数据分析的目的

商业数据分析的目的，就是要用统计分析、机器学习、数据挖掘的各种方法来解决商业领域里的各种问题。

现状和预期

当存在一个现象的时候，我们不能说存在问题。问题是现状和预期的落差，比如说我们想销售1000万的产品，销售额只有500万。销售额500万就是现状，而我们希望销售1000万，则是预期。
当这两者不一样时，就出现了问题。
牢记"预期”，并认识到“现状”与其之间的差距，就可以找到根本的问题。

问题：研究导致问题的原因

当我们通过对比现状和预期之后，就能准确定位问题。还是以上面的例子：我们想销售1000万，但是销售额只有500万。
那问题就是：为什么销售额不能满足预期？
任何问题的提出，都是为了找到原因。所以这个问题可以被表述为：
是什么导致了销售额低于预期？

是什么导致销售额低于预期呢？要找到问题的原因，我们大概有几种分析方法：

一、观察数据的大小。
这里的“大小”，指的是各因素对“现状”和“预期”之间的差距的影响程度。
比如，销售额低于预期，可能是本月的广告费用少了，也可能是产品进行了一次升级，要找到其中的原因，分为几步：
1、找到罗列产生问题的因素；
2、找到其中的关键因素
3、使用关键因素的数据进行分析
4、从而得到最终的结果。

二、将数据分解后观察
“将数据分解后观察”指的是从多种角度观察所发生的现象，分解出构成这种现象的因素，并找出导致这种现象出现的原因。

比如：我们发现销售额与广告费之间存在明显的因果关系，那么我们就会把广告费作为销售额费用的主要因素。

三、将数据比较后观察
“将数据比较后观察”指的是将发生问题时的数据和没发生问题时的数据相互比较，并找出问题出现的原因。
进行这种数据比较分析的目的是达到某种程度的类型化处理。首先，在使用时间序列进行比较的情况下，可以把过去的数据和现在的情况比较
1、昨天和今天的比较
2、上周和这周的比较
3、同一个商业活动在过去和现在的情况的比较

另外，有时还需要和其他类似商品或者服务的数据相比较，例如：
1、和竞争对手公司的销售数据相比较
2、公司内部的服务之间的利益比较

分析用户属性也是经常使用的方法，例如
1、20多岁和50多岁用户的购买欲的差异
2、男性和女性的购买率的差异
3、关东和关西地区用户喜好的颜色和形状的差异

数据的收集和加工

数据搜集前需要明确的问题：
1、为了验证问题，什么样的数据是必要的
2、这些必要的数据保存成分析师可以马上使用的形式了吗
3、这些必要的数据在分析师提出申请后能使用吗
4、当某些必要的数据没有被重新保存时，还能重新获得这些数据吗
5、当某些必要的数据没有被保存，并且重新获得这些数据的代价太大时，有欸有其他可替代的数据。