一般情況下，數據分析是一個團隊，而不是某個人，在這個團隊里，需要有應用非常熟悉的，他們可以幫助數據分析師判斷結果是否符合目標；在這個團隊里需要有對各種異構數據的內容，規則非常熟悉的人，這是幫助挑選數據和清理數據，減少噪聲和提高數據規范的人，這個專家我們稱為數據專家。

   另一個方面，統計學習建模能力，從樣本數據中，挑選有效的結果表達關聯，通過機器學習，建立合適的神經網絡模型，再給應用專家對結果判斷后，對挑選出來的模型進行優化；數據分析產品架構者，這是一個數據分析團隊中非常重要的位置，大部分數據分析師在應用層面，產品搭建層面有較大的弱處，通過產品架構者變成實際可用的模式，而不是研究成果。

1、確定分析的目標。這點非常重要，別拿到數據就根據套路一通亂分析。

2、選擇數據來源。不同的數據來源非常影響結論，特別是數據來自網站的時候，一定要選取經過實踐證明靠譜的數據。如果你不能判斷，就老實注明來源，說明所有的分析是基于這個基礎的。

3、確定影響目標結果的變量；對數據源做清理和篩選，只留下最核心的數據；這個非常考驗分析師對業務的理解程度。所以分析師不能坐在辦公室只和機器圖表打交道，要去和業務流程上的人談談加深理解。

4、建立模型，模擬不同業務情形，得出結論，或者通過可視化的工具描述你的發現：哪里好，哪里不好，為什么？

5、最重要的一步來了，根據你的分析，給出你的建議：我們該做什么才能讓結果更好？