数据分析

数据分析是一种统计分析方法，是数学与计算机科学相结合的产物。通过恰当的统计分析方法来对手机来的数据进行分析，提取数据中的有用信息形成结论并对数据再进行深入研究总结过程，目的是为了利用数据来理性思考和决策的过程。

数据分析方法有很多，例如：细分分析、对比分析、漏斗分析、同期群分析等。而细分分析是分析的基础，单一维度下的指标数据的信息价值很低。细分方法可以分为两类， 一是逐步分析； 二是维度交叉。

数据分析的软件类型有：Excel、SQL、BI、统计编程、数据可视化JavaScript库、R语言等等。数据分析软件有：Excel数据处理、数据库操作、BI工具、统计编程等等。

数据分析师要学的东西分为理论和操作工具两类，理论知识部分包含高等数学、统计学等。操作工具有excel、SQL、python等。

数据分析方法有集中趋势分析、离中趋势分析、相关分析、推论统计、信度分析、聚类分析。了解公司运营的现状后，有时需要对公司的未来发展趋势做出预测，为公司制定业务目标，并提供有效的战略参考和决策依据，以确保公司的持续健康发展。

优秀的解决问题能力，扎实的数字技能，精通Excel，分析人员还需要熟悉至少一种查询语言，数据可视化方面的专业知识,最后还需要良好的沟通能力。

数据湖是一个集中式存储库，允许您以任意规模存储所有结构化和非结构化数据。您可以按原样存储数据（无需先对数据进行结构化处理），并运行不同类型的分析 – 从控制面板和可视化到大数据处理、实时分析和机器学习，以指导做出更好的决策。

数据驱动指的是通过采集数据，将数据进行组织形成信息流，在做决策或者产品、运营等优化时，根据不同需求对信息流进行提炼总结，从而在数据的支撑下或者指导下进行科学的行动。

数据库是面向事务的设计，一般存储在线交易数据，设计尽量避免冗余采用符合范式的规则来设计，为捕获数据而设计；数据仓库是面向主题设计，存储的一般是历史数据，设计是有意引入冗余，采用反范式的方式来设计，是为分析数据而设计。

多维数据分析是以数据库或数据仓库为基础的，其最终数据来自底层的数据库系统，多维数据分析更适合以数据仓库为基础的数据分析处理。这里结合生产领域中重要效率评价指标 OEE，研究如何用多维的思路和方法来分析。

 大数据分析工具分为两类，开源大数据生态圈（Hadoop HDFS、Hadoop MapReduce、HBase）、商用大数据分析工具（IBM PureData，Oracle Exadata，SAP Hana）。