数据分析师干货|新出炉的6个数据分析正确步骤，这几点内容值得被关注

数据分析正确步骤第一步：了解数据

了解数据，是展开数据分析工作的必要条件。

方法论中，会简单的把数据分成两种：维度和度量。所谓分析，就是维度和度量的组合，以及对比和细分。举个栗子，解释维度和度量。有这么一批数据：“订单ID”、“用户ID”、“地区”、“年龄”、“订单金额”、“订单商品”、“订单时间”。它们可以分成两种：一种是具体的计算用的量化数值叫度量，另一种是描述事物的各种属性的信息叫维度。

有一点需要格外注意，维度和度量是可以转换的。比如要看“年龄”的平均数，这里的“年龄”就是度量，要看19岁用户的订单情况，这里的“年龄”就是维度。对于一个数据项而言，到底它是维度还是度量，是根据用户的需求而定的。像极了量子效应：状态只有需求确定后才会随之确定。

但是维度和度量又是善变的，维度和度量可以组合加工衍生出新的维度或者度量。这个就是对数据的一个基础分类：维度和度量。

数据分析正确步骤第二步：了解分析

怎么分析?做判断用对比，找原因用细分。下面我们开始做分析了。怎么分析?简单的来说，就是：做判断用对比，找原因用细分。

下面细说一下对比和细分。怎么个对比法呢?横向和纵向。什么叫横向?例如，今年和去年的销售额的对比。什么叫纵向?自己和别人做对比。那么又怎么细分呢?聚焦和关联聚焦。举个大栗子：今年利润下降了，老板很生气，下令查找原因，缉拿“嫌犯”。原因怎么找呢?注意是找原因，不是找理由。

很多人往往不知道如何查找原因，最后给出的都是理由。那么，我们先看一个示例的原因结论是什么——“因为四季度华南区域洗衣机的销量下降了，导致了今年利润的下降”。让我们分析一下这个原因有什么特点。我们会发现，这个原因是由时间、区域、产品这三个维度和销量这一个度量组成的。于是我们可以知道，对于问题原因的查找定位，本质上就是在回答哪些维度下的哪些度量的下降或上升，导致了问题的发生。这就是在做细分。细分的过程我们会不断用到聚焦和关联聚焦。

大家要注意的是细分无止境，细到什么地步才够呢?答案是，到可操作的区间才够。数据分析的方法就是对比和细分。那么，我们要怎么开始对比和细分呢?

数据分析正确步骤析第三步：数据分析的步骤

那么，数据分析的步骤是这样的：确定目标->分解指标->数据模型->制作报告->其他功能。

第一步：确定目标。我们是增加销量，提高用户活跃度，还是提高工作效率，减少成本?我们要达到什么效果?

第二步：分解指标。找找哪些指标才能达到上述的目的?客流量、进店率、下单率、复购率?这些够吗?不够咱们继续加。指标以解决问题为准。

第三步：数据建模。找到完成上述指标所需要的数据，细化字段，如用户名、销量、利润等。这个时候就要用到我们上面讲过的怎么分析了，对比，细分，再对比，再细分，直到满意为止。

第四部，制作报告。根据数据模型，完成数据分析报告。丑媳妇要见公婆了，怎么也得打扮一下嘛。这个时候用什么方式展现呢?柱图看排名，线图看趋势，饼图、环形图看局部占整体比例。还有气泡、词云看集中度，散点看多个实体的分布，组织图看流向，雷达图看多指标综合性... ...

这么做就是为了一目了然地看清数据而服务。放什么内容，就是见仁见智了。但是，其基本原则是：根据业务场景和故事，从维度与指标组合的矩阵中选择。

现在，我们确定了目标，分解出了指标，构建了模型，用合适的图表展示了数据。那么，最后的那个其他功能是做什么的呢?作为一个大数据分析平台，权限要有保障，性能要有保证，集成要多一些，报告要把把关。总的来说就是两个字：管、控!

数据分析正确步骤第四步：数据治理

了解了数据和怎么分析，现在终于可以开始分析了，突然发现数据出现一堆问题，例如不能用，数据重复、缺失、错误、不可用和不一致。怎么办?就得靠下面的数据治理方法论来整治一下了。

数据分析时，数据治理是必不可少的环节。只有正确的数据，才能指导我们做出正确的决策。大家还记得数据建模时表关联吗?

1)如果数据源中用户ID存在不一致的时候，结果还对吗?

2)如果用户年龄为999，该怎么办?

3)产品类型很多，如苹果、APPLE、IPHON但很乱怎么办?

4)一条记录存在多行，怎么办?

5)关键数据缺失，该怎么办?如地域缺失。

这些问题都在考验我们。怎么办?我们先来说说，数据要处理成什么样才能分析。结构化、规范化和可关联，符合了这三个标准就可以开始分析了。那怎么做到符合这些规则呢?规矩来了。

第一步，约束输入。你永远不知道用户会输入什么?

第二步，规范输出。老板看不同人的报表，同一个“用户流失率”，每张图表中名称、值都不一样?

第三步，统一建设。信息化的发展，业务系统越来越多，但同一个“产品名称”，不同业务系统也不尽相同。

数据分析正确步骤第五步：指标分析

数据终于干净了，知道了怎么进行分析和治理数据了。万事具备，只欠分析了。怎么开始分析?指标!

搭建数据分析指标模型，一步步细化分析需求。跟着目标，需要哪些指标来监控或分析能达成目标呢?比如利润，相关指标就是收入和成本。当然，这样的指标太粗线条了，包括收入有哪几类，成本有哪几类，都应该考虑进去。

比如，零售行业的销售额可以分解为客流量、进店率、购买率、客单价和复购率等。所以，分解的方式有很多种，需要遵循MECE原则(完全穷举，相互独立)。又比如零售行业的经营、库存计划进度都可以作为一个分析切入点。每个切入点又都有各个阶段的目的，然后依照目的逐级细化指标。

数据分析正确步骤第六步：报表美化

做好了指标体系模型，终于可以做报告了。

不同的图、表、筛选条件共同定义了我们的数据洞察。他们的组合体现了我们的认知。咱们来看几张报告的样子。图、表、筛选、预警;占比、趋势、对比等还有很多。

报告的样式是我们智慧的展示，做的美一些，肯定会更好。做了不好看，会被说审美有问题的。如何做一个美的冒泡的报告?这里有几个简单的原则。对齐、等距、统一风格主题、增加报告标题、铺满整个屏幕。

以上就是有关于数据分析正确步骤的相关内容，以及相应的解析，不论你是已经入职数据分析师岗位的新人，还是打算进入数据分析岗位的小白，以上的内容都或多或少会对大家有所帮助，环球网校的小编在这里祝大家的数据分析师职业道路顺利。