数据分析一般涉及6个步骤：设定目标、数据发掘、数据监控、数据处理、数据分析、数据总结。

一、设定目标

数据分析启动前，要先设定明确、可拆解的目标，需要清除知道自己做数据分析的最终目标，才能保证分析过程中遭遇到大量的新数据而最终偏离了目标。

二、数据挖掘

很多企业没做数据分析的原因，很可能是从一开始就没有设定“数据埋点”，以此，善用工具可以带来大量的数据积累。

如何设定数据埋点、获取想要的数据？

2.1自有平台的数据挖掘

自有的网站、APP等，可以通过数据埋点的方法搜集自身数据。如在网站代码中嵌入统计代码，就能实现对具体操作行为、用户特征等的记录。这种代码，除了自行开发嵌入外，还可以借用第三方统计工具的代码。

2.2利用第三方统计工具

常见的有：

a.网站分析工具

常见：Google Analytics、Alexa、百度统计、CNZZ统计、51la统计等等。

b.移动应用分析工具

常见：Google Analytics、TalkingData、Crashlytics、友盟等等。

这些工具众多，运营者需要结合自己业务情况，确定适合自身业务的统计工具。

c.新媒体相关数据挖掘

一般新媒体平台自带数据后台，可对粉丝进行数据分析，如粉丝数量、分布地域、文章阅读、赞、评、转等数据，运营者可以根据这些数据对用户、内容进行初步的分析。

此外，新媒体榜单网站——新榜，能够查看更多平台的同类型账号的数据，进行横向对比。

d.行业数据挖掘

此类数据需要借助专业机构发布的行业报告、行业数据进行分析。如艾瑞咨询、企鹅智库、易观、TalkingData等等互联网研究机构。

三、数据监控

运营者需要对数据保持高度敏感，在中小企业还没有技术能力去做数据阀值监控的时候，要通过报表、明细去洞察数据的异常。常见的异常如注册量异常（恶意注册等）、订单异常（虚假订单等），需要尽早发现并制止，否则企业将会蒙受损失。

四、数据处理

挖掘数据的过程中，很多数据属于原始数据，并不是每个数据都对当前分析目标有用，那就需要对数据进行加工、整理。

常见的数据处理方法有：删除无效数据、合并重复数据、组合相关数据等。

4.1删除无效数据。如一些字符、与目标暂不相符的数据等，应尽可能简化，避免影响分析过程，数据越繁杂，错漏也越容易出现。

4.2合并重复数据。部分数据属于重复数据，或是某几个数据之间存在逻辑运算关系，则可以采取合并、简化。

4.3组合数据。原始数据并不能反映多项数据之间的相关程度，有的数据属于过程数据，因此可以对某几个数据进行组合，形成一个新的维度数据。如研究市场竞争情况，把曝光量与商品总量进行除法组合，达到新的数据值，用作竞争度参考。

五、数据分析

数据处理过后，就可以开始数据分析了。数据分析需要聚焦在业务、产品和用户上，不要为了分析而分析。

数据分析常用有6种方法：直接判断法、对比分析法、结构分析法、平均分析法、漏斗分析法、因果分析法。

六、数据总结

数据分析的总结，要结论先行，逐层分解，最后提供论据论证。能够用图表的话就不要单纯用文字，图文结合让数据结论的呈现更为生动形象。除了结论呈现外，还可以呈现观点、建议、措施等。

数据分析总结，不需要长篇大论，因为听取总结报告的往往是管理者、团队成员等，时间都非常有限，做到言简意赅，重点突出即可。