本文整理自<爱统计网·社区问答>【数据海洋】回答
更多精彩问答，进入下方社区网站查看
http://www.itongji.cn/
社区精选话题 第36期
完整的数据分析思路是怎样的？
数据分析的过程，其实就是分析问题+解决问题的过程。
首先应该是清楚问题是什么？如果问题都没有搞清楚，就开始后续的工作，基本上结果会偏离原始主题。
所以分析问题一定是把问题不断的细分，不断的聚焦，问题越清楚越好。这里数据分析有几个经验想分享给大家：
1
不要想着分析的问题有多大
不要以为自己能解决商业上所有的问题。很多分析师都希望写一份“指点江山”的报告 ，这种基本上是不靠谱的。
商业问题是非常复杂的，随时都会产生时间的变化、商业环境的变化，每个阶段碰到的问题可能是完全不一样的。（如果那么容易把问题搞清楚，老板就不用招数据分析师了。特别是大的企业，思考一下这个逻辑。）
所以，我反而觉得一份分析报告，应该针对一个很小的问题，很具体的问题来进行数据分析，这样做的报告非常容易分析出有效的结果，形成结论，并且非常有针对性，也很更容易形成落地方案。
2
问题的解决是迭代的
一个问题的原因可能有很多，有时候是有多种因素造成的。
例如：对于一家线下门来说，用户流失。可能是用户搬走了、可能是竞争对手最近在搞活动、可能是用户觉得你的服务态度不好、可能是用户觉得你的商品太贵或者觉得你的商品品类不全、可能是用户不在线下购买了。
所以一次分析不可能把所有的原因分析清楚，但是通过数据分析，找到重点的原因，那么分析的结果，其实是在验证商业假设。
例如：可能是最近竞争对手在搞活动，需要快速制定策略跟进。可能你会发现，能挽回一批客户。但是并不是没有客户都回来，就需要你再继续进行分析，找出其它可能原因，再落地来进行验证。
3
分析结论落地+效果监控+持续迭代
如果数据分析的结果不进行落地，一切都是空的，不管分析结论多么的严谨，逻辑多么强，都是落在空中。
只有根据结论制定策略来执行，再看一下执行的效果，才能真正知道这个数据分析是否有效，分析结论是否正确。否则一切都是在假设。而且当你的执行后，应该快速收集效果，进行再一步分析，看是否还有机会可以继续优化与改善这个问题。
以上是我认为的数据分析的大体的思路。
数据分析方法一般分成以下两种：
- 数据分析方法论类
例如：数据结构化、数据拆分，数据关联
*** 数据分析的技术方法**
例如：统计学方法、机器学习方法、深度学习方法
需要根据具体问题选择不同的方法。对于商业端的分析，大多数情况下是可以通过数据指标的关联，拆分等进行初步探索，随着问题的深入再使用技术性的方法。
但也有一些场景，例如：电商的推荐功能、小号识别可能用机器学习算法的精度更高。这个话题展开很大，如果大家感兴趣，可以留言给小编，后续给大家出一篇这样的分享。
