數據分析師，就是明确分析目的并對數據進行，收集、處理、分析和可視化的專業性人員。

在此，我們将數據分析更詳細的給讀者朋友進行一下展示，數據分析需要懂什麼知識，才能夠參與這個樣一個流程，并為企業的數據帶來商業價值呢？

數據分析知識結構圖

為了方便大家理解，我們從時間軸上對數據分析進行一個說明。

過去性分析，通常指過去發生了什麼？比如，過去十年的房價漲幅。

現在性分析，當前房價統計出來價格處于一個什麼價位，相比于過去情況怎麼樣。

預測性分析，根據過去和現在的數據，利用一些機器學習的算法去預測未來的價格走勢。

在此我們将結合數據分析的整個流程，來講述一下，如果想對當前樓市價格進行統計、分析哪個城市樓價、預測，我們的數據分析流程該是怎樣：

第一步，明确目标：我們根據剛才的題目已經很明确了，通過數據來統計當前價格、分析哪個城市樓價平均價最高，以及預測未來的樓價走勢，這是我們這個案例中需要解決的問題。

第二步，收集數據：根據我們需要解決的問題，我們有針對性的去收集房地産的數據，數據的收集的渠道有，公司内部的數據、各大房企網站數據、通過爬蟲收集數據、或者付費購買數據等。

第三步，數據清洗：當我們收集足夠多的數據之後，可能這些數據有的殘缺不全、有的存在異常值等，那這時我們可以使用python、excel、sql、powerbi等工具進行數據的清洗。

第四步，數據預處理：舉個栗子，我們對數據要進行建模、但是我們模型可能隻能處理數值型，但是我們的數據是字符串，我們就要對數據進行預處理，處理成我們模型可以處理的數據。模型的建立，這一步可以說是數據分析的關鍵一步，模型的建立。我們要對未來的數據進行預測，如何将我們影響因子加入到模型，權重如何設置、函數的階數如何設置都是我們要解決的問題。

第五步，數據可視化：哪怕我們對我們已經有的數據進行了模型的建立，但是到目前為止我們所做的工作都是隻有我們自己能看懂或者相關人員能看懂。所以我們需要進行數據的可視化，來更直觀更方便的對數據進行解讀。

第六步，描述性報告/報表：我們做數據分析就是幫助上層決策人員進行一個更好的決策，所以我們需要對我們的工作進行一個報告。來報告給決策人員。

關于數據分析、機器學習、統計建模的關系

根據這個圖，我們可以将我們所要分析的結果做兩種分類，大概分為：簡單問題、複雜問題，而在數據分析中對簡單的問題和複雜的問題，進行分析采取的方法也是不一樣的，畢竟殺雞焉用宰牛刀是吧。

1、什麼是簡單問題？

比如公司領導想知道每周的銷售情況，這種就是簡單問題。簡單問題可以用數據分析來處理，通過分析數據來分析出有用的信息。

2、什麼是複雜問題？

比如我們天天使用的淘寶，它會根據你的曆史購物習慣（數據），來給推薦你可能感興趣的商品。淘寶是如何做到的呢？對于這種複雜問題，淘寶背後使用的就是機器學習。

關于如何界定簡單問題和複雜問題？

我個人認為是在這個工作中，所設計到變量的大小、計算的整體步驟、模型的大小。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!