示，需要使用直觉与观察（数据可视化技术来呈现）。
3.规律验证，经验总结
发现了规律之后不能立刻上线，需要在测试机上对模型进行验证。

sc-cpda 数据分析公众交流平台。

『贰』 作为一个公司的数据分析职位人员，应该做哪些工作

这个主要看你的岗位职责，与具体企业也有关系。
但要做一个出色的数据分析员，以下几点需要注意：
1、数据储存和运算
这部分工作是基础工作，别人可能都看不到，但对于你却很重要。
所有数据，要按数据库的思想存储，经常需要的指标，要做好模板或列好运算法则。
总之，这部分的要求是数据信息齐全、计算及时。
不要领导说完需求，很久才出一个结果。
平时感觉哪部分信息有可能被用到，要提前收集。

2、报表管理
常用的分析科目，都要有报表管理。
出哪些表、什么时间出表，谁出表，谁检查，都要报给谁，格式如何，是否保密等是一套制度，
都要注意到。

针对1、2两项，还可以提出软件硬件的需求，提高工作效率！

3、分析报告
整体经营报告和分项报告，有的公司还会要求PPT格式，用来在经营会上讨论分析。
所以，要会写分析报告。

4、沟通交流
分析报告好写，但是因素分析，就比较难了。
因为涉及各个部门和业务，就得多和他们沟通。
平时也要多交流联系，熟悉业务，要不别人也不愿意给你多说。
比如，这个月销售业绩下降20%，原因在哪？
你调查一下，可能会知道，天气、物流配送、价格是主要问题。