数据分析思路
问题分析能力、状况判断能力 、数据解读能力、总结提炼能力
针对课程中的要点，做了记录，并结合自身的问题做了一些侧重点的理解，主要来源-数据分析师八大能力培养
1.收集信息-了解业务
谁-业务部门
做什么-主要业务动作
有什么-产生什么数据 ：
数据库并不能记录一切--不能记录哪些？如何解决这个问题？--数据库不能记录的信息，怎么获取、替代或者过滤
看什么-哪些环节需要数据
为什么-哪些行为对数据有影响
2.沟通需求-明确任务--统计口径的了解
了解：
数据分析需求的基本形态，在各部门的表现形态以及需求沟通的基本层次
01.规范化-标准化 02.自动化 03.智能化
数据分析需求
01.哪个部门的需求，
02.其次弄清楚需求的背景，比如用途
03.简单的从需求的形式做判断
需求的类别以及表现形式 --需求越清晰，分析越明确
评估类需求-- 人数是否下降了
原因类需求--为什么人数下降了
预测类需求-- 预计多少人点开
层次：
I、初级需求沟通： 目的-明确任务内容 你想要一个什么样的分析呢？
第一步：沉住气，为做准备不丢人别人提分析需求的时候，第一时间问，怎么定义的？
第二步：取数对象 -取数指标-分类维度 -- 数据表+时效性+附加说明
量化为Excel表，培养些需求单的习惯--规范化
1.数据需求基本情况说明
申请部门： 业务部门
申请人员： **
联系方式： 1234*****
申请时间： 20190321
期望完成时间： 今天
需求标题：
提数目的： 情况查看
筛选条件： a平台，0620后活动，
所需字段： 用户ID，活动次数
示例数据
123 325
2.沟通确认--常用的确认问题
01.什么时间状态下，哪些用户体系，哪些产品的，哪些维度？
02. 哪些维度，即哪些字段？字段是是否存在？
03.指标的含义-玩法的确认，使用什么字段，在什么条件下的什么功能？
相关的业务背景
明确的业务需求
判断对错的评价标准
03. 查看数据字段-查看数据字段的具体含义
查看具体数据
查看数据量
工作流程 以上如果业务部门强势-不改不规范，自己写好了，让业务方确认
1.目的：
了解轻重缓急，更合理的安排资源-需求表就是数据分析的挂号
收集基础需求信息，为需求管理做准备
01.需求部门和需求的人 为拒绝垃圾需求做数据依据
02.评估需求的重要性和优先级
量化考核支持哪些部门的哪些工作
03.需求标题： 分类管理的基础，延伸新的需求
同一类需求可以做成分析模板，
反复出现的需求可以做成固定报表
简单需求可以同类合并或者使用现成数据应对
04.需求分析复杂度和预计工时
数据分析的工作量，数据分析的产出，数据分析的投入<复杂程度和工时>
提取数据的流程
孤立的数据集操作
针对一些问题的
01.有数据吗？有哪些数据，需要哪些数据
02.问题的逻辑是什么，假设是什么，目标是什么？
03.应用场景是什么，用到什么地方，达到什么程度？
04.想要解决什么问题？是分类问题还是预测问题？
3.定义问题-统计口径的确认
设计方案 --让 业务描述情况，让专业来定义问题-要去理解他们的处境，分析他们的需求，讲清楚问题是专业人士的修行
定义问题非常重要--用专业的视角重新解析和解构定义问题
步骤 清洗描述问题，划分问题边界，区分问题类型，明确输出产物
追问，将问题透明化
反问：对于问题，想回答好，要的是反问，反问的目的是弄清问题，很多事情并不是在问题的本身上，如何弄清问题，怎解答问题
4.梳理流程--
实际上就是：了解前因后果- 例如：如何挖八卦的精神。现有业务，才有数据
是找事实，而不是心路历程，不是感觉
梳理流程
业务流程 -事情发展阶段-步骤
管理流程- 事情发展形态-方法
数据流 -- 记录事情的数据
梳理流程的思路：
目标越纯粹，越容易梳理清楚
流程越具体越好
方法了解和知道的越多，可调控的资源可能就多了
确认数据记录哪些，没记录哪些(有没有可能多记录一些)
02.指标体系-梳理指标体系，是最基础的分析
渠道的指标体系：
激活-注册-购买
激活-激活人数，激活单价，渠道，激活单价
注册-注册人数，激活注册率，注册单价
购买与活跃：购买注册转化
运营的指标体系
财务的指标体系
对账体系--toB 第三方的账单和公司实际的账单
5.问题的判断
01.到底是什么问题
问题的判断和甄别
报表给什么部门什么人看，如果报表不出来，谁来电话催
02.针对什么问题，一共看哪几个指标
如果让你加数据，你想看什么数据？为什么想看这个数据，没有人加，难度在哪里？
03.标准在哪里
来判断问题何时发生
04.可以干什么？
把通报和数据联系起来，多收集业务行为，和数据挂钩
6.问题的解决
现状-目标-方法-执行人
现状清洗不清晰？
方法可行不可行，哪种更好？
目标-未来会增氧
执行人：谁来干
01.清晰情况
现在啥情况，清楚不清楚？ -- 现状是办事情的起点
到底咋干，有没有思路？ -- 方法不一定和分析有关系
干到啥程度，收手？ -- 目标是办事情的终点
说了半天，到底谁来干？ -- 执行人决定了办事的方式
02.评估
评估目标的可行性
达成目标的方法：
逻辑上
实际情况： 对时间、成本以及效果的要求
不同的方案-有了选择的优劣
上中下策
和医生学习
-- 具体的行动
-- 有前提假设
-- 有监控指标
7.汇报：
公司发展阶段
基础准备： 底层建设随之BI系统上线同步开展
零散数据： 数据建设起点
基础报表：BI系统
数据产品： 个人跑数到系统上线
专题分析和策略建议： 越来越精细化的需求
数据应用项目： 有数据，有规范有流程之后
数据分析的工作层次
数据ETL以及统一统计口径 基础准备
简单零散的数据工作 跑一个数据
简单报表 跑一列数据
复杂报表 跑几列数
专题分析，专项研究 跑关键的数
策略研究，分析建议 跑有方向的数
精准营销，个性化系统 跑有价值的数
数据报告的读写：
把数据报告按照阶段分为两种。
一种是追踪型的数据报告，或者成为dashboard。它是对日常业务数据高频率的展现，它一般用于回答“怎么了”。
关键在于发现问题，而不是解决问题。这类报告往往是规律性地长期进行制作。
另一种就是解决问题的数据报告，它一般是专题型的研究报告，用于回答“为什么”。
这类报告往往是不定期地进行制作，而且很有可能是由浅入深的系列报告。
在数据分析的实际报告中，常常有两种工作模式
第一种：拿到基础数据集后给出分析结果？
第二种：拿到一个问题，自己去收集数据，分析结果
主要拿到数据集的怎么办
当拿到一个数据集时，你通常会怎么做？拿到任何数据集的时候有一个框架思路，对有条不紊地开始工作有很大的帮助。
将遵循这样的顺序：
<1>数据基础了解： 数据源质量→数据类型→数据集质量
<2>数据描述性分析： 平均水平→数据分布→量变关系→多维交叉
<3>数据可视化分析： 数据可视化
<4>机器学习算法 这步非必须
<5>数据报告展示：
三种展示信息的工具：表格、文字、数据图表
关键信息优先
宏观到微观
同时考虑到：
人脑理解信息的层次关系，并不会依据信息本身的层次关系，反而更依赖接受信息的先后顺序
视觉思考的特点
建议：
判断---行为数据和商业数据的关系
方案---基于自己的思考所得出的策略建议
附录：
沟通技巧
沟通技巧的目的是让他们愿意做双方都认可的事情；「让正确的事情发生」是团队的共同目标，
引导--提出请求前，如果能激活对方特定的人格面具，可能更容易获得对方认同
互惠原理的本质是：当对方产生心理上的亏欠感时，倾向于有所回馈和补偿。而这种亏欠感还可能来源于拒绝你的请求
参考
数据分析师的十大吐槽，看到第九条你一定想转给某人 https://ask.hellobi.com/blog/chenwen/5915
拒绝加班！我要过年！远离5类垃圾需求的正确方式 https://ask.hellobi.com/blog/chenwen/6044
还有部分参考未列出