指用专业的统计分析方法对大量数据进行分析，并加以详细研究和概括总结，提取有价值的信息，形成有效的分析结论，从而影响业务决策
一切事物，如果不能量化它，我们就没法真正理解它；如果不能理解它，我们就没法真正控制它；如果不能控制它，我们就没法真正改变它。
在大数据时代，人类大脑无法理解的复杂，而数据分析可以解读其中的含义；面对难以掌控的未知因素，而数据分析可以预测其中的规律。
数据分析能够弥补我们对直觉的过分自信，更科学合理地思考问题和做决策。
现状分析，过去发生了什么？例如通过描述性统计诊断业务状况
原因分析，为什么会发生？例如通过维度拆解和指标拆解等分析方法，并结合实际业务，寻找业务异常点
预测分析，将来可能发生什么？例如根据用户行为数据预测是否即将流失，并对即将流失的用户采取挽留措施
1.明确分析目的与思路
思路决定结果，必须明确数据分析目的，形成清晰的思路框架，避免为了分析而分析
2.数据收集
基于分析目的去收集相关的数据集，大部分为公司的内部数据，也可能涉及外部数据
- 关系型管理数据库（RMDB，利用SQL语言取数），数据仓库（WareHouse，利用HiveSQL取数）
- 文件：excel、csv、txt等
- 系统/平台：手动导出、selenium等python自动化脚本
- 互联网：网络爬虫
- API：requests请求库、解析json文件等
3.数据清洗
将数据整理成整洁干净并利于接下来分析的结构和格式，数据可能分布得比较零散，需要对各类数据集进行集成
异常值、错误值、缺失值处理 字段的拆分、合并、信息提取、格式转换等 表关联：左、右、外（全）、内连接、笛卡尔积表等（左半、左反连接等） 表结构转换：行转列（长表转宽表）、列转行（宽表转长表等）、行列转置、数据透视（逆透视）
4.数据分析
需要掌握常用的分析方法和机器学习算法
- 基本分析方法：构成分析、对比分析、分组分析、交叉分析、趋势分析等
- 高级分析方法：线性回归、逻辑回归、决策树、随机森林、聚类等算法
5.数据可视化
将分析观点用图表的形式呈现出来
- 字不如表，表不如图，一图胜千言
- 基本统计图表：饼图、条形图、折线图、散点图、雷达图、漏斗图等
- 专业统计图表：直方图、热力图、箱线图、提琴图、核密度估计图等
6.数据分析报告
将重要的分析结论和发现汇总成PPT，形成一份完整的数据分析报告
- 金字塔结构，总分总形式
- 结论先行、由上而下、归纳分组、逻辑递进
- 结构清晰，层次分明，突出重点，明确要点
7.数据应用
- 将可行性的建议方案应用到实际业务场景，并解决公司的实际业务问题
- 为业务决策提供数据支持，实现数据驱动业务增长
工欲善其事必先利其器，需要掌握的主流数据分析工具
- Excel，非常重要的基础
- PowerBI/Tableau，强大的商业智能BI工具
- SQL，必备的数据库数据查询语言
- Python，人工智能的首选计算机语言
学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！
👉Python学习路线汇总👈
Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。（全套教程文末领取哈） 
👉Python必备开发工具👈
温馨提示：篇幅有限，已打包文件夹，获取方式在：文末
👉Python学习视频600合集👈
观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。 
👉实战案例👈
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。 
👉100道Python练习题👈
检查学习结果。 
👉面试刷题👈
