一、数据分析的目的：把隐藏在一大批看来杂乱无章的数据中的信息集中和提炼出来，从而找出研究对象的内在规律。（主要在于分析目的及过滤脏数据）

1.数据分析是有组织有目的地收集数据、分析数据，使之成为信息的过程。（这一过程是质量管理体系的支撑关键）。

2.数据分析覆盖项目的整个寿命周期，例如：项目的前提调研、可行性分析、用户行为习惯分析、市场分析等等。

二、数据分析主要包含的领域/类别：描述性统计分析、探索性数据分析、验证性数据分析、定型数据分析、离线数据分析、在线数据分析。

三、数据分析方法：

1.列表法：将数据按一定规律用列表法表达出来。

2.作图法：可视化，最醒目的表达各个物理量间的变化关系。

四、学习数据分析的主要内容：

1.数据思维。

2.业务知识。

3.EXCEL。

4.数据可视化。

5.SQL。

6.统计学。

7.python。

五.数据分析的结构层次。

1.底层数据的收集/产品端的收集。（基础数据）

---

2.数据业务化/产品需要什么样的数据。（可理解、可量化、可观察的数据）

---

3.数据决策的执行/怎么让产品更好。（观察洞察转换成策略）

---

4.数据模型/产品开始自动化和系统化的运营。（将洞察到的数据转换成数据规律）

---

5.数据战略/指导未来。（转化为成果、指导战略）

---

六.数据分析工具。

1.分析工具库。

2.PyMySQL。

3.Matplotlib.

4.Superset。

七.数据分析思维。

1.核心思维：

             结构化（点、线、面、体），通长数据分析大都反向进行。例如：找到一个核心论点，再逐一拆分要论证的某几个方面，再进行深层次的探究分析。

             公式化：一切结构皆可优化直到最小不可分割。（上下互为计算、左右呈关联），形成可量化的指标。

             业务化：首先捋顺思维，将结构化数据通过公式化变为贴合业务的数据。（用户访问地图分析，用户行为习惯的全流程分析。）

八.常用的分析方法。

1.象限法。

2.假设法。

3.对比法。

4.二八法。

5.指数法。

6.多维法。

7.漏斗法。