什麼是數據分析？

01-14

從 Google 上找了一些答案，不是很中意。請大家給點思路～

不知道題主是否區分數據分析與數據挖掘，前者偏向於業務分析，後者偏向於資料庫演算法。

如果題主只是想問問什麼是數據分析，大概談一談近年來的對數據分析的理解吧！

一句話概括下數據分析：藉助數據來指導決策，而不是拍腦袋！

傳統行業的決策過多依賴於領導人得眼光和洞察力，而數據分析要做的事，就是把這些眼光和洞察力轉化為人人可讀的數字！

這裡細分一下數據分析的框架：明確分析目標、數據收集、數據清理、數據分析、數據報告、執行與反饋

1.首先是數據分析的目的性極強

區別於數據挖掘的找關聯、分類、聚類，數據分析更傾向於解決現實中的問題。

我想解決什麼問題？通過這次的分析能讓我產生什麼決策？比如是否在某個高校舉辦一場活動，是否把我們的補貼政策再增加10元等等，數據分析的目的性極強。

2.數據收集

數據分析區別於數據挖掘的第一點就是數據來源。數據分析的數據可能來源於各種渠道，資料庫、信息採集表、走訪等等各種形式的數據，只要是和分析目標相關，都可以收集。而數據挖掘則偏向於資料庫數據的讀取。

3.數據清理

由於數據分析的數據來源相比於數據挖掘的直接從資料庫調取，數據分析的數據更加雜亂無章，你可能是從別人的分析報告里找數據，從百度上搜索數據，這些數據的格式、欄位都不統一，在這裡你需要根據你的目的進行歸類、整合。

4.數據分析

數據分析是全流程最重要的過程了！這裡最重要的事情是：時刻想著你的目標是什麼？比如了解某個時間段的交易狀況，你要根據這個目標做同比、環比等等...這一塊的方法極多，內容極大。由於題主只是想了解數據分析是什麼，這裡就不做過多的闡述。

5.數據報告

數據報告就是闡述你的結果嘛！你可以搞一堆大家看不懂的公式什麼的證明你的專業性，但是這裡需要你用最通俗易懂的語言告訴你的領導：做這件事有80%的概率收穫100W。OK！就是這麼簡單！

6.執行與反饋

就是開始幹活嘛！同時幹完活後需要用數據監測是否達到既定目標？如果達到了，關鍵因素是什麼？如果沒達到，問題出在哪裡？

OVER！

希望對題主有所幫助！

有問題可以相互交流！

瀉藥，

what的回答，得從最本質的問題入手。

什麼是數據分析？數據分析是什麼？

ok，這裡的關鍵詞就是「數據」加「分析」吧。

什麼是數據（data）？什麼是分析（analysis）？

某度一下就知道了。

【「數據」就是數值，也就是我們通過觀察、實驗或計算得出的結果。數據有很多種，最簡單的就是數字。數據也可以是文字、圖像、聲音等。數據可以用於科學研究、設計、查證等。】

【「分析」就是將研究對象的整體分為各個部分、方面、因素和層次，並分別地加以考察的認識活動。分析的意義在於細緻地尋找能夠解決問題的主線，並以此解決問題。】

好像挺淺白的，大家都懂嘛，但是數據分析不是很高深嘛，最近幾年才火的啊。

那我們來了解「數據＋分析」是什麼？

【「數據分析」是指用適當的統計分析方法對收集來的大量數據進行分析，提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。這一過程也是質量管理體系的支持過程。在實用中，數據分析可幫助人們作出判斷，以便採取適當行動。

數據分析的數學基礎在20世紀早期就已確立，但直到計算機的出現才使得實際操作成為可能，並使得數據分析得以推廣。數據分析是數學與計算機科學相結合的產物。】

好了，這裡的信息就加了很多吧，

「統計方法」「大量數據」「計算機」

嗯，有點意思了是不是？數學基礎知識？大量數據？還要計算機基礎？

原諒我轉了這麼久才想把最主要的說出來。

力圖走一下正常的認知路徑，能從簡單的邏輯去認知數據分析，但是，很多人搜到這裡，可能已經沒耐性了，想著旁邊抓個人問問得了吧。

那麼，數據分析到底幹啥？其實最後的搜出來的，

【統計學】＋【計算機】＝數據分析一大半

這就是基礎，

這個不是老早都有了嘛，為什麼現在才火呢？忘記了，還有個大量數據不是？但是這裡缺少大量的什麼數據？

其實吧，想想以前數據是什麼樣的？手抄紙質版？excel表格版？各種文件版？但是，現在有太大量的數據，比如簡單的銀行交易記錄，生產環節的數據，超市的買賣數據，它們怎麼處理呢？

最後，給個結果吧，what是數據分析？

【數學知識】＋【計算機工具】＋【具體業務的大量數據】＝【數據分析】

這個什麼意思呢？

那就是利用強大的計算機工具，並基於嚴謹的數學知識，去處理複雜業務存在的大量數據，最後得出數據的結論，來驗證或者發現業務存在的問題。

但是，現實中會有很多偏差，有可能是這樣的:

【屌絲版】

1.利用簡單的excel，基於初級的統計學知識，處理簡單業務存在的小量數據，得出鬼都知道的數據結論，驗證了業務實在不行或業務杠杠好的問題。

【高級版】

2.利用複雜的計算機工具（SPSS,SAS,R,MATLAB）,基於數據挖掘知識，處理複雜業務存在於資料庫里的多維度的大量的數據，得出資深業務員都發現不了的數據結論，發現了業務存在的不足或異常問題的所在，支持或引導業務的決策。

還有更多的偏差，例如數據分析，產品分析，市場分析，運營分析，銷售分析，業務分析，這些崗位太多交叉，很難說得准，這個跟公司的業務與崗位的劃分很有關係，這也難怪，不僅僅是數據分析分不清，其他崗位也一樣不是？

數據分析的理解，覺得最好的角度就是「互聯網＋」的思維，這是神馬啊？

那就是「數據＋」的思維！

數據單獨沒有任何意義，要放到具體的實際的業務才有意義，問你100你知道是什麼意思？100元？100訂單？100 pv？100 遊戲幣？。。。

那麼把數據分析當做一種技能，去對接具體業務才是實際有效的落地方案。

數據分析＋產品＝產品數據分析

數據分析＋運營＝運營數據分析

數據分析＋金融＝金融數據分析

數據分析＋網站＝網站數據分析

。。。

當然，還可以更細分。

數據分析＋運營+遊戲＝遊戲運營數據分析

多落地的崗位是吧。

手機碼字，排版可能亂點。如有問題，多多指出哈，歡迎一起交流，多年遊戲＋APP數據分析從業者。

另外歡迎加入目前灰常活躍的數據分析2000人QQ群:【數據分析在路上 158328722】

數據分析在路上，我們晃晃悠悠！

簡單的說，原理和基礎都在數學這邊。

線性代數（矩陣表示和運算）是基礎中的基礎，微積分（求導，極限）；

數據處理當然需要編程了，因此C/C++/Python任選一門，數據結構可以學學，只是讓你編程更順手，但是編程不是數據處理的核心。

Mid-level的課程，概率論+統計（很多數據分析基於統計模型），線性規劃+凸優化（統計到最後也還是求解一個優化問題，當然也有純優化模型不用統計模型的）

再高階的課程，就是些研究生的課程了，就比較specific了，可以看你做的項目再選擇選修，比如：Probabilistic Graphical Models, Nolinear Programming, Integer Programming, Machine Learning（其實機器學習，學的都是一些統計和優化），圖像處理，deep learning, 神經網路，等等等等。

學到Mid-level，然後做幾個實際項目，就能上手咯。要讀Phd搞科研，才上高階的。

至於書，沒有特別推薦的，但是建議看英文原版。或者，直接翻牆Youtube看視頻課程，很多國際知名教授都很無私地把自己上課的視頻放在youtube上免費學習。

比如，海德堡HCI 的Fred，圖像處理課程：

https://www.youtube.com/playlist?list=PLuRaSnb3n4kSgSV35vTPDRBH81YgnF3Dd

然後，就可以著手做項目了，最經典的regression，clustering, outlier detection，看幾篇paper學習幾種不同的模型和演算法，對一個現實問題，從拿到問題，分析問題，數學建模，編程實現，可視化，一套做下來，對項目整個流程有所了解。

完了你就有項目經驗了，恭喜可以找工作了。有名校畢業證會是很好的敲門磚，沒有的話，多積累項目經驗。

更詳細回答，參見：

想學數據分析需要學哪些課程？ - Ruobing Shen 的回答

關於我對最優化理論在諮詢行業的應用，參見

Data Science/Analytics 出身，可以在諮詢行業做些什麼？ - Ruobing Shen 的回答

最好按照慣例廣告一波：

歐洲、北美、全球留學及數據科學深度私人定製諮詢，從此DIY - Ruobing Shen的文章 - 知乎專欄

上面排名第1的回答太複雜了，我判別一個回答的好壞在於這個答案可以讓小白都能明白。

其實，數據分析並不是大數據時代，人工時代才有的概念。很早之前就有了。

在古時候，大夫看病，依靠的就是多年留下的「祖傳秘方」，其實就是上面記錄了多年來的病曆數據，然後根據經驗（也就是分析和總結）來看病。這其實就是數據分析：

決策=數據+分析

只不過現在因為技術的發達，很多數據可以通過互聯網的方式存儲下來，然後根據最新的統計概率等知識進行分析，最後根據分析結果給決策者提供輔助依據。

一般在互聯網所做的數據分析，無法就是下面幾步：

之前整理過的一篇文章，一起對數據分析進行一個掃盲

之前在微博上發起一個話題，大家一句話向外行說說什麼是數據分析？有100多位同學參與討論和轉發，其中@小蚊子樂園 對一些有意思的、不錯的說法進行了歸類整理，大家一起來看看。

最專業的數據分析：

@沈浩老師: 有針對性的收集、加工、整理數據，並採用統計和挖掘技術分析和解釋數據的科學與藝術！

最簡潔的數據分析：

@小蚊子樂園：簡單的很，就是分析數據。

@Terensu：描述數據特徵，預測數據趨勢，展示分析結果。

@wangman02：從一大堆數據中提取到你想要的信息，就是數據分析。

最浪漫的數據分析：

@數據化管理：數據分析就是：茫茫人海中，你通過觀察、跟蹤、記錄等手段找到你生命中最想愛的那個人，進而根據對方的喜好，成功的展示了自己的優點，改進了自己的缺點，並且說服了對方的父母，承諾終身與ta為伴的一項工作。

@劉萬祥ExcelPro: 你喜歡上一個姑娘，你會搜集她的興趣、愛好、星座、閨密、乃至三圍。。。等等各種信息吧，然後想自己怎麼能搭訕上、約出來，碰壁了會繼續找原因、想辦法，這裡面你都有在做數據分析呀。

@CIVN可視化社區：從你每天發的微博研究你喜歡哪個明星、是哪個星座的、喜歡吃什麼買什麼、大概幾歲會嫁出去。

最IT的數據分析：

@穆浩然：所以我一般都說我是做IT的。

@YicoLeung:複製粘貼。

@倉鼠_茄子把：你應該對男的低調說自己是碼農，對女的高調說自己是分析師！現在甭管是什麼職業，加個師字就顯得特牛B，比如策劃師,揉奶師,麵包師,搬磚師等等。

最實用的數據分析：

@ETwise:我告訴別人：你買了牙膏我還會推薦你買牙刷，我就是做這樣的工作的。

@老仲琢磨：可以知道剛當爹的男人買尿布時最可能順便買點啥。

@張勇往前行：每個月的月底，老婆問你，這個月的錢你都是怎麼花的？你的回答就是數據分析。

最神化的數據分析：

@張啟仁：數據分析是算命的。

最霸氣的數據分析：

@淘貨郎：數據分析就是企業的軍統和中統。

@牧羊人_DM：這是一個很有前途特牛B的職業，具體細節你沒必要知道。

最恐怖的數據分析：

@遊走的背包：數據分析就是文革時的查人祖上三代，最後定義你這代什麼成份！

@寶泥馬冷死了：從你爸的日常行為統計中推測你下次考試不及格他會用什麼東西揍你。

那到底什麼是數據分析呢？

說說數據哥的理解：數據分析是基於商業目的，有目的的進行收集、整理、加工和分析數據，提煉有價信息的一個過程。

其過程概括起來主要包括：明確分析目的與框架、數據收集、數據處理、數據分析、數據展現和撰寫報告等6個階段。

1、明確分析目的與框架

一個分析項目，你的數據對象是誰？商業目的是什麼？要解決什麼業務問題？數據分析師對這些都要瞭然於心。

基於商業的理解，整理分析框架和分析思路。例如，減少新客戶的流失、優化活動效果、提高客戶響應率等等。不同的項目對數據的要求，使用的分析手段也是不一樣的。

2、數據收集

數據收集是按照確定的數據分析和框架內容，有目的的收集、整合相關數據的一個過程，它是數據分析的一個基礎。

3、數據處理

數據處理是指對收集到的數據進行加工、整理，以便開展數據分析，它是數據分析前必不可少的階段。這個過程是數據分析整個過程中最佔據時間的，也在一定程度上取決於數據倉庫的搭建和數據質量的保證。

數據處理主要包括數據清洗、數據轉化等處理方法。

4、數據分析

數據分析是指通過分析手段、方法和技巧對準備好的數據進行探索、分析，從中發現因果關係、內部聯繫和業務規律，為商業目提供決策參考。

到了這個階段，要能駕馭數據、開展數據分析，就要涉及到工具和方法的使用。其一要熟悉常規數據分析方法，最基本的要了解例如方差、回歸、因子、聚類、分類、時間序列等多元和數據分析方法的原理、使用範圍、優缺點和結果的解釋；其二是熟悉1+1種數據分析工具，Excel是最常見，一般的數據分析我們可以通過Excel完成，後而要熟悉一個專業的分析軟體，如數據分析工具SPSS/SAS/R/Matlab等，便於進行一些專業的統計分析、數據建模等。

5、數據展現

一般情況下，數據分析的結果都是通過圖、表的方式來呈現，俗話說：字不如表，表不如圖。。藉助數據展現手段，能更直觀的讓數據分析師表述想要呈現的信息、觀點和建議。。

常用的圖表包括餅圖、折線圖、柱形圖/條形圖、散點圖、雷達圖等、金字塔圖、矩陣圖、漏斗圖、帕雷托圖等。

6、撰寫報告

最後階段，就是撰寫數據分析報告，這是對整個數據分析成果的一個呈現。通過分析報告，把數據分析的目的、過程、結果及方案完整呈現出來，以供商業目的提供參考。

一份好的數據分析報告，首先需要有一個好的分析框架，並且圖文並茂，層次明晰，能夠讓閱讀者一目了然。結構清晰、主次分明可以使閱讀者正確理解報告內容；圖文並茂，可以令數據更加生動活潑，提高視覺衝擊力，有助於閱讀者更形象、直觀地看清楚問題和結論，從而產生思考。

另外，數據分析報告需要有明確的結論、建議和解決方案，不僅僅是找出問題，後者是更重要的，否則稱不上好的分析，同時也失去了報告的意義，數據的初衷就是為解決一個商業目的才進行的分析，不能舍本求末。

希望看完，會有一些認識

來源：說說什麼是數據分析？

數據挖掘是知識的發現，可以更好的揭示大數據隱藏的秘密，是數據驅動的

數據分析是知識驅動的，在一定的知識背景下，達到某種確定的分析目標

一個哥們，有次聚會時說自己買了很多條iPhone數據線，家裡每個房間插一條，走到哪兒都能隨時充電。。。。。在場的姑娘們都當成是段子笑笑就過去了，只有個細心的姑娘悄悄問他買了多少條，他說42條。現在她和他在北京三環內總共42個房間的數套豪宅愉快地生活，下個月結婚。

【這就是數據分析】

數據分析的過程其實簡單的說就是做報告，做什麼樣的報告反映什麼樣的指標（設置指標才是最重要的）。

當然最開始的時候基本上都是data processing的了，承擔之前的同事的報告的工作。等你對周邊的環境熟悉之後，就可以開始自行設計一些報告的，但是報告還是離不開公司關注的內容，說白了就是賺錢的問題（會計管理方面）。例如零售行業來說，最主要的指標就是庫存、銷售同比增長情況、利潤同比增長情況、促銷率等等。對於不同的行業會有不同的相關的KPI需要跟蹤，所以報告的內容也會有所側重，但是只要你在一個行業做久了，熟悉了套路之後基本上就是那樣子開展了。

對於數據分析，如果公司部門分的比較細的（例如可能有建模組），那麼做數據分析可能永遠都是做data processing了。

對於模型的分析，需要你對業務有了深入的了解就可以建立一些模型出來（例如推薦模型）等等。

數據分析主要涉及的技能包括：

1、資料庫的能力，越全面越好，如果不是理工科的，最起碼要會select那些簡單的查詢語句；

2、EXCEL、PPT的能力，報告的呈現一般都是Excel+PPT的形式，最好VBA，這樣就可以將很多人工的工作轉化為自動化的能力，提高工作效率，領導也對你刮目相看，自己也有更多空餘的時間準備其他方面的知識。

3、市場分析能力，學會觀察市場的走向和關注的內容，例如零售行業，現在大家都對CRM很熱衷，那相關的分析方法和方式是怎麼樣的，你要自己去了解。從來不會有人手把手的將所有東西都告訴你，你必須自己學會去增長知識。

4、一些會計的知識，因為以上分析，說白了就是會計管理的一部分內容，最後還是公司盈利問題。有興趣的也可以去看看戰略管理方面的，對於做數據分析也很有好處的說。

可以說數據分析=技術+市場+戰略

數據分析一般不是公司的核心部分，所以即使上述的內容你都很牛，但是也很難引起公司對部門或者對個人的重視的，所以做了一段時間，前途問題還是各自打算，有可能的可以轉諮詢或者策略研究之類的，要是可以有機會進入投資領域就更好咯。不過都是要看你從事的行業，行業不同，發展前景也有差異的說~~

數據分析和物理研究一樣是根據數據（實驗）猜測事實（理論）的過程。

就是有目標的通過對數據的分析去發現問題或預測趨勢。

1、鎖定分析目標，梳理思路，叫紙上談兵；2、把雜亂的數據整理出報表，用數據探業務，叫自問數答；3、鎖定核心抓重點，設定演算法，叫挾天子以令諸侯；4、梳理重點發現，準備劇本開拍，接受PK，叫才辨無雙；5、效果梳理，總結經驗，叫內視反聽。

http://www.zhenglaiyi.com/article/127

之前在微博上發起一個話題，大家一句話向外行說說什麼是數據分析?有100多位同學參與討論和轉發，其中一些有意思的、不錯的說法，大家一起來看看。

最專業的數據分析：

@沈浩老師: 有針對性的收集、加工、整理數據，並採用統計和挖掘技術分析和解釋數據的科學與藝術!

最簡潔的數據分析：

@小蚊子樂園：簡單的很，就是分析數據。

@Terensu：描述數據特徵，預測數據趨勢，展示分析結果。

@wangman02：從一大堆數據中提取到你想要的信息，就是數據分析。

最浪漫的數據分析：

@CIVN可視化社區：從你每天發的微博研究你喜歡哪個明星、是哪個星座的、喜歡吃什麼買什麼、大概幾歲會嫁出去。

最IT的數據分析：

@穆浩然：所以我一般都說我是做IT的。

@YicoLeung:複製粘貼。

@倉鼠_茄子把：你應該對男的低調說自己是碼農，對女的高調說自己是分析師!現在甭管是什麼職業，加個師字就顯得特牛B，比如策劃師,揉奶師,麵包師,搬磚師等等。

最實用的數據分析：

@ETwise:我告訴別人：你買了牙膏我還會推薦你買牙刷，我就是做這樣的工作的。

@老仲琢磨：可以知道剛當爹的男人買尿布時最可能順便買點啥。

@張勇往前行：每個月的月底，老婆問你，這個月的錢你都是怎麼花的?你的回答就是數據分析。

最神化的數據分析：

@張啟仁：數據分析是算命的。

最霸氣的數據分析：

@淘貨郎：數據分析就是企業的軍統和中統。

@牧羊人_DM：這是一個很有前途特牛B的職業，具體細節你沒必要知道。

最恐怖的數據分析：

@遊走的背包：數據分析就是文革時的查人祖上三代，最後定義你這代什麼成份!

@寶泥馬冷死了：從你爸的日常行為統計中推測你下次考試不及格他會用什麼東西揍你。

那到底什麼是數據分析呢?

說說數據哥的理解：數據分析是基於商業目的，有目的的進行收集、整理、加工和分析數據，提煉有價信息的一個過程。

其過程概括起來主要包括：明確分析目的與框架、數據收集、數據處理、數據分析、數據展現和撰寫報告等6個階段。

1、明確分析目的與框架

一個分析項目，你的數據對象是誰?商業目的是什麼?要解決什麼業務問題?數據分析師對這些都要瞭然於心。

2、數據收集

數據收集是按照確定的數據分析和框架內容，有目的的收集、整合相關數據的一個過程，它是數據分析的一個基礎。

3、數據處理

數據處理主要包括數據清洗、數據轉化等處理方法。

4、數據分析

數據分析是指通過分析手段、方法和技巧對準備好的數據進行探索、分析，從中發現因果關係、內部聯繫和業務規律，為商業目提供決策參考。

到了這個階段，要能駕馭數據、開展數據分析，就要涉及到工具和方法的使用。其一要熟悉常規數據分析方法，最基本的要了解例如方差、回歸、因子、聚類、分類、時間序列等多元和數據分析方法的原理、使用範圍、優缺點和結果的解釋;其二是熟悉1+1種數據分析工具，Excel是最常見，一般的數據分析我們可以通過Excel完成，後而要熟悉一個專業的分析軟體，如數據分析工具SPSS/SAS/R/Matlab等，便於進行一些專業的統計分析、數據建模等。

5、數據展現

常用的圖表包括餅圖、折線圖、柱形圖/條形圖、散點圖、雷達圖等、金字塔圖、矩陣圖、漏斗圖、帕雷托圖等。

6、撰寫報告

一份好的數據分析報告，首先需要有一個好的分析框架，並且圖文並茂，層次明晰，能夠讓閱讀者一目了然。結構清晰、主次分明可以使閱讀者正確理解報告內容; 圖文並茂，可以令數據更加生動活潑，提高視覺衝擊力，有助於閱讀者更形象、直觀地看清楚問題和結論，從而產生思考。

現在對大數據的開發還是比較少，主要是基於機器語言的自動化處理，但是真正能從數據背後挖掘出的東西還是比較少的，數據的價值並沒有真正的被開發出來。

簡單地說就是利用有限的數據通過發散的思維，利用相關關係來解釋你想知道的問題。

數據怪咖：什麼是數據分析？什麼是小數據分析？

為什麼要做小數據分析？

現在，大數據的概念鋪天蓋地，今天出來這個大數據分析報告，明天出來那個大數據分析工具，不可否認，大數據分析的確讓我們的判斷更理性，不只是盲目地拍腦袋決定一件事。但是，大數據和你有多大關係呢？

如果你不是五百強企業的決策者，如果你也不是要寫畢業論文的大學生，如果你更不是打算寫商業計劃拿融資的創業者，大數據還真的和你關係不大。因為大數據講的更多的是國家層面的和各大行業層面的，而與我們關係最密切的是小數據，一種可以教你做對事情，賺到錢的數據。

什麼是小數據分析？

小數據分析並不是什麼定義，只是我們給它的一個名字，相對於大數據分析，小數據更注重的是小和實用。舉幾個例子：

如何通過小數據分析找到可以賺錢的行業和項目？

如何通過小數據分析判斷你的產品的競爭力？

如何通過小數據分析發現你的產品不賺錢的原因？

如何通過小數據分析來確定最容易賣貨的價格區間？

如何通過小數據分析找到你的精準客戶在哪些地方？

如何通過小數據分析發現你的客戶的喜好和特點？

如何通過小數據分析看到你的客戶的消費習慣？

······

這些就是小數據的應用場景。

怎麼做小數據分析？

無論是大數據分析，還是小數據分析，都有一個前提就是足夠多的數據樣本，沒有數據更談不上分析了。所以小數據分析的：

第一步就是收集數據。收集數據的方法有很多，用到的工具也不少，詳細的方法和操作技巧會在以後的更文中分享，這裡只是簡單了解下流程就可以了。

第二步數據清洗。收集完數據以後並不是萬事大吉，你還需要對數據進行清洗，清除重複數據，過濾虛假數據，不要以為數據都是理性的、都是真實的，造假也非常簡單呀。

第三步數據分析。經過以上兩步我們可以得到精確的數據樣本，這一步我們就需要對數據進行分析了，需要建立一些數據模型、用到一些數學公式等等。可能看到這裡你會感到非常頭疼，那你應該和我一樣，數學經常不及格吧？

其實並沒有那麼複雜，只要你會加減乘除，再配合一些工具，就可以非常精確地做好數據分析了。一定要記住哦，我們做小數據分析是為了指導我們做事和賺錢，千萬不要為了分析數據而分析數據，再去學什麼編程和建模之類的，除非你想成為一名工程師。

第四步數據報告。數據分析後會有很多的報表、趨勢圖、折線圖等等，並不是有了這些圖表就結束了，還要對圖表的內容進行解讀和原因分析，當然如果你是管理人員或者營銷人員，你還要能根據這些內容給出相應的解決方案，這可以是讓老闆刮目相看的好機會。

小數據分析大體上就是這四個步驟，但是裡面包含的細節和技巧可是非常非常多。在以後的更文中，我會以專題的形式一一進行解讀。

比如說我們想要通過數據分析去了解消費者，那麼我們如何收集消費者的真實數據，如何分析消費者的行為習慣和消費心理，如何更好地滿足消費者的需求提高成交率，以及如何提高消費者的復購率？解讀中還會涉及到人性、營銷思維、解決方案等內容，因為小數據分析不只是分析，而是為了更好的做事和賺錢。

如果你有想看的內容，也歡迎在後台留言，我會一一收集，安排時間進行更文分享。

數據分析就是用數據說話，做出最科學合理的決策。

數據分析的最終目的是幫助業務發現問題並解決問題，提升公司價值，而這些是從數據發覺的，而不是拍腦袋。每家公司都有自己業務生產的數據，通過數據分析--同比環比、漏斗分析及模型等，發現業務上存在的問題，幫助公司業務的優化。

提起「數據分析」這個詞，你可能會聯想起統計學、模型、計算機語言等高門檻辭彙，再加上市面上各類大數據分析文章和專業名詞的渲染，把它搞得望而卻步。它真的有那麼高不可攀嗎？

我先來講個小故事：

你姥姥給了你一塊糖，你感到非常的開心；當你發現她給了你弟弟兩塊糖時，你可能整個人都不好了......其實這個就是數據分析，數據只有放在一起做比較才有意義。後來你又發現姥姥給弟弟的兩塊糖是大白兔，給你的那塊是費列多，你又開心了，因為費列羅更貴啊！所以數據在對比之前先要明確分類。而你所做的這些分析的目的都是在為了回答一個問題，姥姥對誰更好？

其實數據分析的原理就好比這大白兔和費列羅的道理，很簡單：所有的分析都是用分類和比較的方法來回答問題。

高票答案都是數據從業人員吧，把數據說的那麼高大上。

在我看來，數據在業務上更多是為了驗證些東西，而不是指導某些東西，同一套數據給不同的人解讀，得出的結論很可能是相反的。數據更多是驗證業務，但是很難指導業務。

數據只能分析出數據里存在的東西，但是分析不出數據里不存在的東西。

現在」大數據「這個概念很火，可以參考一下http://www.xingdianji.com/category/jishupai/dsj