“一千人眼里有一千個哈姆雷特”，說明每個人對事情的理解都存在差異。而數據分析師在工作中，對于自己的想法和理解，不可避免會有一定程度的依賴。所以培養數據分析師規范的思維邏輯，至關重要。
首先咱們來梳理一下數據分析的流程：
1.明確分析目的和思路：在進行數據分析之前，首先考慮的應該是“為什么要展開數據分析？我要解決什么問題？從哪些角度分析數據才系統？用哪個分析方法最有效？”，而不是“這此分析需要出多少頁報告？打算用高級分析算法試試…”這樣的思維方式。只有明確了分析目的和思路，數據分析的方向才不會跑偏，才能得出有意義的結論。
2.數據收集：明確了分析目的，接下來就是開工收集數據了。數據的來源有很多種，例如原始數據（第一手數據）、數據庫（第二手數據）、公開出版物、互聯網、市場調查等。公司普遍都有數據庫，常用于公司業務等方面的分析；《世界發展報告》、《中國人口統計》等是很常用的公開出版物，具有一定的權威性。利用國家統計局網站、政府機構網站、傳播媒體網站等，是最常用的互聯網獲取數據方式。
3.數據處理：包括數據清洗、轉換、分組等處理方法。我們拿到的數據，通常情況下是不可直接使用的，比如數據有丟失、重復、有錄入錯誤或存在多余維度等情況。只有經過處理后的數據才可以使用。
4.數據分析：在明確分析思路的前提下，選用適合的分析方法對處理后的數據進行分析。
5.數據展現：將分析結果用圖表來展現。這也是需要花費一番功夫的，比如你想展示本月的網站用戶轉化率情況，可以選擇柱形圖，但為了體現每階段用戶流失情況，以漏斗圖展示更為直觀貼切。所以數據展現階段，你需要思考“采用這個圖表，能否清晰的表達出分析結果？我想表達的觀點是否完全展示出來了？”
FineReport 數據報表
6.報告撰寫：將數據分析的整個過程和結果，以書面的形式向他人說明。需要將分析目的、數據來源、分析過程、分析結論和建議等內容展現在報告中。
數據分析工具可以分為這樣幾類：
Excel & 報表工具
BI工具
R、Python、Matlab等數據分析語言
以上，Excel范圍最廣，適合新上手使用。報表工具和BI工具企業商用較多；R、Python之類適合有編程基礎的數據分析師使用，開源的。
Excel不用多說，熟練掌握數據透視表，掌握常用的公式，懂一點開發，會寫一些vlookup。
報表工具形同Excel，用來做dashboard很方便，好處就在于簡單，數據透視、圖表制作這些功能封裝好的。譬如FineReport，整個過程就是連數據，設計模板，web展示。圖表是內設好的或者開發對接Hcharts/Echarts/D3圖標庫，一般內置的圖表以及夠用了。
BI就是更高級的報表工具，圖表、控件什么的都是拖拽實現。整個分析的過程包括數據清洗、轉換、分組等處理方法，以及數據分析。相比報表工具，報表系統更著重于短期的運作支持，而BI則關注長期的戰略決策，甚至更著重于商業趨勢和業務單元的聯系而非具體的數據和精確度本身。BI并不是用來代替著眼于日常運做的報表系統的。
FineReport 數據報表
數據分析的三大誤區，看看你有沒有踩中。
1.無明確的分析目的，完全為了分析而分析
與數據分析流程的第一步相同，分析目的要明確，你需要思考的是：采用什么方法才能達到分析的目的，到底哪種圖表才能完全展現你想要表達的意圖，這幾個分析維度是否全面，是否可以支撐分析結論等等，是自然而然的進行相應的問題分析。
2.不懂業務、不懂管理，分析結果空洞化
許多剛入行的新手們，對于銷售、企業運營等業務層面的東西，并不十分精通。比如領導需要一份本季度銷售報告，如果僅僅利用統計知識進行同比、環比等維度分析，那么在你的報告中，一定沒有領導想看到的信息。領導想看到什么呢？如果你懂業務和管理，你就會知道，利用分析模型：4P、用戶使用模型、SWOT等模型進行下切，找出本季度銷量好或者不好的原因，具體到哪一個部門或哪個人的責任 。并站在更高的角度，從全局來看：本年的銷量情況占比如何，發展趨勢是否在預計范圍內。并提出結合業務的合理化建議，供領導參考。
3.看中高級算法，不在乎是否合適
每個算法都有其優勢和局限性，在進行數據分析時，應該選擇可以快速、準確的計算、得出結論的算法。正所謂“白貓黑貓，捉到老鼠就是好貓”。
好了，以上就是數據分析師應具備的分析思維。希望你我共同努力，在數據分析師的道路上，不斷升級打怪，修煉自我，朝著專家領域進發！
