一般情况下，数据分析是一个团队，而不是某个人，在这个团队里，需要有应用非常熟悉的，他们可以帮助数据分析师判断结果是否符合目标；在这个团队里需要有对各种异构数据的内容，规则非常熟悉的人，这是帮助挑选数据和清理数据，减少噪声和提高数据规范的人，这个专家我们称为数据专家。

   另一个方面，统计学习建模能力，从样本数据中，挑选有效的结果表达关联，通过机器学习，建立合适的神经网络模型，再给应用专家对结果判断后，对挑选出来的模型进行优化；数据分析产品架构者，这是一个数据分析团队中非常重要的位置，大部分数据分析师在应用层面，产品搭建层面有较大的弱处，通过产品架构者变成实际可用的模式，而不是研究成果。

1、确定分析的目标。这点非常重要，别拿到数据就根据套路一通乱分析。

2、选择数据来源。不同的数据来源非常影响结论，特别是数据来自网站的时候，一定要选取经过实践证明靠谱的数据。如果你不能判断，就老实注明来源，说明所有的分析是基于这个基础的。

3、确定影响目标结果的变量；对数据源做清理和筛选，只留下*核心的数据；这个非常考验分析师对业务的理解程度。所以分析师不能坐在办公室只和机器图表打交道，要去和业务流程上的人谈谈加深理解。

4、建立模型，模拟不同业务情形，得出结论，或者通过可视化的工具描述你的发现：哪里好，哪里不好，为什么？

5、*重要的一步来了，根据你的分析，给出你的建议：我们该做什么才能让结果更好？