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(chǎn)品經(jīng)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(zhuǎn)，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。

我推薦一些常用的大數(shù)據(jù)分析工具

1.專業(yè)的大數(shù)據(jù)分析工具

2.各種Python數(shù)據(jù)可視化第三方庫

3.其它語言的數(shù)據(jù)可視化框架

一、專業(yè)的大數(shù)據(jù)分析工具

1、FineReport

FineReport是一款純Java編寫的、集數(shù)據(jù)展示(報表)和數(shù)據(jù)錄入(表單)功能于一身的企業(yè)級web報表工具，只需要簡單的拖拽操作便可以設計復雜的中國式報表，搭建數(shù)據(jù)決策分析系統(tǒng)。

2、FineBI

FineBI是新一代自助大數(shù)據(jù)分析的商業(yè)智能產(chǎn)品，提供了從數(shù)據(jù)準備、自助數(shù)據(jù)處理、數(shù)據(jù)分析與挖掘、數(shù)據(jù)可視化于一體的完整解決方案，也是我比較推崇的可視化工具之一。

FineBI的使用感同Tableau類似，都主張可視化的探索性分析，有點像加強版的數(shù)據(jù)透視表。上手簡單，可視化庫豐富?？梢猿洚敂?shù)據(jù)報表的門戶，也可以充當各業(yè)務分析的平臺。

二、Python的數(shù)據(jù)可視化第三方庫

Python正慢慢地成為數(shù)據(jù)分析、數(shù)據(jù)挖掘領域的主流語言之一。在Python的生態(tài)里，很多開發(fā)者們提供了非常豐富的、用于各種場景的數(shù)據(jù)可視化第三方庫。這些第三方庫可以讓我們結合Python語言繪制出漂亮的圖表。

1、pyecharts

Echarts(下面會提到)是一個開源免費的javascript數(shù)據(jù)可視化庫，它讓我們可以輕松地繪制專業(yè)的商業(yè)數(shù)據(jù)圖表。當Python遇上了Echarts，pyecharts便誕生了，它是由chenjiandongx等一群開發(fā)者維護的Echarts Python接口，讓我們可以通過Python語言繪制出各種Echarts圖表。

2、Bokeh

Bokeh是一款基于Python的交互式數(shù)據(jù)可視化工具，它提供了優(yōu)雅簡潔的方法來繪制各種各樣的圖形，可以高性能的可視化大型數(shù)據(jù)集以及流數(shù)據(jù)，幫助我們制作交互式圖表、可視化儀表板等。

三、其他數(shù)據(jù)可視化工具

1、Echarts

前面說過了，Echarts是一個開源免費的javascript數(shù)據(jù)可視化庫，它讓我們可以輕松地繪制專業(yè)的商業(yè)數(shù)據(jù)圖表。

大家都知道去年春節(jié)以及近期央視大規(guī)劃報道的百度大數(shù)據(jù)產(chǎn)品，如百度遷徙、百度司南、百度大數(shù)據(jù)預測等等，這些產(chǎn)品的數(shù)據(jù)可視化均是通過ECharts來實現(xiàn)的。

2、D3

D3（Data Driven Documents）是支持SVG渲染的另一種JavaScript庫。但是D3能夠提供大量線性圖和條形圖之外的復雜圖表樣式，例如Voronoi圖、樹形圖、圓形集群和單詞云等。

數(shù)據(jù)分析的8個流程與7個常用思路

在產(chǎn)品運營過程中，數(shù)據(jù)分析具有極其重要的戰(zhàn)略意義，是產(chǎn)品優(yōu)化和產(chǎn)品決策的核心大腦。因此做好數(shù)據(jù)分析，是產(chǎn)品運營中最重要的環(huán)節(jié)之一。

那么如何做好支付的數(shù)據(jù)分析呢？以下梳理出數(shù)據(jù)分析的8步流程，以及常見的7種分析思路。新手在啟動數(shù)據(jù)分析前，最好跟主管或數(shù)據(jù)經(jīng)驗較豐富的童鞋確認每一步的分析流程。

一、數(shù)據(jù)分析八流程：

為什么分析？

首先，你得知道為什么分析？弄清楚此次數(shù)據(jù)分析的目的。比如，這次短信方式的數(shù)據(jù)分析，為什么要做這個分析。你所有的分析都的圍繞這個為什么來回答。避免不符合目標反復返工，這個過程會很痛苦。

分析目標是誰？

分析目標是誰？要牢記清楚的分析因子，統(tǒng)計維度是訂單，還是用戶，還是金額，還是用戶行為。避免把訂單當用戶算，把用戶當訂單算（上周運營同學真實案例），算出的結果是差別非常大的。

想達到什么效果？

通過分析各個維度的用戶，訂單，找到真正的問題。例如這次的XX通道的分析，全盤下線，或維持現(xiàn)狀不動，都不符合利益最大化原則。通過分析，找到真正的問題根源，發(fā)現(xiàn)用戶精細化運營已經(jīng)非常必要了。

需要哪些數(shù)據(jù)？

支付的數(shù)據(jù)，茫茫大海，數(shù)據(jù)繁多，用“?！眮硇稳菀稽c都不為過。需要哪些源數(shù)據(jù)？付費總額，付費人數(shù)？新老用戶維度？付費次數(shù)？轉(zhuǎn)移人數(shù)？留存率？用戶特征？畫像？先整理好思路，列一個表。避免數(shù)據(jù)部門同學今天跑一個數(shù)據(jù)，明天又跑一個數(shù)據(jù)，數(shù)據(jù)部門同學也會比較煩。

如何采集？

直接數(shù)據(jù)庫調(diào)取？或者交給程序猿導出？自己寫SQL？運營同學不妨都學一下SQL，自力更生。

如何整理？

整理數(shù)據(jù)是門技術活。不得不承認EXCEL是個強大工具，數(shù)據(jù)透視表的熟練使用和技巧，作為支付數(shù)據(jù)分析必不可少，各種函數(shù)和公式也需要略懂一二，避免低效率的數(shù)據(jù)整理。Spss也是一個非常優(yōu)秀的數(shù)據(jù)處理工具，特別在數(shù)據(jù)量比較大，而且當字段由特殊字符的時候，比較好用。

如何分析？

整理完畢，如何對數(shù)據(jù)進行綜合分析，相關分析？這個是很考驗邏輯思維和推理能力的。同時分析推理過程中，需要對產(chǎn)品了如指掌，對用戶很了解，對渠道很熟悉?？此埔粋€簡單的數(shù)據(jù)分析，其實是各方面能力的體現(xiàn)。首先是技術層面，對數(shù)據(jù)來源的抽?。D(zhuǎn)換－載入原理的理解和認識；其實是全局觀，對季節(jié)性、公司等層面的業(yè)務有清晰的了解；最后是專業(yè)度，對業(yè)務的流程、設計等了如指掌。練就數(shù)據(jù)分析的洪荒之力并非一朝一夕之功，而是在實踐中不斷成長和升華。一個好的數(shù)據(jù)分析應該以價值為導向，放眼全局、立足業(yè)務，用數(shù)據(jù)來驅(qū)動增長。運營同學比較容易聚在某個點上轉(zhuǎn)圈走不出來。

如何展現(xiàn)和輸出？

數(shù)據(jù)可視化也是一個學問。如何用合適的圖表表現(xiàn)？每一種圖表的寓意是什么？下面列舉下常用的8個圖表：

（1）、折線圖：合適用于隨時間而變化的連續(xù)數(shù)據(jù)，例如隨時間收入變化，及增長率變化。

（2）、柱型圖：主要用來表示各組數(shù)據(jù)之間的差別。主要有二維柱形圖、三維柱形圖、圓柱圖、圓錐圖和棱錐圖。如支付寶與微信覆蓋率差別。

（3）、堆積柱形圖：堆積柱形圖不僅可以顯示同類別中每種數(shù)據(jù)的大小，還可以顯示總量的大小。例如我們需要表示各個支付方式的人數(shù)及總?cè)藬?shù)時。

（4）、線-柱圖：這種類型的圖不僅可以顯示出同類別的比較，還可以顯示出趨勢情況。

（5）、條形圖：類似于橫向的柱狀圖，和柱狀圖的展示效果相同，主要用于各項類的比較。

（6）、餅圖：主要顯示各項占比情況。餅圖一般慎用，除非占比區(qū)別非常明顯。因為肉眼對對餅圖的占比比例分辨并不直觀。而且餅圖的項，一般不要超過6項。6項后建議用柱形圖更為直觀。

（7）、復合餅圖：一般是對某項比例的下一步分析。

（8）、母子餅圖：可直觀地分析項目的組成結構與比重。例如上次短信支付能力用戶中，沒有第3方支付能力的用戶，中間有X%比例是沒銀行卡，X%比例是沒微信支付賬號等。

圖表不必太花哨，一個表說一個問題就好。用友好的可視化圖表，節(jié)省閱讀者的時間，也是對閱讀者的尊重。

有一些數(shù)據(jù)，辛辛苦苦做了整理和分析，最后發(fā)現(xiàn)對結論輸出是沒有關系的，雖然做了很多工作，但不能為了體現(xiàn)工作量而堆砌數(shù)據(jù)。

在展現(xiàn)的過程中，請注明數(shù)據(jù)的來源，時間，指標的說明，公式的算法，不僅體現(xiàn)數(shù)據(jù)分析的專業(yè)度，更是對報告閱讀者的尊重。

二、數(shù)據(jù)分析七思路：

簡單趨勢

通過實時訪問趨勢了解產(chǎn)品使用情況。如總流水，總用戶，總成功率，總轉(zhuǎn)化率。

多維分解

根據(jù)分析需要，從多維度對指標進行分解。例如新老用戶、支付方式、游戲維度、產(chǎn)品版本維度、推廣渠道、來源、地區(qū)、設備品牌等等維度。

轉(zhuǎn)化漏斗

按照已知的轉(zhuǎn)化路徑，借助漏斗模型分析總體和每一步的轉(zhuǎn)化情況。常見的轉(zhuǎn)化情境有下單率，成功轉(zhuǎn)化率等。

用戶分群

在精細化分析中，常常需要對有某個特定行為的用戶群組進行分析和比對；數(shù)據(jù)分析需要將多維度和多指標作為分群條件，有針對性地優(yōu)化產(chǎn)品，提升用戶體驗。例如我們這次對短信這類用戶，短信里又有第3方和無第3方支付能力的，需要再進行分群的運營。

細查路徑

數(shù)據(jù)分析可以觀察用戶的行為軌跡，探索用戶與產(chǎn)品的交互過程；進而從中發(fā)現(xiàn)問題、激發(fā)靈感亦或驗證假設。例如我們這次對新用戶的運營，也非常有意思。

留存分析

留存分析是探索用戶行為與回訪之間的關聯(lián)。一般我們講的留存率，是指“新增用戶”在一段時間內(nèi)“回訪”的比例。通過分析不同用戶群組的留存差異、使用過不同功能用戶的留存差異來找到產(chǎn)品的增長點。

A/B測試

A/B測試就是同時進行多個方案并行測試，但是每個方案僅有一個變量不同；然后以某種規(guī)則（例如用戶體驗、數(shù)據(jù)指標等）優(yōu)勝略汰選擇最優(yōu)的方案。數(shù)據(jù)分析需要在這個過程中選擇合理的分組樣本、監(jiān)測數(shù)據(jù)指標、事后數(shù)據(jù)分析和不同方案評估。

不單是支付的數(shù)據(jù)分析，其他的產(chǎn)品運營數(shù)據(jù)分析流程和思路也一樣適用，只是支付數(shù)據(jù)相對其他產(chǎn)品而言，維度很多，以及組合的維度也非常多，因此就需要更清晰的思路和大局觀，避免陷入到數(shù)據(jù)海洋中。