数据分析流程知多少

对于数据分析师来说，数据分析流程非常重要，这是发现和探索业务价值的关键，为了呈现一个有价值的结果，支持业务，一般数据分析流程可参考以下流程如下：

发现问题 → 需求处理 → 数据处理 → 数据分析 → 数据展现

01

发现问题

发现问题要结合业务，提取对业务有帮助的、有价值的问题进行处理

1.发现什么问题

与业务相关、与指标相关、涉及的影响

2.如何发现问题

与同期对比、与竞品对比、与总体对比、与总体目标对比

02

需求处理

需求处理步骤我们要确认需求有哪些类型，需要与相关部门进行沟通，例如了解需求的背景、要求实现的功能、有哪些指标和维度、完成时间等，并且形成需求文档与提出需求的部门进行确认，这是为了留存证据

1.明确需求类型

是只需要取数、还是需要数据分析结果、有没有涉及报表开发、指标口径迭代

2.确认需求内容

需求背景、指标口径、数据维度、底层表逻辑、资源配置、完成时间、数据安全

3.处理需求冲突

如需求较多、判断需求紧急程度、需求是否合理、需求是否涉及数据安全

4.形成需求文档

主动与提需求的业务部门沟通细节、确认好相关需求内容编辑文档保留并让对方负责人签字确认

03

数据处理

数据处理前提是有数据，数据的来源主要有内部数据（例如从本地系统获取），外部数据（例如通过爬虫等获取）

1.数据获取途径

内部数据、外部数据

2.数据清洗和整合

清洗无效数据：异常值、缺失值、重复值

考虑聚合维度：时间、用户、商品等

3.数据校验

完整性校验、时间跨度检验、重复检验

04

数据分析

在确认需求和数据后便是数据分析步骤，首先确认分析思路，继而选择分析模型和分析工具

1. 分析方法论

业务有什么变化？变化是可预见的还是突发的，需要重点关注还是属于正常变化

为什么会有这种变化？业务上的变动，指标逻辑等

如何干预？身为数据分析师你如何结合业务改变它，通过业务之间的核心数据来影响目标

能否提前控制它？通过历史数据是否找出规律，该规律能否沿用至未来，规避业务的不确定性

2.常用的数据分析模型

漏斗分析：分析用户转化、降低流失率

AARRR模型：分析用户生命周期、实现用户增长

购物篮分析：关联不同商品，挖掘营销关系

RFM模型：通过用户分层衡量用户价值

帕累托分析：分清业务主次，实现精准投入

波士顿矩阵：结合增长和占有率实现合理产品结构

KANO模型：分类功能点，实现有效需求排期

...

3.数据分析工具和能力要求

工具要求举例：

数据调取：MySQL、SparkSQL等

数据清洗或建模：Python、SPSS等

数据可视化：Power BI、Tableau、Fine BI、永洪等

数据分析报告：excel、ppt、pdf等

能力要求举例：

身为数据分析师不仅要会排查问题、还要有一定的沟通能力、归纳总结能力、和对数据的敏感、能理解业务

05

数据展示

数据展示流程：确定分析思路→准备数据→图表选择→UI设计→分析报告

BI报表展示：数据可视化呈现

分析报告演讲：可采用总→分 或 总→分→总模式

end~~

关注我，可在文章最后给我 发消息