# 数据分析介绍
# 什么是数据分析：
数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。数据分析的目的有多种，概括起来有三种：现状分析、原因分析、预测分析。现状分析简单来说就是告诉你过去发生了什么。原因分析简单来说就是告诉你某一现状为什么发生。预测分析简单来说就是预测未来会发生什么。
# 数据分析步骤：
数据分析主要有六个过程：
- 需求明确：明确做数据分析的目标。为后面的分析过程做好铺垫。
- 数据收集：通过爬虫、商务合作的方式，获取想要的数据。
- 数据处理：对获取来的数据进行处理和清洗，把不需要的剔除掉，把需要的加工成我们想要的。方便后面的分析。
- 数据分析：根据自己的目的，以及现有的数据确定好分析的方法。
- 数据展现：将数据按照确定好的分析方法进行展示出来。
- 撰写报告：将分析的结果通过图表和文字的方式形成报告文档。
# 数据分析的误区：
- 分析目的不明确，为分析而分析：一定要找准自己分析数据的目标而去分析，比如是要了解现状，还是找出原因，还是预测未来发展等，千万不要为了分析而分析，这样就偏离主题了。
- 缺乏业务知识，分析结果偏离实际：分析数据的时候，一定要和公司的业务结合起来。如果脱离业务，即使数据分析方法再牛逼，图标再优美，也无济于事。
- 追求高级分析方法：一些人喜欢用一些高级的分析方法，认为只有这样才能体现专业性。其实高级的数据分析方法不一定是最好的，能够简单有效的解决问题的方法才是最好的。
# 数据分析的方法和工具：
数据分析可以通过工具，也可以通过代码来实现。以下分别列出这些常用的：
- 工具：Excel、Tableau、SPSS、百度图说等。
- 编程：Python语言、R语言、数据库的SQL语言、Excel的VBA语言等。
# 工具和代码该怎么选：
两者没有好坏之分，只有合适之分。数据分析总体来讲有两个模块，一个是数据处理，一个是可视化。如果数据已经经过处理了，并且手头上的软件可以直接非常方便的做可视化处理，那么我们用软件实现就可以。如果数据没有经过处理，那么最好通过python或者r对数据进行有一些处理，然后再通过软件可视化。或者软件的可视化无法满足我们的要求，那么可以通过代码来实现。总而言之，工具功能无法100%的满足你的要求，但是效率高。代码做数据处理比较好，最数据可视化比较繁琐，但是DIY属性强！
