01。

    目标分析。

    采取任何行动，目标是最基本的问题。回忆一下，自己或者同事在没有目标的情况下工作，是什么状态。

    数据分析无目的是耍流氓。没有明确的目标与需求方沟通，做也是徒劳，很可能会改变需求。

    在判断一个人是否是数据分析师时，首先要问他数据分析的明确问题。面试者可以通过这种方式检查应聘者；应聘者可以通过这种方式来判断应聘者或者他们的公司。

    02。

    数据准备。

    多种数据情况下，需要根据目标来确定数据是从哪里获得的，excel中还是向第三方收集数据。要与业务、产品研发等人员明晰，该提取的数据提取，解析文件解析，该爬虫数据去爬。

    当数据分析这种工作继续进行时，仓库、BI平台和现有报表中的数据就会越完备，多数准备数据这一环节就会越来越少。

    03。

    数据处理。

    可以理解为基于分析目标、指标口径、数据特征、数据逻辑的ETL(Extract-Transform-Load)或IPO(Input-Process-Output)。

    SQL,R,Python等等都相当适合做ETL。

    04。

    数据的可视化。

    一图胜千言，没错。但是要留心你的客体，没有行业背景、业务背景的外行是看不懂的，还是需要配上解释说明。

    大多数数据分析师都喜欢并擅长数据可视化，最能直接感知数据分析的厉害，最能感受到数据分析的成就感，特别是一张精美的数据图。

    作者的经验、行之有效、多数分析法的经验足以用表格表示结果，且效果显著。只有几个场景，用图表更好。

    05。

    数据分析

    1000个读者拥有一千个哈姆雷特。数据分析也是如此。

    但在企业，这就有问题了。因此，要谨慎地进行数据分析，要结合分析目的、业务背景、行业经验、参考值进行解读分析。

    06。

    改善决策。

    很多分析师在这一环节不重视，参与少，也觉得参与不多，慢慢变成了数据的搬运工，是个导数。

    加强业务知识，把自己看作是老板，从经营管理的角度出发，围绕目标，提出问题的归因，提供建议，推荐方案等等，融入这一环节。

    精益求精是数据分析的灵魂，其它只是骨骼肌肉。

    07。

    追踪迭代法

    PDCA(Plan-Do-Check-Action)是一种屡试不爽的工作方法，必须用于数据分析工作。

    改善决策是否落地、是否有效，持续追踪，用数据说话，开启新一轮数据分析。优秀的继续优化，糟糕的继续改进，直到达到目标。

    闭环思考，极为重要，必须重视。在业务不进行之前，没有增量数据生成，gameover。

    好的数据分析员严格地执行七步操作，真正发挥数据价值。