数据分析师主要做什么？
收集、整理和清理数据：通过各种方式收集数据，整理数据，清理数据，去除重复、缺失、错误等数据。
分析数据：通过数学和统计学知识，对数据进行分析，获得有用信息和知识。
可视化数据：将数据可视化，通过图表、图像等方式展示数据。
制定数据策略：根据数据分析结果，制定数据策略，并为公司提供有关数据的建议。
提供数据支持：提供数据支持，为公司的业务决策和战略规划提供有效的数据支持。
数据模型建立：建立数据模型，并为公司的业务决策和战略规划提供参考建议
数据预测：利用数据模型和机器学习技术，对未来数据进行预测，为公司提供有关未来发展趋势的分析。
完成数据报告和文档：根据数据分析结果，完成数据报告和文档，并向公司高层管理和其他部门提供详细的报告。
与团队成员和其他部门合作：与团队成员和其他部门合作，共同完成项目和任务。
保持最新技术和工具：保持最新技术和工具，不断学习和更新知识。
2019-11-14 · 大数据人才培养的机构
加米谷大数据科技
数据分析是指用统计分析方法对收集的数据进行分析，提取有用信息和形成结论。
数据分析是一个偏综合的岗位
（1）数据清洗：80%的精力在处理清洗数据，包括字段提取、整合归一、规范化。数据在现有的商业环境中才开始逐渐重视，故数据采集整理非常重要，许多公司都在开始重视数据背后的重要价值，故会把历史数据拿出来处理加工。
（2）数据进行初加工：这里包含了数据描述性统计（比如极值，最值，均值，方差，分布），这种初步加工目的是为了大体了解这些数据的基本概况，这是初始业务必须要做的，从这些数据中一定程度上还能能够反映日常业务变况。
（3）探索性分析：有了对数据大体掌握后我们会做一些分析和预测，譬如相关性分析，主成分分析，回归分析，时间序列预测等等
（4）报表制作：这里会涉及到做基本报表，反映日常业务态势包含基本业务总体概况，同环比分析，并去查找业务逻辑数据表现的原因，当然里面会涉及到数据可视化图表（折线图，旋风图，散点图，柱形图）等等，诸多数据分析方法论
（5） 最后数据结论输出，报告撰写。
1、数据采集
数据采集的意义在于真正了解数据的原始相貌，包含数据发生的时间、条件、格局、内容、长度、约束条件等。这会帮助大数据分析师更有针对性的控制数据生产和采集过程，避免因为违反数据采集规矩导致的数据问题;对数据采集逻辑的知道增加了数据分析师对数据的了解程度，尤其是数据中的反常变化。
2、数据存取
数据存取分为存储和提取两个部分。数据存储，大数据分析师需求了解数据存储内部的作业机制和流程，最核心在于，知道原始数据基础上需求经过哪些加工处理，最终得到了怎样的数据。
3、数据提取
大数据分析师首先需求具有数据提取才能。第一层是从单张数据库中按条件提取数据的才能;第二层是把握跨库表提取数据的才能;第三层是优化SQL句子，经过优化嵌套、挑选的逻辑层次和遍历次数等，减少个人时间糟蹋和系统资源消耗。
4、数据发掘
在这个阶段，大数据分析师要把握，一是数据发掘、统计学、数学基本原理和知识;二是熟练运用一门数据发掘东西，Python或R都是可选项;三是需求了解常用的数据发掘算法以及每种算法的使用场景和优劣差异点。
5、数据分析
数据分析相关于数据发掘而言，更多的是偏向业务使用和解读，当数据发掘算法得出结论后，怎么解说算法在结果、可信度、明显程度等方面关于业务的实践意义。
6、数据可视化
这部分，大数据分析师除遵循各公司统一标准原则外，具体形式还要根据实践需求和场景而定。数据可视化永久辅助于数据内容，有价值的数据报告才是关键。
更多大数据专业可以咨询一下CDA认证机构，CDA（Certified Data Analyst），是大数据和人工智能时代面向国际范围全行业的数据分析专业人才职业简称，具体指在互联网、金融、咨询、电信、零售、医疗、旅游等行业专门从事数据的采集、清洗、处理、分析并能制作业务报告、提供决策的新型数据人才。
获得了数据以后，才能够进行数据处理工作。获取数据，把数据处理成自己想要的东西，是一个关键点。很多时候，有了数据不是完成，而是分析的开始。数据分析师最重要的工作就是把数据根据需求处理好，只有数据跟需求结合起来，才能发挥数据的价值，看到需求的问题和本质所在。
