數(shù)據(jù)分析一般包括哪些內(nèi)容？

數(shù)據(jù)分析是一個(gè)比較大的框架。從字面上講，就是從數(shù)據(jù)中提取有用的規(guī)則或邏輯。

工作中數(shù)據(jù)分析的功能主要分為以下六個(gè)步驟:

數(shù)據(jù)收集

數(shù)據(jù)清理

數(shù)據(jù)存儲(chǔ)

指數(shù)計(jì)算

數(shù)據(jù)的統(tǒng)計(jì)分析和建模

數(shù)據(jù)可視化

第一步是數(shù)據(jù)收集:當(dāng)我們的數(shù)據(jù)還沒有形成一個(gè)具體的系統(tǒng)的時(shí)候，或者當(dāng)我們的業(yè)務(wù)正在進(jìn)行時(shí)，我們需要通過各種渠道獲取數(shù)據(jù)。數(shù)據(jù)采集的方法有很多種，包括程序自動(dòng)采集(數(shù)據(jù)嵌入點(diǎn)、網(wǎng)絡(luò)爬蟲、ERP或CRM系統(tǒng)自動(dòng)生成等。)、人工統(tǒng)計(jì)(Excel統(tǒng)計(jì))、從第三方網(wǎng)站提取(通過公共數(shù)據(jù)網(wǎng)站、API等下載。)，等等。方法的選擇遵循商業(yè)形式。

第二步是數(shù)據(jù)清洗:采集的數(shù)據(jù)是臟數(shù)據(jù)，需要進(jìn)行清洗，即取其精華，去其糟粕，這樣數(shù)據(jù)才能正常使用。這一步的操作主要使用正則表達(dá)式進(jìn)行數(shù)據(jù)清理。采集的數(shù)據(jù)有各種格式，需要轉(zhuǎn)碼成特定的格式并編碼。

第三步:數(shù)據(jù)存儲(chǔ):作為公司s數(shù)據(jù)越來越大，互聯(lián)網(wǎng)時(shí)代已經(jīng)從IT變成了DT。現(xiàn)在各個(gè)公司的業(yè)務(wù)數(shù)據(jù)都是幾何級(jí)增長，所以在存儲(chǔ)數(shù)據(jù)的時(shí)候肯定不能再用以前那個(gè)用紙筆記錄的時(shí)代了。目前數(shù)據(jù)量不大的公司一般都是用Excel文件進(jìn)行數(shù)據(jù)存儲(chǔ)。許多公司也使用數(shù)據(jù)庫產(chǎn)品進(jìn)行數(shù)據(jù)存儲(chǔ)。市場上也有很多性能不錯(cuò)的數(shù)據(jù)庫產(chǎn)品，如Oracle、MySQL、SqlServer等。現(xiàn)在針對大數(shù)據(jù)也有相應(yīng)的蜂巢數(shù)據(jù)倉庫產(chǎn)品。這些產(chǎn)品非常容易使用，其中一些是開源產(chǎn)品。就我司而言，之前使用的Oracle、MySQL、SqlServer的數(shù)據(jù)庫，由于業(yè)務(wù)線的調(diào)整，已經(jīng)將數(shù)據(jù)從單一數(shù)據(jù)庫改為蜂巢式數(shù)據(jù)倉庫存儲(chǔ)，更方便技術(shù)、業(yè)務(wù)、分析師等角色提取數(shù)據(jù)。

第四步是指標(biāo)計(jì)算:在進(jìn)行指標(biāo)計(jì)算之前，數(shù)據(jù)分析師需要建立當(dāng)前部門的KPI指標(biāo)，對應(yīng)的是業(yè)務(wù)部門不同業(yè)務(wù)場景的好的或壞的數(shù)據(jù)和規(guī)則的反饋。這一步復(fù)雜而持續(xù)，可能會(huì)貫穿整個(gè)數(shù)據(jù)分析生涯。什么是指標(biāo)？指標(biāo)是衡量目標(biāo)的方法，如商品管理中常用的存貨周轉(zhuǎn)率、毛利率，運(yùn)營中經(jīng)常見到的路徑轉(zhuǎn)換，營銷中經(jīng)常見到的ROI等。相應(yīng)的指標(biāo)反映了不同業(yè)務(wù)場景的質(zhì)量。隨著業(yè)務(wù)和企業(yè)階段的變化，指標(biāo)總是會(huì)變化的。

第五步是數(shù)據(jù)的統(tǒng)計(jì)分析和建模:這個(gè)環(huán)節(jié)是整個(gè)數(shù)據(jù)分析過程中最有趣的一個(gè)，沒有之一。與上一個(gè)鏈接相比，在這里，你會(huì)面臨各種挑戰(zhàn)。什么假設(shè)檢驗(yàn)，什么線性回歸，什么特征工程，什么貝葉斯等等。都會(huì)遇到。在這里你會(huì)看到各種數(shù)據(jù)背后的邏輯，以及數(shù)據(jù)產(chǎn)生的價(jià)值。而且在數(shù)據(jù)分析的過程中，你可能會(huì)遇到數(shù)據(jù)清洗過程的第二步，處理缺失值，處理異常值等等。

第六步是數(shù)據(jù)可視化:即數(shù)據(jù)呈現(xiàn)，需要將第五步統(tǒng)計(jì)分析建模的結(jié)果以圖形的形式反映出來。俗話說，文字不如表格，表格不像圖片。Tableau、PowerBI、finebi、PPT等數(shù)據(jù)可視化產(chǎn)品在市場上應(yīng)用廣泛。其中，前三種主要是交互形式，即在線存儲(chǔ)的報(bào)告，而PPT主要是以報(bào)告的形式呈現(xiàn)。

目前的數(shù)據(jù)分析按照功能可以簡單的分為幾個(gè)方向:

業(yè)務(wù)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

以上職位在現(xiàn)在的招聘時(shí)間里比較常見，之前每個(gè)職位都不一樣。業(yè)務(wù)數(shù)據(jù)分析師主要面向業(yè)務(wù)，將數(shù)據(jù)應(yīng)用于企業(yè)決策。主要工具有Python，R，Excel，SPSS，tableau，PowerBI等。數(shù)據(jù)挖掘工程師更注重技術(shù)方向，主要是反欺詐、垃圾郵件識(shí)別等數(shù)據(jù)應(yīng)用，主要工具有Python、Java、C、C等。大數(shù)據(jù)開發(fā)工程師主要負(fù)責(zé)搭建數(shù)據(jù)平臺(tái)，開發(fā)適合公司的數(shù)據(jù)平臺(tái)；;的數(shù)據(jù)流通過使用hadoop、hive、spark、Python、Java、C、C等工具。數(shù)據(jù)分析是目前為止比較新的崗位，所以大部分人都在不斷學(xué)習(xí)和提高。

以上是我的一些拙見。如有不足，歡迎補(bǔ)充交流。

數(shù)據(jù)可視化的應(yīng)用？

數(shù)據(jù)可視化軟件有FineBI、D3、阿里DataV。

FineBI提供企業(yè)級(jí)銷售數(shù)據(jù)分析解決方案，可以掌握企業(yè)銷售目標(biāo)、銷售活動(dòng)等一系列數(shù)據(jù)，用戶可以根據(jù)自己的需求輕松實(shí)現(xiàn)數(shù)據(jù)處理。

2.D3

D3.js是根據(jù)實(shí)際數(shù)據(jù)操作文本文檔的Javascript庫，D3是可視化數(shù)據(jù)工具，適用于大中型數(shù)據(jù)集和交互式動(dòng)畫。

3.阿里數(shù)據(jù)電視

DataV數(shù)據(jù)可視化是一個(gè)使用可視化應(yīng)用程序來分析和顯示復(fù)雜數(shù)據(jù)的產(chǎn)品。DataV支持繪制各種基礎(chǔ)圖表，接入ECharts、AntV-G2等第三方圖表庫，即使沒有設(shè)計(jì)師也能構(gòu)建高水平的可視化應(yīng)用。