擴展
1）數據分析方法論與數據分析區別
數據分析方法論主要用來指導數據分析師進行一次完整的數據分析，它更多的是指數據分析思路。數據分析方法論主要從宏觀角度指導如何進行數據分析，它就像是一個數據分析的前期規劃，指導著後期數據分析工作的開展。
而數據分析法則是指具體的分析方法。數據分析法主要從微觀角度指導如何進行數據分析。
2）常用的數據分析方法論
PEST 分析法
PEST分析法用於對宏觀環境的分析。宏觀環境又稱一般環境，是指影響一切行業和企業的各種宏觀力量。對宏觀環境因素作分析時。由於不同行業和企業有其自身特點和經營需要，分析的具體內容會有差異，但一般都應對 政治(Political )、經濟（Economic）、 技術（Technological）和 社會（Social）這四大類影響企業的主要外部環境因素進行分析，這種方法簡稱為 PEST 分析法。
5W2H 分析法
5w2H 分析法是以五個 w 開頭的英語單詞和兩個 H 開頭的英語單詞進行提問，從回答中發現解決問題的線索，即 何因 （Why） ） 、何事(What) 、何人(Who) 、何時(When) 、何地(Where ) 、如何做(How) 、何價(How much)，這就構成了 5W2H分析法的總框架。
邏輯樹分析法
邏輯樹又稱問題樹、演繹樹或分解樹等。它是將問題的所有了問題分層羅列，從最高層開始，並逐步向下擴展。
把一個已知問題當成樹幹，然後開始考慮這個問題和哪些相關問題有關。每想到一點，就給這個問題所在的樹幹加一個「樹枝」，並標明這個「樹枝」代表什麼問題。
邏輯樹的使用必須遵循以下三個原則。
要素化：把相同的問題總結歸納成要素。
框架化：將各個要素組織成框架。遵守不重不漏的原則。
關聯化：框架內的各要素保持必要的相互關係，簡單而不獨立。
4P 營銷理論
營銷組合實際上有幾十個要素，這些要素可以概括為 4 類: 產品(Product) 、價格(Price) 、 渠道(Place ) 、促銷(Promotion )。
用戶行為理論
網站分析的發展已經較為成熟，有一套成熟的分析指標。比如 IP、PV、頁面停留時間、跳出率、回訪者、新訪問者、回訪次數、回訪相隔天數、流失率、關鍵字搜索、轉化率、登錄率，等等。需要我們梳理指標之間的邏輯關係。
用戶使用行為是指用戶為獲取、使用物品或服務所採取的各種行動，用戶對產品首先需要有一個認知、熟悉的過程，然後試用，再決定是否繼續消費使用，最後成為忠誠用戶。
可利用用戶使用行為理論，梳理網站分析的各關鍵指標之間的邏輯關係，構建符合公司實際業務的網站分析指標體系。
1.3.2、數據收集
數據收集是按照確定的數據分析框架，收集相關數據的過程，它為數據分析提供了素材和依據。
包括第一手數據與第二手數據，第一手數據主要指可直接獲取的數據，第二手數據主要指經過加工整理後得到的數據。
一般數據來源主要有以下幾種方式：
資料庫：每個公司都有自己的業務資料庫，存放從公司成立以來產生的相關業務數據。這個業務資料庫就是一個龐大的數據資源，需要有效地利用起來。
公開出版物：可以用於收集數據的公開出版物包括《中國統計年鑑》《中國社會統計年鑑》《中國人口統計年鑑》《世界經濟年鑑》《世界發展報告》等統計年鑑或報告。
網際網路：隨著網際網路的發展，網絡上發布的數據越來越多，特別是搜尋引擎可以幫助我們快速找到所需要的數據，例如國家及地方統計局網站、行業組織網站、政府機構網站、傳播媒體網站、大型綜合門戶網站等上面都可能有我們需要的數據。
市場調查：市場調查就是指運用科學的方法，有目的、有系統地收集、記錄、整理有關市場營銷的信息和資料，分析市場情況，了解市場現狀及其發展趨勢，為市場預測和營銷決策提供客觀、正確的數據資料。
市場調查可以彌補其他數據收集方式的不足（比如：需要了解用戶的想法與需求），但進行市場調查所需的費用較高，而且會存在一定的誤差，故僅作參考之用。
1.3.3、數據處理
數據處理是指對收集到的數據進行加工整理，形成適合數據分析的樣式，它是數據分析前必不可少的階段。
基本目的:從大量的、雜亂無章、難以理解的數據中，抽取並推導出對解決問題有價值、有意義的數據。
數據處理主要包括數據清洗、數據轉化、數據提取、數據計算等處理方法。
一般拿到手的數據都需要進行一定的處理才能用於後續的數據分析工作，即使再「乾淨」』的原始數據也需要先進行一定的處理才能使用。數據處理是數據分析的基礎。通過數據處理，將收集到的原始數據轉換為可以分析的形式，並且保證數據的一致性和有效性。
1.3.4、數據分析
數據分析是指用適當的分析方法及工具，對處理過的數據進行分析，提取有價值的信息，形成有效結論的過程。
由於數據分析多是通過軟體來完成的，這就要求數據分析師不僅要掌握各種數據分析方法，還要熟悉數據分析軟體的操作。
數據挖掘其實是一種高級的數據分析方法，就是從大量的數據中挖掘出有用的信息，它是根據用戶的特定要求，從浩如煙海的數據中找出所需的信息，以滿足用戶的特定需求。數據挖掘技術是人們長期對資料庫技術進行研究和開發的結果。一般來說，數據挖掘側重解決四類數據分析問題:分類、聚類、關聯和預測，重點在尋找模式和規律。數據分析與數據挖掘的本質是一樣的，都是從數據裡面發現關於業務的知識。
1.3.5、數據展現（數據可視化）
一般情況下，數據是通過表格和圖形的方式來呈現的，我們常說用圖表說話就是這個意思。常用的數據圖表包括餅圖、柱形圖、條形圖、折線圖、散點圖、雷達圖等，當然可以對這些圖表進一步整理加工，使之變為我們所需要的圖形，例如金字塔圖、矩陣圖、漏斗圖等。大多數情況下，人們更願意接受圖形這種數據展現方式，因為它能更加有效、直觀地傳遞出分析所要表達的觀點。
一般情況下能用圖說明問題的就不用表格，能用表格說明問題的就不要用文字。
1.3.6、報告撰寫
數據分析報告其實是對整個數據分析過程的一個總結與呈現。通過報告，把數據分析的起因、過程、結果及建議完整地呈現出來，供決策者參考。
一份好的數據分析報告，首先需要有一個好的分析框架，並且圖文並茂，層次明晰，能夠讓閱讀者一目了然。
另外，數據分析報告需要有明確的結論，沒有明確結論的分析稱不上分析，同時也失去了報告的意義，因為我們最初就是為尋找或者求證一個結論才進行分析的，所以千萬不要舍本求末。
最後，好的分析報告一定要有建議或解決方案。作為決策者，需要的不僅僅是找出問題，更重要的是建議或解決方案，以便他們做決策時作參考。
所以，數據分析師不僅需要掌握數據分析方法，而且還要了解和熟悉業務，這樣才能根據發現的業務問題，提出具有可行性的建議或解決方案。