前几天也和人探讨了下数据分析，也顺便和你说下，工作流程一般是这样的：事前，采集历史数据，分析数据关联性，推测可能的模型和影响因子；
事中，采集线上数据，同前期规划模型作比较，找到实际问题中的亟待解决的问题和模型改善，为进一步产品改进等做可能性、关联性分析；
事后，归纳数据，发现自己分析的不足、考虑问题的全面性，为接下来的分析工作做经验储备； 简单的讲就是：
事前估计，为什么会有这样的预测，有什么样的数据或是模型支持此分析结果；
事中监测，有哪些突变或是自己尚未前瞻到的异常用户数据，如何将其融合到新一轮的数据分析中，如何更好的为产品改进服务；
事后总结，在这次事件中有哪些问题，问题的原因出自哪里，模型的问题还是客观性或是其他问题，不断提升自己的数据领悟力； 在数据分析中，重数据，却不拘泥于数据；考虑模型，但要动态变化；不能为数据而数据，应该是客观的评析数据，提出合理的分析结果；不断在实践中提升自己的感悟能力，这不是一朝一夕的事。数据既为上，又为己，希望你可以理解。
事中，采集线上数据，同前期规划模型作比较，找到实际问题中的亟待解决的问题和模型改善，为进一步产品改进等做可能性、关联性分析；
事后，归纳数据，发现自己分析的不足、考虑问题的全面性，为接下来的分析工作做经验储备； 简单的讲就是：
事前估计，为什么会有这样的预测，有什么样的数据或是模型支持此分析结果；
事中监测，有哪些突变或是自己尚未前瞻到的异常用户数据，如何将其融合到新一轮的数据分析中，如何更好的为产品改进服务；
事后总结，在这次事件中有哪些问题，问题的原因出自哪里，模型的问题还是客观性或是其他问题，不断提升自己的数据领悟力； 在数据分析中，重数据，却不拘泥于数据；考虑模型，但要动态变化；不能为数据而数据，应该是客观的评析数据，提出合理的分析结果；不断在实践中提升自己的感悟能力，这不是一朝一夕的事。数据既为上，又为己，希望你可以理解。
温馨提示：内容为网友见解，仅供参考
第1个回答 2013-11-07
收集资料和数据是前提。
相似回答
