1、數(shù)據(jù)處理工具：Excel

數(shù)據(jù)分析師，在有些公司也會有數(shù)據(jù)產品經理、數(shù)據(jù)挖掘工程師等等。他們最初級最主要的工具就是Excel。有些公司也會涉及到像Visio，Xmind、PPT等設計圖標數(shù)據(jù)分析方面的高級技巧。數(shù)據(jù)分析師是一個需要擁有較強綜合能力的崗位，因此，在有些互聯(lián)網(wǎng)公司仍然需要數(shù)據(jù)透視表演練、Vision跨職能流程圖演練、Xmind項目計劃導圖演練、PPT高級動畫技巧等。

2、數(shù)據(jù)庫：MySQL

Excel如果能夠玩的很轉，能勝任一部分數(shù)據(jù)量不是很大的公司。但是基于Excel處理數(shù)據(jù)能力有限，如果想勝任中型的互聯(lián)網(wǎng)公司中數(shù)據(jù)分析崗位還是比較困難。因此需要學會數(shù)據(jù)庫技術，一般Mysql。你需要了解MySQL管理工具的使用以及數(shù)據(jù)庫的基本操作;數(shù)據(jù)表的基本操作、MySQL的數(shù)據(jù)類型和運算符、MySQL函數(shù)、查詢語句、存儲過程與函數(shù)、觸發(fā)程序以及視圖等。比較高階的需要學習MySQL的備份和恢復;熟悉完整的MySQL數(shù)據(jù)系統(tǒng)開發(fā)流程。

3、數(shù)據(jù)可視化：Tableau& Echarts

如果說前面2條是數(shù)據(jù)處理的技術，那么在如今“顏值為王”的現(xiàn)在，如何將數(shù)據(jù)展現(xiàn)得更好看，讓別人更愿意看，這也是一個技術活。好比公司領導讓你對某一個項目得研究成果做匯報，那么你不可能給他看單純的數(shù)據(jù)一樣，你需要讓數(shù)據(jù)更直觀，甚至更美觀。

②數(shù)據(jù)分析為了挖掘更多的問題，并找到原因；

③不能為了做數(shù)據(jù)分析而坐數(shù)據(jù)分析。

2、步驟：①調查研究：收集、分析、挖掘數(shù)據(jù)

②圖表分析：分析、挖掘的結果做成圖表

3、常用方法：利用數(shù)據(jù)挖掘進行數(shù)據(jù)分析常用的方法主要有分類、回歸分析、聚類、關聯(lián)規(guī)則、特征、變化和偏差分析、Web頁挖掘等，它們分別從不同的角度對數(shù)據(jù)進行挖掘。①分類。分類是找出數(shù)據(jù)庫中一組數(shù)據(jù)對象的共同特點并按照分類模式將其劃分為不同的類，其目的是通過分類模型，將數(shù)據(jù)庫中的數(shù)據(jù)項映射到某個給定的類別。它可以應用到客戶的分類、客戶的屬性和特征分析、客戶滿意度分析、客戶的購買趨勢預測等，如一個汽車零售商將客戶按照對汽車的喜好劃分成不同的類，這樣營銷人員就可以將新型汽車的廣告手冊直接郵寄到有這種喜好的客戶手中，從而大大增加了商業(yè)機會。②回歸分析?；貧w分析方法反映的是事務數(shù)據(jù)庫中屬性值在時間上的特征，產生一個將數(shù)據(jù)項映射到一個實值預測變量的函數(shù)，發(fā)現(xiàn)變量或屬性間的依賴關系，其主要研究問題包括數(shù)據(jù)序列的趨勢特征、數(shù)據(jù)序列的預測以及數(shù)據(jù)間的相關關系等。它可以應用到市場營銷的各個方面，如客戶尋求、保持和預防客戶流失活動、產品生命周期分析、銷售趨勢預測及有針對性的促銷活動等。③聚類。聚類分析是把一組數(shù)據(jù)按照相似性和差異性分為幾個類別，其目的是使得屬于同一類別的數(shù)據(jù)間的相似性盡可能大，不同類別中的數(shù)據(jù)間的相似性盡可能小。它可以應用到客戶群體的分類、客戶背景分析、客戶購買趨勢預測、市場的細分等。④關聯(lián)規(guī)則。關聯(lián)規(guī)則是描述數(shù)據(jù)庫中數(shù)據(jù)項之間所存在的關系的規(guī)則，即根據(jù)一個事務中某些項的出現(xiàn)可導出另一些項在同一事務中也出現(xiàn)，即隱藏在數(shù)據(jù)間的關聯(lián)或相互關系。在客戶關系管理中，通過對企業(yè)的客戶數(shù)據(jù)庫里的大量數(shù)據(jù)進行挖掘，可以從大量的記錄中發(fā)現(xiàn)有趣的關聯(lián)關系，找出影響市場營銷效果的關鍵因素，為產品定位、定價與定制客戶群，客戶尋求、細分與保持，市場營銷與推銷，營銷風險評估和詐騙預測等決策支持提供參考依據(jù)。⑤特征。特征分析是從數(shù)據(jù)庫中的一組數(shù)據(jù)中提取出關于這些數(shù)據(jù)的特征式，這些特征式表達了該數(shù)據(jù)集的總體特征。如營銷人員通過對客戶流失因素的特征提取，可以得到導致客戶流失的一系列原因和主要特征，利用這些特征可以有效地預防客戶的流失。⑥變化和偏差分析。偏差包括很大一類潛在有趣的知識，如分類中的反常實例，模式的例外，觀察結果對期望的偏差等，其目的是尋找觀察結果與參照量之間有意義的差別。在企業(yè)危機管理及其預警中，管理者更感興趣的是那些意外規(guī)則。意外規(guī)則的挖掘可以應用到各種異常信息的發(fā)現(xiàn)、分析、識別、評價和預警等方面。⑦Web頁挖掘。

1.描述型分析：發(fā)生了什么?

這是最常見的分析方法。在業(yè)務中，這種方法向數(shù)據(jù)分析師提供了重要指標和業(yè)務的衡量方法。

例如，每月的營收和損失賬單。數(shù)據(jù)分析師可以通過這些賬單，獲取大量的客戶數(shù)據(jù)。了解客戶的地理信息，就是“描述型分析”方法之一。利用可視化工具，能夠有效的增強描述型分析所提供的信息。

2.診斷型分析：為什么會發(fā)生?

描述性數(shù)據(jù)分析的下一步就是診斷型數(shù)據(jù)分析。通過評估描述型數(shù)據(jù)，診斷分析工具能夠讓數(shù)據(jù)分析師深入地分析數(shù)據(jù)，鉆取到數(shù)據(jù)的核心。

良好設計的BI dashboard能夠整合：按照時間序列進行數(shù)據(jù)讀入、特征過濾和鉆取數(shù)據(jù)等功能，以便更好的分析數(shù)據(jù)。

3.預測型分析：可能發(fā)生什么?

預測型分析主要用于進行預測。事件未來發(fā)生的可能性、預測一個可量化的值，或者是預估事情發(fā)生的時間點，這些都可以通過預測模型來完成。

預測模型通常會使用各種可變數(shù)據(jù)來實現(xiàn)預測。數(shù)據(jù)成員的多樣化與預測結果密切相關。在充滿不確定性的環(huán)境下，預測能夠幫助做出更好的決定。預測模型也是很多領域正在使用的重要方法。

4.指令型分析：需要做什么?

數(shù)據(jù)價值和復雜度分析的下一步就是指令型分析。指令模型基于對“發(fā)生了什么”、“為什么會發(fā)生”和“可能發(fā)生什么”的分析，來幫助用戶決定應該采取什么措施。通常情況下，指令型分析不是單獨使用的方法，而是前面的所有方法都完成之后，最后需要完成的分析方法。

關于數(shù)據(jù)分析常用的4大分析方法的內容，青藤小編就和您分享到這里了。如果您對大數(shù)據(jù)工程有濃厚的興趣，希望這篇文章可以為您提供幫助。如果您還想了解更多關于數(shù)據(jù)分析師、大數(shù)據(jù)工程師的技巧及素材等內容，可以點擊本站的其他文章進行學習。

QCC小組活動在原因分析階段常用到的分析工具包括因果圖、關聯(lián)圖和系統(tǒng)圖。

1.因果圖：因果圖是一種圖示分析工具，它以結果作為特性，以原因為因素，層層展開以分析因果關系，尋找根本原因。因果圖又稱為石川圖、魚骨圖或特性要因圖。在制造系統(tǒng)的因果關系分析時，因果圖通常從人機料法環(huán)測進行展開，逐步分析到末端因素。

2.關聯(lián)圖：關聯(lián)圖是一種用來找出主要因素和項目的方法，它把關系復雜且相互糾纏的問題及其因素用箭頭連接起來。各因素之間有相互關系，或有1個以上的問題分析時，通常會用到關聯(lián)圖。

3.系統(tǒng)圖：系統(tǒng)圖是一種用來明確問題的重點，尋找最佳手段或措施的方法。它把要實現(xiàn)的目的與需要采取的措施或手段系統(tǒng)地展開，并繪制成圖。

在QC小組解決質量、成本、生產量等問題時，基于數(shù)據(jù)的實證式問題解決方法是十分有效的。使用的最基本方法一般有七種：

1.調查表：對問題的現(xiàn)狀進行抽樣調查，不要放過任何一個細節(jié)問題。

2.帕累托圖：從眾多的問題當中找出真正的問題。

3.特性要因圖：不要遺漏主要的原因，仔細整理。

4.圖表：使做成的數(shù)據(jù)做到一目了然。

5.確認表：容易取出數(shù)據(jù)，防止檢查中的遺漏。

6.矩形圖：掌握野返分布的情況，并和規(guī)格對比。

7.散布圖：掌握成對的兩組數(shù)據(jù)的關系。

8.管理圖：調查工序或工程內是否處在安定狀態(tài)。

注：有時候把圖表和管理圖歸納為一種，再加上層別（坐標圖）就成為七種。

以上內容參考：百度百科-QC小組