数据分析是数据应用的一种很重要的形式，数据的产生、收集、储存、处理、应用（分析、挖掘、预测、报警）以及现在比较火的机器学习、人工智能，都是围绕数据展开的典型方式。

基于爬虫技术从互联网上抓取数据、基于传感设备获取数据、或者基于网络应用的操作日志采集数据，这是大数据应用采集的几个典型手段，纯粹企业内部的运营管理应用系统产生的数据通常没有很高的日增量，比如：日增多少TB、多少PB。但对于互联网应用来说，基于社交、视频、电商、内容、搜索、餐饮、出行、服务等都可以产生很高的数据日增量、有很多海量数据应用场景，这些也直接推动互联网数据应用的发展，但这些只是存在少数的较为成功互联网厂商的商业模式里。

2018年是一个转折点，互联网应用开始进入下半场，如果上半场主要是2C，下半场更多开始转向2G、2B，大数据分析模式应用开始进入政府、行业等，如：龙头企业、大型企业、中小企业，而且会逐渐落到实处，不再以酷炫、花哨为主要卖点，从这个角度来说，互联网数据分析前途一片光明。但企业应用建设跟互联网应用建设有很大不同，互联网应用通常是自己主导、技术可控、应用可控、数据可控，但企业应用则是不同厂家承建的，系统异构、五花八门，数据割裂、数据不一致情况非常严重，另外地域跟行业发展严重不平衡，再加上行业特性、企业特点、老板风格都会在信息化中体现，互联网的扁平化、轻量化、统一化的打法在行业、企业里面是根本走不通的，这也是很多企业更多认同 “+互联网”模式，而不是“互联网+”模式。

因此，在互联网走向下半场时做数据分析，一定要深入行业、理解企业，借鉴互联网的技术和模式，踏踏实实做企业应用、数据治理、应用集成、业务集成、数据分析。首先，企业内部的应用系统治理与整合，过程中还得查缺补漏、升级扩展，不断地修炼内功；然后实现信息化跟自动化设备结合、实现两化融合；后续逐步实现上下游供应链、区域产业链的信息整合、跟政府、银行、税务、社会信息整合，在企业信息化建设过程中使用互联网应用推动发展起来的大数据采集/分析/存储/处理/加工等技术手段（比如：大数据、云计算、机器学习、人工智能），推动企业的不断发展、最终走向智能企业。

数据分析就是对数据进行分析。专业的说法，数据分析是指根据分析目的，用适当的统计分析方法及工具，对收集来的数据进行处理与分析，以求最大化地开发数据的功能，发挥数据的作用。数据也称观测值，是通过实验、测量、观察、调查等方式获取的结果，常常以数量的形式展现出来。

数据分析要达到帮助管理者有效决策提供有价值信息，比如日常通报、专题分析等，这些就是数据分析具体工作的体现。而什么时候做通报工作，什么时候开展专题分析，这都需要我们根据实际情况做出选择的。

数据分析的六种基本分析方法有：

1、构成分析法；2、同类比较分析法；3、漏斗法；4、相关分析法；5、聚类分析法；6、分组分析法。

构成分析在统计分组的基础上计算结构指标，来反映被研究总体构成情况的方法。应用构成分析法，可从不同角度研究投资构成及其变动趋势，观察投资构成与产业结构、社会需要构成的适应关系，可以揭示事物由量变到质变的具体过程。

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，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。数据分析是为了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。

数据分析常用方法

1、对比分析法，分析差异，揭示数据代表的事物的发展变化和规律性。

2、相关分析法，用来研究变量之间存在但又不确定的相互关系以及密切程度的分析，确定有无关系，确定现象之间关系的密切程度。

3、综合评价分析法，将多个指标转化为一个能够反映综合情况的指标进行评价，用于解决复杂的分析对象。

数据分析的基本思路

数据分析应该以业务场景为起始思考点，以业务决策作为终点。

1、明确思路

明确数据分析的目的以及思路是确保数据分析过程有效进行的首要条件。它作用的是可以为数据的收集、处理及分析提供清晰的指引方向。可以说思路是整个分析流程的起点。

首先目的不明确则会导致方向性的错误。当明确目的后，就要建分析框架，把分析目的分解成若干个不同的分析要点，即如何具体开展数据分析，需要从哪几个角度进行分析，采用哪些分析指标。只有明确了分析目的，分析框架才能跟着确定下来，最后还要确保分析框架的体系化，使分析更具有说服力。

2、收集数据

收集数据是按照确定的数据分析框架收集相关数据的过程，它为数据分析提供了素材和依据。

这里所说的数据包括第一手数据与第二手数据，第一手数据主要指可直接获取的数据比如公司自己的业务数据库中的业务数据，第二手数据主要指经过加工整理后得到的数据例如一些公开出版物或者第三方的数据网站。

3、处理数据

处理数据是指对收集到的数据进行加工整理，形成适合数据分析的样式，它是数据分析前必不可少的阶段。数据处理的基本目的是从大量的、杂乱无章、难以理解的数据中，抽取并推导出对解决问题有价值、有意义的数据。数据处理主要包括数据清洗、数据转化、数据提取、数据计算等处理方法。

4、分析数据

分析数据是指用适当的分析方法及工具，对处理过的数据进行分析，提取有价值的信息，形成有效结论的过程。由于数据分析多是通过软件来完成的，这就要求数据分析师不仅要掌握各种数据分析方法，还要熟悉数据分析软件的操作。

而数据挖掘其实是一种高级的数据分析方法，就是从大量的数据中挖掘出有用的信息，它是根据用户的特定要求，从浩如烟海的数据中找出所需的信息，以满足用户的特定需求。

5、可视化

一般情况下，数据是通过表格和图形的方式来呈现的，我们常说用图表说话就是这个意思。

常用的数据图表包括饼图、柱形图、条形图、折线图、散点图、雷达图等，当然可以对这些图表进一步整理加工，使之变为我们所需要的图形，例如金字塔图、矩阵图、漏斗图等。大多数情况下，人们更愿意接受图形这种数据展现方式，因为它能更加有效直观。

6、撰写报告

撰写数据分析报告其实是对整个数据分析过程的一个总结与呈现，通过清晰的结构和图文并茂的展现方式去展具有建设意义的解决方案。