数据分析师课|新公布的2个数据获取的常用方法，这些细节你一定要注意

明确目标，定义好需要分析的数据指标后，那么下一步就是依据数据指标提取数据了。产品在上线后会不断积累、沉淀用户的注册、登录、使用等各个维度的数据。在数据获取阶段要做的就是采集需要的数据，并且对数据进行处理已达到可以用于数据分析的效果。

一、数据获取的常用方法——数据采集

数据的来源主要有两种，一种是通过数据埋点，然后提取相应的数据字段。另一种是通过用户的使用日志文件分析用户数据及用户行为。

埋点业内有两种方式，一种是在产品设计阶段通过提交相应需求由研发团队设计底层数据模型时将需要在产品上线后特别注意的数据字段进行标识。另外一种则是通过第三方统计平台，如GrowingIO等，这些第三方统计平台利用前端技术可以统计到大部分用户行为数据，减少产品自身开发和改造，但是对于个性化的数据分析需求还需要通过产品底层的设计来满足。

用户使用日志即用户登录产品后每一次操作都会被记录下来，保证用户的使用行为可以查询，同时针对用户的一些误操作可以通过日志文件进行恢复。

二、数据获取的常用方法——数据处理

为什么要做数据处理?有一点数据挖掘经验的人可能会了解，实际生产环境下产生的数据并非是理想状态下的，可能某一条记录某一个字段因为系统或人为原因造成了缺失，对于数据的不完整性也可能导致数据分析结果的不准确性，所以在数据分析前要对采集到的数据进行数据清洗和数据预处理。(如果对数据处理感兴趣可以参见专业数据挖掘书籍中关于数据处理的章节，如《数据挖掘导论》)

1.数据清洗

数据清洗指对采集的不规范数据进行清洗，如对数据存在缺失的进行填充，对于数值性数据比较常用的方法就是选取数据前后若干天的数据取平均作为缺失数据值进行填充。其他可能出现数据不规范的现象还有很多，如对于用户年龄字段数据采集时发现个别用户年龄字段数值大于了100，就需要通过数据稽查去发现问题所在。

2.数据预处理

原始数据与数据分析需要的数据维度可能会有所不同，比如采集到的原始数据是按照天进行汇总的，但是数据分析需要的是按月汇总的数据。那么在进行数据分析前，就需要将每个用户的日数据进行汇总，得到每个用户的月数据后才能进行分析。

以上就是有关于数据获取的常用方法的相关内容，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。