在做本篇介紹之前，有以下幾個方向需要做一個界定，這些界定是做本篇的前提：

該項目流程是面向業(yè)務層的，直接通過模型做代碼優(yōu)化或者以BI技術為方向的不同；
該項目的***是具有一定能力的數據分析師，需要具備業(yè)務常識、數據理解能力和專項分析挖掘能力，說白了，能接受問題并且能解決問題；
該項目是以業(yè)務落地為導向的，那些面向市場分析方向的戰(zhàn)略項目等不在此列。

在以上的界定下，我們放心的來談本篇的核心，我相信大多數一線的數據分析師都能適用這套流程。完整的數據分析（挖掘）流程包括：需求提報審核、商業(yè)理解、數據理解、專項分析（建模）、部署與實施優(yōu)化、項目總結六大部分。

一、需求提報

任何數據分析的起點都是從業(yè)務需求開始的。在收到業(yè)務需求后，首先要做的還不是業(yè)務夠通，是考量這個需求是否可以受理。導致需求不能受理的原因包括業(yè)務需求本身是個偽命題以及目前的數據無法支撐該需求的分析。

目的：***步需求提報的審核目的是找到***需求命題，并確定該命題的可行性。
輸出物料：無
周期：1天內響應

二、商業(yè)理解

商業(yè)理解包括業(yè)務語言轉化成數據語言的整個過程，目的是確定業(yè)務通過數據需要實現的具體緯度，粒度，數據范圍等，通過方案思路進行二次確認。確認思路后，會正式開始項目的數據部分工作。

目的：確認業(yè)務邏輯、數據分析需求、數據產出內容方向及分析思路。
輸出物料：分析思維導圖、測試數據
周期：2天

三、數據準備

數據準備是對即將進行的分析和挖掘工作進行預處理，包括從數據倉庫中取數，驗證數據質量，數據特征提取，異常值處理，數據轉換，合并等，為最終的數據分析挖掘做準備。這個階段是非常費時但是重要的工作，前期這個工作做不好會直接影響數據質量。

目的：數據前期清洗。
輸出物料：數據
周期：4天

四、專項分析（建模）

經過需求確認，數據清洗之后，開始了專項數據分析和挖掘工作，包括常用的描述性數據統(tǒng)計、數據分類、聚類、管理、序列、規(guī)則提取等建模工作，并在專項分析或建模結束后完成模型測試工作，保持模型的穩(wěn)定性和***擬合度。

目的：報告撰寫、模型搭建。
輸出物料：分析報告、建模流程和節(jié)點、模型評估報告等
周期：7天

五、部署與實施優(yōu)化

本階段包括數據結果輸出，方式可能是郵件、會議類（通常是二者配合），在業(yè)務報告溝通中確認落地執(zhí)行計劃，并安排排期和計劃方案，同時數據分析師進行數據收集，等業(yè)務執(zhí)行完畢后進行效果再評估，并根據評估結果優(yōu)化前期報告或模型結果。

目的：數據落地。
輸出物料：業(yè)務執(zhí)行計劃、落地排期、數據落地收集計劃等
周期：14天（根據所需數據量和業(yè)務時間需求而定）

六、項目總結

在整個項目結束后，進行整體總結，反思本項目整個過程，包括前期需求溝通與確認是否清晰，中期數據處理、分析和挖掘如何優(yōu)化，后期數據落地效果和建議等，對整個項目有新的認知，最終為下一次項目積累經驗。如果有必要，可以跟業(yè)務一起溝通討論本次項目的優(yōu)劣得失。另外，不是所有的有效項目都是以成功結束，失敗的項目也可以為我們帶來啟發(fā)，最起碼能說明業(yè)務的邏輯或出發(fā)點不可行。

目的：經驗總結
輸出物料：項目總結報告
周期：1天

只會做挖掘、只會寫報告的數據分析師只能算一半，另一半就是如何把我們的思想、建議融入業(yè)務中，真正讓他們理解并付諸實踐。這才是數據分析師存在的真正價值。