不知道大家有没有感觉到自从进入21世纪之后，“大数据”这个词出现的频率越来越高。以前的“据统计”变成了现在的“大数据显示”。

在这个信息爆炸的时代，每人每分每秒都在产生数据，数据单位是PB量级。在如此巨大的数据中，通过数据分析了解企业的现状与竞争环境，风险评判与决策支持，给企业决策者清晰、准确且有数据支撑的“有价值”报告。

随着大数据在国内的发展，大数据相关人才也出现了供不应求的状况，人才高度稀缺，数据分析师已被媒体称为“未来具发展潜力的职业之一”。既然数据分析的趋势这么好，其实有朋友就会问了，那作为小白，如何学习数据分析呢？这里传小知给大家整理了几个步骤。

一、数据预处理

定义：一种数据挖掘技术，本质就是为了将原始数据转换为可以理解的格式或者符合我们挖掘的格式。（白话一点，就是把比较专业的数据翻译为大家都看得懂的格式）

为什么要进行数据预处理？

因为数据库太大，而且数据集经常来自多个异种数据源，低质量的数据将导致低质量的挖掘结果。

如何进行数据预处理：

（1）数据清洗： 填写缺失的值，光滑噪声数据，识别或删除离群点，并解决不一致性来“清理数据”；

（2）数据集成：使用多个数据库，数据立方体或文件；

（3）数据归约： 用替代的，较小的数据表示形式替换元数据，得到信息内容的损失最小化，方法包括维规约，数量规约和数据压缩；

（4）数据变换：将数据变换成使用挖掘的形式。

在数据进行了预处理以后，就要开始对数据的洞察了，根据洞察了解所在公司的业务逻辑，从而发现业务发展的规律。

二、数据洞察

对于数据洞察，有个行业共识：业务成功和数据洞察紧密相关

如何通过数据分析形成洞察，只需要2个步骤：

1）找到关键数据指标

我们所做的每个任务、每份工作，都应该有数据指标来衡量。

关键是找到那些数据指标。 你可以想一下，自己的工作任务应该用哪些数据指标来衡量？只要找到这个，你才有数据洞察的基础。

2）掌握足够多的分析方法

有了数据指标之后，就可以进行分析了。这是我们得出洞察的最关键一步！ 常见的分析方法有：

01）分类分析

02）矩阵分析

03）漏斗分析

04）相关分析

05）逻辑树分析

我以HR的工作来举例，说明上面这些分析要怎么做，才能得出洞察。

01）分类分析

比如分成不同部门、不同岗位层级、不同年龄段，来分析人才流失率。比如发现公司员工的流失率特别高，那么就可以去分析。

通过第一步的离职原因调研，将离职原因归纳为以下个方面，每个原因离职人数及占比如下：

02）矩阵分析

比如公司有价值观和能力的考核，那么可以把考核结果做出矩阵图，能力强价值匹配的员工、能力强价值不匹配的员工、能力弱价值匹配的员工、能力弱价值不匹配的员工各占多少比例，从而发现公司的人才健康度。03）漏斗分析

比如记录招聘数据，投递简历、通过初筛、通过一面、通过二面、通过终面、接下Offer、成功入职、通过试用期，这就是一个完整的招聘漏斗，从数据中，可以看到哪个环节还可以优化。

招聘是一个多环节的工作，从获得简历到最终新员工的入职，每个环节中的候选人依次减少，呈现漏斗状。

04）相关分析

比如公司各个分店的人才流失率差异较大，那么可以把各个分店的员工流失率，跟分店的一些特性（地理位置、薪酬水平、福利水平、员工年龄、管理人员年龄等）要素进行相关性分析，找到最能够挽留员工的关键因素。

05）逻辑树分析

比如近期发现员工的满意度有所降低，那么就进行拆解，满意度跟薪酬、福利、职业发展、工作氛围有关，然后薪酬分为基本薪资和奖金，这样层层拆解，找出满意度各个影响因素里面的变化因素，从而得出洞见。

三、数据可视化

数据可视化的定义：

它是一种连贯的视觉传达定量内容的方式。例如折线图，条形图，饼图，散点图或地图。

数据可视化的目的

通过将复杂数字和其他信息转换为图形，内容变得更易于理解和使用。

可视化的基本原则

1. 定义明确的目标

数据可视化应该回答重要的战略问题，提供真正的价值，并帮助解决实际问题。

2. 了解你的受众

数据可视化要与受众的专业知识兼容，并允许他们轻松快速地查看和处理数据。

3. 使用可视功能正确显示数据

正确的图表不仅可以使数据更易于理解，还可以最准确地呈现数据。

在数据可视化以后，就是最后一步，数据分析报告，把经过预处理，洞察以及可视化的结果，以报告的形式呈现出来。

四、数据分析报告

数据分析报告按照应用场合可以划分多种类型：有的需要向上邮件汇报，有的需要给项目组里一个交代，有的是需要直接进行展示汇报等。按照项目类型也可以划分多种类型：新项目上线效果评估，AB test结果，日常数据汇总，活动数据分析等。

数据分析报告有个大概的框架。

大概框架是这样的。可能针对不同的报告场景需要有所调整（比如删除部分步骤，或者增加部分细节）：

项目背景：简述项目相关背景，为什么做，目的是什么项目进度：综述项目的整体进程，以及目前的情况名词解释：关键性指标定义是什么，为什么这么定义数据获取方法：如何取样，怎么获取到的数据，会有哪些问题数据概览：重要指标的趋势，变化情况，重要拐点成因解释数据拆分：根据需要拆分不同的维度，作为细节补充结论汇总：汇总之前数据分析的主要结论，作为概览后续改进：分析目前存在的问题，并给出解决改进防范致谢附件：详细数据

以上就是新手小白学习数据分析的四个步骤。如果你想要学习数据分析但是不知道怎么学的话，就可以按照文章里面说的4个步骤，一步一步的去学习，我相信，学完以后你一定会有收获的！那还有一些朋友不知道去哪里找数据分析的学习资料，传小知这边有一个惊喜福利，就是私信传小知备注：数据分析，就可以领取免费的数据分析学习资料啦！