数据分析 - 流程

数据分析是一个收集、转换、清理和建模数据的过程，其目标是发现所需的信息。获得的结果会被传达，提出结论并支持决策。有时会使用数据可视化来展示数据，以便更容易地发现数据中的有用模式。数据建模和数据分析这两个术语含义相同。

数据分析过程包括以下几个阶段，这些阶段本质上是迭代的：

• 数据需求规范
• 数据收集
• 数据处理
• 数据清理
• 数据分析
• 沟通

数据需求规范

分析所需的数据基于问题或实验。根据指导分析人员的要求，识别作为分析输入的必要数据（例如，人口）。可以指定和获取有关人口的特定变量（例如，年龄和收入）。数据可以是数值型的或分类型的。

数据收集

数据收集是收集目标变量信息的过程，这些变量被识别为数据需求。重点是确保准确和诚实地收集数据。数据收集确保收集到的数据准确，以便相关决策有效。数据收集提供了衡量基线和改进目标。

数据从各种来源收集，从组织数据库到网页信息。因此获得的数据可能是非结构化的，并且可能包含无关信息。因此，需要对收集到的数据进行数据处理和数据清理。

数据处理

收集到的数据必须经过处理或组织才能进行分析。这包括根据相关分析工具的要求对数据进行结构化。例如，数据可能需要放置在电子表格或统计应用程序中的表格中的行和列中。可能需要创建数据模型。

数据清理

经过处理和组织的数据可能不完整、包含重复项或包含错误。数据清理是防止和纠正这些错误的过程。有几种类型的数据清理，具体取决于数据类型。例如，在清理财务数据时，可以将某些总计与可靠的已发布数字或定义的阈值进行比较。同样，可以使用定量数据方法进行异常值检测，这些异常值随后将从分析中排除。

数据分析

经过处理、组织和清理的数据将准备就绪进行分析。可以使用各种数据分析技术来理解、解释和根据需求得出结论。数据可视化也可用于以图形格式检查数据，以获得有关数据中消息的更多见解。

诸如相关性、回归分析之类的统计数据模型可用于识别数据变量之间的关系。这些描述数据的模型有助于简化分析并传达结果。

该过程可能需要额外的清理数据或额外的收集数据，因此这些活动本质上是迭代的。

沟通

数据分析的结果需要以用户所需的形式报告，以支持他们的决策和进一步行动。来自用户的反馈可能会导致额外的分析。

数据分析师可以选择数据可视化技术（例如表格和图表），这有助于清晰有效地向用户传达信息。分析工具提供了使用颜色代码和表格和图表中的格式突出显示所需信息的功能。