扩展
1）数据分析方法论与数据分析区别
数据分析方法论主要用来指导数据分析师进行一次完整的数据分析，它更多的是指数据分析思路。数据分析方法论主要从宏观角度指导如何进行数据分析，它就像是一个数据分析的前期规划，指导着后期数据分析工作的开展。
而数据分析法则是指具体的分析方法。数据分析法主要从微观角度指导如何进行数据分析。
2）常用的数据分析方法论
PEST 分析法
PEST分析法用于对宏观环境的分析。宏观环境又称一般环境，是指影响一切行业和企业的各种宏观力量。对宏观环境因素作分析时。由于不同行业和企业有其自身特点和经营需要，分析的具体内容会有差异，但一般都应对 政治(Political )、经济（Economic）、 技术（Technological）和 社会（Social）这四大类影响企业的主要外部环境因素进行分析，这种方法简称为 PEST 分析法。
5W2H 分析法
5w2H 分析法是以五个 w 开头的英语单词和两个 H 开头的英语单词进行提问，从回答中发现解决问题的线索，即 何因 （Why） ） 、何事(What) 、何人(Who) 、何时(When) 、何地(Where ) 、如何做(How) 、何价(How much)，这就构成了 5W2H分析法的总框架。
逻辑树分析法
逻辑树又称问题树、演绎树或分解树等。它是将问题的所有了问题分层罗列，从最高层开始，并逐步向下扩展。
把一个已知问题当成树干，然后开始考虑这个问题和哪些相关问题有关。每想到一点，就给这个问题所在的树干加一个“树枝”，并标明这个“树枝”代表什么问题。
逻辑树的使用必须遵循以下三个原则。
要素化：把相同的问题总结归纳成要素。
框架化：将各个要素组织成框架。遵守不重不漏的原则。
关联化：框架内的各要素保持必要的相互关系，简单而不独立。
4P 营销理论
营销组合实际上有几十个要素，这些要素可以概括为 4 类: 产品(Product) 、价格(Price) 、 渠道(Place ) 、促销(Promotion )。
用户行为理论
网站分析的发展已经较为成熟，有一套成熟的分析指标。比如 IP、PV、页面停留时间、跳出率、回访者、新访问者、回访次数、回访相隔天数、流失率、关键字搜索、转化率、登录率，等等。需要我们梳理指标之间的逻辑关系。
用户使用行为是指用户为获取、使用物品或服务所采取的各种行动，用户对产品首先需要有一个认知、熟悉的过程，然后试用，再决定是否继续消费使用，最后成为忠诚用户。
可利用用户使用行为理论，梳理网站分析的各关键指标之间的逻辑关系，构建符合公司实际业务的网站分析指标体系。
1.3.2、数据收集
数据收集是按照确定的数据分析框架，收集相关数据的过程，它为数据分析提供了素材和依据。
包括第一手数据与第二手数据，第一手数据主要指可直接获取的数据，第二手数据主要指经过加工整理后得到的数据。
一般数据来源主要有以下几种方式：
数据库：每个公司都有自己的业务数据库，存放从公司成立以来产生的相关业务数据。这个业务数据库就是一个庞大的数据资源，需要有效地利用起来。
公开出版物：可以用于收集数据的公开出版物包括《中国统计年鉴》《中国社会统计年鉴》《中国人口统计年鉴》《世界经济年鉴》《世界发展报告》等统计年鉴或报告。
互联网：随着互联网的发展，网络上发布的数据越来越多，特别是搜索引擎可以帮助我们快速找到所需要的数据，例如国家及地方统计局网站、行业组织网站、政府机构网站、传播媒体网站、大型综合门户网站等上面都可能有我们需要的数据。
市场调查：市场调查就是指运用科学的方法，有目的、有系统地收集、记录、整理有关市场营销的信息和资料，分析市场情况，了解市场现状及其发展趋势，为市场预测和营销决策提供客观、正确的数据资料。
市场调查可以弥补其他数据收集方式的不足（比如：需要了解用户的想法与需求），但进行市场调查所需的费用较高，而且会存在一定的误差，故仅作参考之用。
1.3.3、数据处理
数据处理是指对收集到的数据进行加工整理，形成适合数据分析的样式，它是数据分析前必不可少的阶段。
基本目的:从大量的、杂乱无章、难以理解的数据中，抽取并推导出对解决问题有价值、有意义的数据。
数据处理主要包括数据清洗、数据转化、数据提取、数据计算等处理方法。
一般拿到手的数据都需要进行一定的处理才能用于后续的数据分析工作，即使再“干净”’的原始数据也需要先进行一定的处理才能使用。数据处理是数据分析的基础。通过数据处理，将收集到的原始数据转换为可以分析的形式，并且保证数据的一致性和有效性。
1.3.4、数据分析
数据分析是指用适当的分析方法及工具，对处理过的数据进行分析，提取有价值的信息，形成有效结论的过程。
由于数据分析多是通过软件来完成的，这就要求数据分析师不仅要掌握各种数据分析方法，还要熟悉数据分析软件的操作。
数据挖掘其实是一种高级的数据分析方法，就是从大量的数据中挖掘出有用的信息，它是根据用户的特定要求，从浩如烟海的数据中找出所需的信息，以满足用户的特定需求。数据挖掘技术是人们长期对数据库技术进行研究和开发的结果。一般来说，数据挖掘侧重解决四类数据分析问题:分类、聚类、关联和预测，重点在寻找模式和规律。数据分析与数据挖掘的本质是一样的，都是从数据里面发现关于业务的知识。
1.3.5、数据展现（数据可视化）
一般情况下，数据是通过表格和图形的方式来呈现的，我们常说用图表说话就是这个意思。常用的数据图表包括饼图、柱形图、条形图、折线图、散点图、雷达图等，当然可以对这些图表进一步整理加工，使之变为我们所需要的图形，例如金字塔图、矩阵图、漏斗图等。大多数情况下，人们更愿意接受图形这种数据展现方式，因为它能更加有效、直观地传递出分析所要表达的观点。
一般情况下能用图说明问题的就不用表格，能用表格说明问题的就不要用文字。
1.3.6、报告撰写
数据分析报告其实是对整个数据分析过程的一个总结与呈现。通过报告，把数据分析的起因、过程、结果及建议完整地呈现出来，供决策者参考。
一份好的数据分析报告，首先需要有一个好的分析框架，并且图文并茂，层次明晰，能够让阅读者一目了然。
另外，数据分析报告需要有明确的结论，没有明确结论的分析称不上分析，同时也失去了报告的意义，因为我们最初就是为寻找或者求证一个结论才进行分析的，所以千万不要舍本求末。
最后，好的分析报告一定要有建议或解决方案。作为决策者，需要的不仅仅是找出问题，更重要的是建议或解决方案，以便他们做决策时作参考。
所以，数据分析师不仅需要掌握数据分析方法，而且还要了解和熟悉业务，这样才能根据发现的业务问题，提出具有可行性的建议或解决方案。
