数据分析流程主要分为五个关键环节：明确数据分析目的、明确数据源及数据口径、数据处理、数据分析、数据分析报告。

一、明确数据分析目的

在进行数据分析之前首先要明确数据分析为什么要做？下面通过用户、需求、场景三要素拆解法来明确数据分析的目的。本文主要目的：①.了解数据分析全流程，②.找出最影响投资的因素。

1.用户 2.需求 3.场景 # 此处不做过多阐述

二、明确数据源

本次需分析的是一份互金用户投资数据，共有31004条数据，详情如下：

PS：数据源来源于网络，如有侵权，请与作者联系

数据包含主要字段有：用户编码、一级注册渠道、注册时间、年龄、性别、省份、城市、投资时间（首投）、投资时间（最后一次投资）、首次投资金额、累计投资金额、首投rate、首次投资产品期限月

三、数据处理

数据处理阶段主要做的工作是数据清洗、数据补全、数据整合。

1.数据清洗

发现数据中的异常值，如对连续多天的用户登录数据进行处理时，如果有一天的登录数远远超过正常值，那么就需要分析，该天是否有重大营销活动，还是采集数据时出现的错误，通过异常值不仅可以发现数据采集方法的问题，同时可能通过异常值找到数据分析的目标。比如对信用卡诈骗的分析，就是通过查找异常数据的方式。

2.数据补全

针对数据缺失的情况如何解决，一种方式是根据数据前后的关联关系填充平均值等方式，另一种则是直接选择丢失该条记录不用于数据分析。两种方式各有优劣，建议结合具体问题具体分析。

3.数据整合

在采集数据时，不同类型数据之间可能存在潜在关联关系，通过数据的整合，丰富数据维度，更利于发现更多有价值的信息。如用户注册数据与用户购买数据相关联，可以通过用户的基础属性信息判断用户购买的商品是自己使用还是送人等等。

四、数据分析

数据分析思路又叫数据分析方法，数据分析一定是以目的为导向的，通过目的选择数据分析的方法。通常来说主要有以下集中分析思路

1.异常分析

通过数据分析发现异常情况，找到解决异常问题的方法。

2.寻找关联关系

关联关系也可以成为购物车分析，耳熟能详的沃尔玛尿布与啤酒的案例就是关联关系的最佳实践，通过分析不用商品或不同行为之间的关系，发现用户的习惯。

3.分类、分层

通过用户特征、用户行为对用户进行分类分层，形成精细化运营、精准化业务推荐，进一步提升运营效率和转化率。

4.预测

通过用户历史行为预测用户未来可能的行为，提升用户感知和使用体验。

目标：找出影响投资因素

第一步：提出假设

第二步：数据分析，假设验证

第三步：分析结果，得出结论

地四步：数据分析报告撰写

五、数据分析报告