数据分析的第一步是明确需求目标，也就是准确理解你leader要你干什么、给你要什么。
对需求目标的准确理解建立在你对业务流程、业务逻辑、关键业务环节的理解基础上。明白你leader的需求目标后，看看要满足这些需求目标需要哪些数据、你手上有哪些数据，然后找到从数据到目标的一条路线（从目标到数据，反向倒推）（咱们经常把它叫做“思路”）。
比如，在常规数据分析方面我们常遇到的有一些描述性的数据分析（或者说数据统计），比如：
（1）上周中国内地票房排名前五的是哪五部电影；
（2）某几个区域的用户数及其所占的百分比、各个地区的性别比例，各个地区的青年、青少年、中年、中老年等各个年龄段的用户数及其比例；
（3）各个地区用户充值情况，充值金额排名前三的是哪些金额（是1元、2元、3元，还是4元、5元、6元），然后在对几个地区做比较，看看几个地区的情况有那些相同点、哪些不同点；存在相同点的原因有哪些？导致不同点的原因有哪些？
有时候还会遇到一些预测性的分析，比如：
（1）某部影片上映前，leader让你做个可以预测其在上映一个月时的票房是多少模型？
（2）假如你在一家共享出行行业中的某家公司上班，你leader让你预测某个城市每天的收入是多少的模型？
把上面两个模型叫做预测模型吧（还有别的名字吗~~）
上面的“用户数”，你要了解“用户数”的统计规则，是根据身份证号统计、还是根据注册手机号统计，或者根据其他方面进行统计。当然，在你进行A计算时，可能会采用根据注册手机号进行统计；而在进行B计算时，可能会根据身份证号进行分析，这要根据具体问题具体分析（又废话了）。
预测城市收入，你要了解整体业务体系，线上的、线下的，哪些是关键业务环节，哪些因素可以决定收入的多少，哪方面贡献的多、哪方面贡献的少，哪方面贡献的比较稳定、哪方面贡献的不稳定（有时候可以不从这个角度考虑，直接跳过这个层面），哪些因素是可控的（公司投入的资源）、哪些是不可控的（天气、政策），各个因素的权重如何确定、权重分别是多少等（在你用某个工具做预测时，权重就已经确定了，如SPSS、Excel、Python；然而有些实际情况就不同了）。
刚步入新行业的小伙伴可以跟一线人员多沟通、多交流、多请教（有时候会有人用异样的眼光看着你，或听你问的问题，心里在想这么简单的问题还要问）（多接触跟你工作有交叉的部门、多交流），多沉淀、多思考（沉淀需要时间的累积，捉急也没用，当然还是有天才的），很快你就会熟练。
上面是一些在工作中的个人心得体会，
希望能对刚步入数据分析行业的小伙伴有帮助，
欢迎各位同行吐槽！
2017年12月27日晚
