一、数据分析的价值:
了解现状、发现问题、寻找原因、预测未来、决策赋能（层层递进的关系）
数据分析可以让业务更清晰、让决策更高效
二、数据分析发现路线:
商业分析: 数据分析师——商业分析师——业务负责人
数据挖掘 数据分析师——数据挖掘工程师/机器学习——数据科学家
数据分析组织架构
三、数据分析能力匹配:
商业数据分析师 业务知识、沟通能力、分析思路、分析工具、SQL、PPT演讲能力、业务推动能力
数据挖掘工程师 算法、python、R、C++、hadoop等
四、数据分流程
需求分析——数据收集——数据清洗——数据分析——数据展现——报告撰写——反馈与评价
1、需求分析:
理解需求目标
分析业务问题优先级
确定需求数据来源
确定受众的水平
研究可以回答业务问题的视图
确定受众的喜好（颜色、Logo、大小）
2、数据收集:数据是一切分析的基础
字段收集：确认数据来源系统（本地文件excel,csv、数据库sql）
3、数据清洗:不准确的数据分析出的结果毫无价值意义！
数据常见问题:数据残缺（空数据）、数据错误、数据重复
解决办法:过滤法、插值法（数据量较少时使用，采用平均值、众数、中位数、根据业务情况定）
4、数据分析（方法）:通过一系列的数据分析方法从数据得到可以回答需求的答案
多维分析:就是细分分析
对比分析:有对比才有分析，有对比数据才能产生意义（与过去、行业、目标对比）
象限分析:制定公司流程战略最流行的方法之一（波士顿矩阵）
转化分析:分析产品功能和关键节点的转化效果
留存分析:分析用户对产品的黏性
公式拆解法:
结构分析法：
帕累托分析与ABC分析
5、数据展现:
可视化展现（字不如表，表不如图）
图表字典
6、报告撰写:如何做出一份合格的数据分析报告
背景（描写报告的业务背景，只有受众了解了才能知道报告的价值所在）
数据来源（注明数据来源，才能提高可信度）
数据展示（数据文字合理的排版，才会有好的可视化效果）
抛出结论（有结论的分析才有意义）
提出建议（根据分析结论提出相应的建议）
五、数据分析流程对应工具
需求分析（思维导图，Excel文档，Word文档）
数据收集（Excel数据源，csv数据源，数据库，web数据）
数据清洗（Excel，Python，SQL，tableau，power query）
数据分析&可视化（tableau,power bi，Excel，Python）
报告撰写（PPT，WORD，tableau）
