必备的8个主要流程数据分析的流程包括哪些( 二 ) _需求方

3. 数据确认
当需求确认清楚之后，接下来需要确认数据源，可能会遇到 3 个问题。
第 1 个问题：期望的数据没有存储。
作为数据分析师，如果你能帮助改善这个问题，让企业的数据更加完备，那么你的影响力将会得到提升。
第 2 个问题：数据分散在不同的位置。
在传统企业，这个问题非常普遍，可能还没有建立数据仓库。对于互联网企业，这个问题体现了数据仓库设计的不完备。
如果不是经常性的问题，临时解决即可。如果是经常性的问题，建议数据分析师主动了解底层的数据逻辑，编写自动化的代码，在可能的情况下，交付给数据仓库团队。
第 3 个问题：数据源错误。
这个问题非常致命，如果数据源不对，后面的分析结果可能造成误导，让需求方做出错误决策，后果不堪设想。
所以，数据分析师提高数据敏感度也很重要，在做数据分析之前，一定要先确认一下，数据源是正确无误的吗？
4. 实现中
在需求实现的过程中，数据分析师要管理好自己的分析代码。
以 Python 为例，尽量使用 Numpy、Pandas、Matplotlib 等比较成熟的包，用 Git 做好代码的版本控制，特别注意代码注释和提交信息的可读性和完整性，让数据处理的每个步骤都清晰易懂。
另外，配合使用 Jupyter Lab 之类的工具，能大大提升数据分析的工作效率。
一方面，我们要把好的经验和方法，沉淀为固定的流程步骤，实现工作的流程化。比如一个数据报表，用怎样的格式和规范，读者容易抓住其中最有价值的信息？
另一方面，我们还要实现流程的工具化。因为总有人会「偷懒」，总有人会逾越流程，总有人会偷偷地绕过流程。所以，我们要适应用工具来辅助流程的执行。
如果流程工具用起来不适应，怎么办？
华为早年引入集成产品开发（简称 IPD）的流程，大家刚开始也不适应。
任正非说了一句话：先僵化、后优化、再固化。
5. 交付
突出主要分析结论，这是数据分析交付的重要内容。
如果分析没有结论，就不能称之为交付。
交付的内容，包括文字、表格、图形等要素。文字表述要条理清晰，表格制作要标准规范，数据可视化的图形要选择合理。
6. 复盘
很多数据分析工作，最终停留在「交付」这个状态，数据分析师交付结果之后，往往没有去跟进后续的效果情况，没有对分析的价值进行判断，没有进行复盘总结。
交付之后，不妨思考一下，我们通过数据分析，帮助需求方做出了哪些正确的决策？给企业带来了哪些价值？与当初预期的目标相差多少？关键因素有哪些？假如重新再做一遍，怎么做才能做得更好？

必备的8个主要流程 数据分析的流程包括哪些( 二 )

猜你喜欢

必备的8个主要流程数据分析的流程包括哪些( 二 )