1.什麼是資料分析？
基於現有的業務知識和統計學基礎知識及基本思想的理解與掌握，通過資料庫及統計分析工具對資料的調取與處理、分析，達到對現有問題or主題的探索與剖析，最終實現業務問題的解決or優化。
2.資料分析需要的知識、技能及工具？
業務知識：最重要
業務分析能力：業務問題的拆解、探索與定位，也包括一些思維導圖工具的使用（visio,xmind,mindmanager）
資料分析能力：基本的統計學及數學知識及較強的邏輯思維能力及分析工具的掌握spss,r,python等。
資料提取能力：在資料庫中能完成較為複雜的資料查詢及預處理的能力（sql使用能力）。
資料處理及展現能力：主要指excel及***的使用，也有資訊圖製作能力的要求。
較強的溝通能力：能無障礙的理解業務人員（包括產品經理）及技術人員的想法並與之進行溝通交流
3.長期只處理資料的詬病【for分析人員】？
對於分析人員來說，若無實際分析經驗，但經常提取資料，作為乙個資料庫工程師的角色開展工作時，容易形成一種慣性思維：從資料角度出發去看問題。這是很危險的，因為一條連貫、清晰的業務邏輯中間會產生各種資料，同時由於業務人員操作的相對靈活以及資料錄入和etl處理的問題會導致某一業務節點產生不同值的資料，若不清楚業務流程，業務知識，很難確認異常值的合理性及異常值產生的關鍵原因。
長此以往，這種資料角度出發的慣性思維就很難改變了，進而任何分析，出發點都是錯的，分析過程和結果可想而知。
4.對於「資料敏感」的理解?
資料敏感主要包括三方面：對異常or極值資料識別的敏感；對特定數值背後代表的業務含義的敏感；對業務資料重要、機密程度的敏感；
5.如何體現乙個資料分析人員的工作能力強弱？
相關學歷背景及工作年限；
對資料預處理的重視程度；
對細小業務問題解決方案及流程的抽取固化能力；
演算法知識的應用能力；
業務知識的深度和廣度；
任務的整體把控和分配能力；
溝通及表述的邏輯清晰程度；
6.資料分析人員、應用型資料探勘人員、演算法型資料探勘人員的區別？
資料分析人員演算法應用比較少；
應用型資料探勘人員在資料預處理及模型調參上下的功夫最多；
演算法型資料探勘人員在資料預處理上下的功夫叫少，模型理解及實現能力較強，偏開發；
7.資料分析人員的角色定位？
企業賢內助：
工作內容上：精準營銷時的使用者群篩選及營銷資料方案的確定；業務現狀的拆解與分析；業務問題及業務發展瓶頸的監控、探索與分析；資料產品的資料邏輯及模型的方案確定；
溝通物件上：基於資料分析結果進行決策的中高管理層；各業務部門業務決策的管理人員；運營部門的運營支撐人員；資料庫許可權管控的技術人員；產品設計及優化的產品負責人；
資料分析總結
1.為何要進行資料分析 1.1 資料可以用來回答一些問題的依據 少，收入下降，為什麼？玩家到達什麼階段？需要什麼？比較喜歡什麼？遇到什麼困難？玩家在 流失比較嚴重？這些問題，都要靠資料來回答。1.2 為什麼要利用資料？網路遊戲是乙個玩家行為的集合，要從這麼多玩家的心理以及玩家的行為中尋找其中的規律，...
資料分析崗位工作
資料分析工作職責 2015.5.8 做出有質量 有價值的資料統計分析，並在加強管理，提高經濟執行質量等方面為公司降低風險 提高收益。完善基礎，不斷提高綜合分析能力 1 為人正直 責任心強，作風嚴謹 工作仔細認真，具備良好的職業道德素養 2 有較強的需求分析能力 邏輯推理能力 溝通協調能力 3 遵守公...
面板資料分析方法總結
一般的順序是 先檢驗變數的平穩性,當變數均為同階單整變數時,再採用協整檢驗以判別變數間是否存在長期均衡關係。如果變數間存在長期均衡的關係,我們可以通過誤差修正模型 ecm 來檢驗變數間的長期因果關係 如變數間不存在協整關係,我們將對變數進行差分,然後通過向量自回歸模型 var 檢驗變數間的短期因果關...