一、数据分析师是什么
数据分析师是可以将大量的看似杂乱无章的数据背后的信息进行提炼和集中，总结出其内在规律；能够帮助决策者进行判断和决策，从而制定适当的策略和采取相应的行动
数据分析分为三个主要方向：①现状分析（发生了什么）②原因分析（为什么发生）③预测分析（将发生什么）
现状分析一般分为告诉你企业现阶段的整体运营情况，可以通过各个经营指标来衡量；告诉你企业各项业务的构成，各项业务的发展及变动情况，一般通过日报、周报、月报等形式。
原因分析就是告诉你某一现状为什么发生。一般通过专题分析完成，根据企业运营情况选择针对某一现状进行原因分析。
预测分析就是告诉你将来发生什么，对企业未来趋势做出预测，以保证企业的可持续健康发展。
二、数据分析的流程
1、明确分析的目的，确立分析的思路
确定分析的目的，一切都是围绕问题的解决。整理分析思路，即先分析什么，后分析什么，使各分析点之间具有逻辑联系，分析维度有哪些，包含哪些指标。即进行资料分析前期策划，后期指导分析工作的开展。
2、数据资料
外部：因特网、网络爬行器、竞品数据，等等。内部：自己的数据库、用户行为数据、业务提供的Excel或 csv文件；
3、数据清洗
包含对杂乱数据的清理和处理。在数据少的情况下可以使用 excel；在数据量很大的情况下，可以使用DataFocus、 python的包 pandas或 sql语句进行处理。工具没有好与坏之分，只要能快速有效解决问题。
4、数据模型
简而言之：使用统计学的描述性统计，如平均、中间、标准差等等；复杂的方法：使用诸如预测之类的机器学习模型、算法。而且大多数情况下，用描述性统计就可以了，后期再深入一点，可以学习一些机器学习和统计学的模型。
如果是进行用户分析可以了解一下《大数据分析中，有哪些常见的大数据分析模型？》
5、展示数据
当展示结果时，没有必要太夸张，要确保与大多数人的理解一致，让人们能很容易地看清图表。可以使用图表来表示而不必使用表格，可以用表格来说明而不必使用文字。用最少的脑力去理解你所表达的意思。
6、编写报告
良好的分析报告必须包含建议和解决方案。政策制定者不仅需要发现问题，更需要找到解决办法并提出建议。
这是一个过程，非常重要，我们必须学以致用，把它应用于我们实际的分析工作哦。
三、数据分析的学习和工具
1、学习
先了解，后深入；先记录，后记忆；先理论，后实践；先模仿，后创新
2、方法
先思路，后方法；先框架，后细化；先方法，后工具；先思考，后动手
3、分析
先业务，后数据；先假设，后验证；先总体，后局部；先总结，后建议
4、工具
我这边推荐的工具是DataFocus，作为常用工具必须具有几点：上手快，资源丰富，功能全面。
上手快：在好的工具如果迟迟不能进行流畅的操作，变成数据分析路上的阻碍，那么就可以考虑更换了。
资源丰富：丰富的教程不仅可以让我们在学习和使用上更加的流畅，还可以拓宽我们的分析思路和使用技巧
功能全面：功能全面可跟上我们的学习进度，不需要频繁的更换和学习新工具的使用
