一、什么是数据分析
所谓数据分析就是将产品相关的数据收集整合，然后利用特定的方法去分析这些数据，从中发现规律或是得到结论。这些特定的方法可以包括专业的统计学、数学建模等，也可以从数据的维度和广度出发，数据收集或对比、总结相似数据的相同性、异常数据出现的可能原因，这类分析比较偏人文学科，可能数学难度不高，但是利用独特的数据角度，同样可以得到非常有价值的结果。
二、数据分析常用方法
当我们进行
数据分析的时候，要根据不同的场景，选择合适的分析方法，这是一点是比较难的，我们可以把简单理解为找到一种最适合分析的策略，亦或是“模型”，我们简单列举几种方法：
对比分析法，分析差异，揭示数据代表的事物的发展变化和规律性。
相关分析法，用来研究变量之间存在但又不确定的相互关系以及密切程度的分析，确定有无关系，确定现象之间关系的密切程度。
综合评价分析法，将多个指标转化为一个能够反映综合情况的指标进行评价，用于解决复杂的分析对象。
三、数据分析的目的
1、关联规则与推荐系统
关联规则又叫关联分析，是指在大型的数据库中找到一般的关联模式。推荐系统，看似很高深其实在我们的日常生活中非常常见，比如网购软件的首页购买推荐、视频软件的视频推送等，都是通过查找到关联规则来进行个性化推荐的。
2、数据分类
公司的数据往往是繁多且杂乱的，数据分析的目的之一数据分类，就是利用已具有分类的相似数据研究其分类的规则，将规则应用到未知分类的数据，并将其归类。
3、数据探索与数据可视化
数据探索，旨在了解数据的总体情况并检测可能存在的异常值。数据可视化，是利用图表、图像等显示手段，实现清晰、有效的传达与沟通信息需求。
4、数据缩减与降维
当出现变量的数量有限且有大量分类为同类组的样本数据时，通常会选择提高数据挖掘算法的性能，以实现数据缩减与降维。降维，简单说就是减少变量的数量。
四、数据分析的意义
1、监督公司运行状态
通过分析公司大量的数据和资料，可以比较全面、精准地了解到公司过去、现在的运行状态和发展变化情况，甚至能够比较准确地预测行业未来发展趋势，由此对公司的未来发展方向做出预测，规避风险。还能监督各部门对于方针政策的贯彻执行情况和生产经营计划的完成情况等。
2、提高数据分析人员素质
数据分析工作，不仅要求数据分析人员要具有数据分析的基础知识，还要求数据分析人员要有一定的经济理论知识。即不仅要掌握数据分析的方法，还要了解有关的经济技术状况、有一定的文化水平和分析归纳能力。这些要求都是对数据分析人员素质的考验，有利于提高数据分析人员的素质。
3、完整、科学地反映客观情况
通过对公司积累下来的海量数据进行统计、分析、研究并形成数据分析报告，我们就可以得到较为完整、科学的客观情况反映，从而协助我们制定出理性、正确的决策和计划，以充分发挥数据分析促进管理、参与决策的重要作用。
五、数据分析大致过程
数据分析过程的主要由识别信息需求、收集数据、分析数据以及评价并改进数据分析的有效性组成。
明确需求，这是确保数据分析过程有效的首要条件，可以为收集数据、分析数据提供清晰的目标，在这个阶段要确定哪些因素影响最终的结论，比如对一个 app 的用户进行分析，会包括对新增用户、活跃用户、启动次数、留存率的分析。收集数据要有目的性，数据要确保真实、全面与充分，比如你要统计平均身高，如果你收集身高 180cm 或者150cm，那就会造成数据偏差。
