从电商平台的「猜你喜欢」到音乐平台的「心动模式」，大数据已经渗透到了我们生活的每一个场景。不论是互联网行业，还是零售业、制造业等，各行各业都在依托互联网大数据（数据采集、数据存储、数据处理、数据挖掘、数据分析、数据呈现）实现企业价值。

那么，对于小白来说，如何进行数据分析呢？

首先，我们先来看一下数据分析的一般流程是怎样的？

数据分析流程

在数据分析过程中：

最关键的步骤：明确分析目的。

最耗时的步骤：数据清洗。

最难的步骤：建模分析。

通常，我们可以将数据分析比喻成做菜，做菜的过程其实就类似数据分析的过程：

1、明确分析目的——明确客人喜欢吃什么菜，爱吃辣还是爱吃甜。

如果搞不清报告阅读者的喜好，闭车造车，多半不会成功。

数据分析之后的一切工作都是围绕着这个目的来展开的，只有明确我们的分析目的，明确我们要解决什么问题，我们才能有针对性的去收集数据，解决问题。

在明确分析目的的基础上，我们尽可能多地搜集数据，为下一步提供数据源。

2、获取数据——获取食材。

不同的菜品需要不同的食材，不同的报告需要不同数据的支持。有些需要从系统中去导出，有些需要去网上收集，还有需要自行EXCEL表格收集。

找数据如同找食材

3、数据清洗——洗菜、切菜。

数据清洗是数据分析过程中最为繁琐和最耗时的一步，它几乎占用了数据分析的60%~80%的时间，一个优秀的数据分析工具可以帮助我们简化数据清洗的工作，让我们更加专注于产生价值的部分。

如果数据收集时就是规范的，则会节省大量的清洗时间，所以要把数据规范控制的关口前移，在产生数据前就控制规范。

从系统中也能获得“垃圾”数据

4、建模分析——炒菜、调味。

建模分析是最能考察一个数据分析师的分析能力的步骤，对待同一份数据，不同的分析师会有着不同的见解，得出的结果也不尽相同，这不仅需要我们积累业务经验提高对数字的敏感度，同时也需要我们提高对工具的熟练度。所以数据分析师要掌握各种分析方法，理论指导实践。

好工具，好方法搭配使用

5、数据可视化——调色。

数据可视化可以帮助我们更加直观、清楚的理解数据内在的含义，分析出其存在的规律，但我们需要遵循一条原则是：可视化的目的是让我们能更加容易的理解数据，因此，并不是越复杂的图形就越好。

图表是数据可视化的重要工具

6、发布报告——上菜。

当您得出了一份比较有价值的可视化报告，您就可以共享给组织或其他人，让数据产生其应有的真正价值。

PPT\EXCEL\WORD都是常见的呈现工具

好啦，想成为数据分析大师吗？别急，一步一步来慢慢学。