数据分析的7个步骤

延續生命線

大致可分为如下七个步骤：

第一步：确定问题
在进行真正的数据分析操作之前，要首先分析你的需要，你为什么要进行数据分析，数据分析是为了什么。一是确定解决或者弄明白为什么的问题，二是确定涉及到的变量或者数据的问题，由此两点，再去基于接下来科学的数据分析去提出策略解决问题。举个case，一堆人站在你面前，你发现他们的身高有低有高，体型有胖有瘦，这个时候你想知道这是什么原因造成的，此时你就确定了要弄明白的问题，接下来你又会想，是哪些因素造成的这种差异性呢?基因、饮食、性别、地域或者别的一些因素，这个时候你就是要确定哪些变量的问题。

第二步：数据采集
所谓的数据采集是收集被确定为数据需求的目标变量信息的过程。在数据的采集过程中，要遵循一些原则：准确性，代表性，广泛性等，原则的遵循重点是为了保证后续相关决策的有效性。数据的收集可能会从现实中去调查，也有可能直接从相关的数据库中调取。接着说例子，在上一步骤中，你确定了变量，这个时候你就要开始去收集采取变量数据了。

第三步：数据处理
数据处理也可以说是数据的规范化，需要把收集到的数据进行组织，包括根据相关分析工具的要求构建数据。例如，你用Excel进行处理时，必须先把他们录入到表格的行和列中;你用spss进行分析时，不仅需要数据视图的录入，还需要变量视图的录入。你需要根据你和工具需要来处理数据。

第四步：数据清洗
数据清洗也成数据清理，有些人是把这一步骤和数据处理步骤放在一起了，你也可以这样做，只是要记得这是两个不同的先后继承性的步骤，小编认为，在数据进行规范化处理之后，在进行清洗时会一目了然地发现问题解决问题，假设你把数据录入到Excel表格中后，你会叫容易的发现那些变量存在空值异常值，此时你就需要对他们进行清洗处理，或者利用一些大家公认的方法(填充、删除)进行处理。还接着那个例子说，在录入数据后，你发现有几个个体的身高是空值，这个时候你可以把他们直接删掉，或者采用平均值进行填充;你也可能会发现一些异常值，比如某人身高特别高或特别低，这个时候也要进行清洗。不过，总的来说目的只有一个，就是从而保证数据的真实性与有效性。

第五步：数据分析
也称为数据建模，完成以上步骤后，此时你就要来完成数据分析过程中的重头戏了，结合统计学，计量经济学等学科做定量分析，同时也要结合业务现实做定性分析、对数据进行描述性分析、探索性分析及信度效度的测量，尽可能建立科学准确的模型(如相关性、回归分析)，来识别数据变量之间的关系等。不可否认的是：在这一建模分析过程中，需要大量反复的迭代工作来反复验证模型结果与假设的合理性。

第六步：数据可视化
按照上帝(顾客)或者boss的要求，将你数据分析的结果进行报告输出，所谓的可视化简单来说就是以图表的方式展示出来，这样会让用户更直观的接受理解你的分析结果。

第七步：提供解决方案
以上几步的完成，勉强说完成了整个业务分析的一半。你可能要问为什么做了那么多业务却没有多大的价值，别问为什么，哪有那么多为什么。不要忘了你的上帝是要你做什么的，是要你为他们解决问题，解决问题，解决问题。你需要想出合理的方案idea来解决上帝的问题。还记得我的前半生中的情节吗：贺函离开比安提，直接空降到辰星做总监，关键是还把之前的客户带走了，为什么，因为贺函有想法idea，能为客户解决问题，而所谓的前几个步骤，但凡是一个上了规模的咨询公司，都能够做到。按剧情开始时的情节来看，比安提之所以是比安提，辰星之所以是辰星，现在想想也不无道理。