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)務正在進行的時候，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、網絡爬蟲、ERP或CRM系統(tǒng)自動生成等）、手工統(tǒng)計（Excel統(tǒng)計）、第三方網站提取（通過公開數(shù)據(jù)網站下載，API等）等諸多方法，方法的選擇跟隨業(yè)務形態(tài)進行。

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式進行數(shù)據(jù)清洗，收集來的數(shù)據(jù)各種格式都有，需要轉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)網時代已經從IT轉變?yōu)镈T的時代，現(xiàn)在每個公司的業(yè)務數(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文件進行數(shù)據(jù)存儲，許多公司以及采用數(shù)據(jù)庫產品進行數(shù)據(jù)存儲，市面也有很多性能很好的數(shù)據(jù)庫產品，例如Oracle、MySQL、SqlServer，現(xiàn)在對大數(shù)據(jù)還專門有對應的hive數(shù)據(jù)倉庫產品。這些產品都很好用，并且部分還是開源產品。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)務線條的調整，已經將數(shù)據(jù)從單一的數(shù)據(jù)庫轉向hive數(shù)據(jù)倉庫存儲，更方便了技術、業(yè)務、分析師等角色對數(shù)據(jù)的應用提取。

第四步指標計算：在進行指標計算之前，需要數(shù)據(jù)分析師建立當前部門的KPI指標，對應著業(yè)務部門針對不同的業(yè)務場景反饋出業(yè)務好壞的數(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？指標就是衡量目標的方法，比如商品管理常用的庫存周轉率、毛利率等，運營常看的路徑轉換，maketing常看的ROI等等，對應的指標反映出不同的業(yè)務場景的好壞，隨著業(yè)務的變換，企業(yè)階段的變換，指標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)務為導向，將數(shù)據(jù)應用到企業(yè)的決策中，主要的工具是Python、R、Excel、SPSS、tableau、PowerBI等；數(shù)據(jù)挖掘工程師比較側重技術方向，主要反欺詐、垃圾郵件識別等數(shù)據(jù)應用，主要的工具是Python、Java、C、C++等；大數(shù)據(jù)開發(fā)工程師主要負責搭建數(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)人都是在不斷的學習改進。

以上為我的一些拙見，有什么不足的地方歡迎補充交流。