数据分析定义 　　

　　狭义的数据分析数据分析是指根据分析目的，运用适当的分析方法和工具，对数据进行加工和分析，提取有价值的信息，形成有效结论的过程。功能、现状分析、原因分析、预测分析。方法：比较分析、结构分析、分布分析、交叉分析、矩阵分析和回归分析。因此，数据分析一般会得到一个指标的统计度量结果，如总和、均值、计数等。一般需要和业务一起解读才有价值。数据挖掘 　　

　　数据挖掘是指通过统计学、机器学习、数据可视化等方法，从大量数据中挖掘出有价值的信息和知识的过程。功能，数据挖掘主要是解决问题，分类，聚类，关联，预测，数据挖掘的重点是发现未知的模式和规律。方法：决策树、神经网络、相关分析、聚类等与统计学、机器学习等相关的方法。被用于采矿。结果，输出的模型或规则可以在模型或标签中找到，模型得分如损失概率、综合得分、相似度、预测值等。数据分析的作用 　　

　　分析现状，简单来说就是了解当前正在发生的事情，通过运营指标体系，也就是常见的日报和周报，了解当前的运营情况如何。归因分析，简单来说就是追溯发生的原因。一般可能是专题，进一步拆解探讨数据波动的原因，以便及时优化调整。预测分析是根据已知的情况预测未来可能发生的事情。数据分析常见步骤 　　

　　阐明分析的目的。在进行数据分析之前，还是要明确目的是什么，我们的分析解决了什么需求，否则就会偏离分析方向，没有实际的指导意义。确定分析思路。分析目的明确后，就是梳理分析思路，明确分析框架。分析点之间有逻辑联系，相互印证，这样才能保证分析框架成为体系，分析结果有说服力。数据收集通常来源于自己公司的数据库，或者公开的资料，也可以从网络上获取，或者从市场调研中获取。数据处理，一般需要对获取的数据进行加工整理，形成批处理，也就是我们常说的数据清洗，包括脏数据的剔除、格式的标准化等。数据分析，使用适当的方法和工具从数据中获取有价值的信息。数据呈现就是用图表展示一些核心论点，也就是说一张图胜过千言万语。撰写报告，陈述和总结分析结果，图文并茂，层次清晰，结论明确，具有可行性。数据分析常见误区 　　

　　分析的目的不明确，为分析而分析。缺乏业务知识，分析结果偏离实际。盲目追求使用先进的分析方法，热衷于模型研究。常用的数据分析工具 　　

　　EXCEL 　　

　　操作简单实用，但数据处理的量级有限，速度慢，分析方法有限。 　　

　　SPSS 　　

　　操作简单，功能强大，数据兼容性好。 　　

　　R语言 　　

　　开源，强大的绘图功能，丰富的包。 　　

　　Python 　　

　　简单易学，开源，运行速度快，扩展性强，可以直接使用的模块丰富。