数据分析师分析模板.docVIP

数据分析师日常分析工具模板

一、模板定位与适用范围

二、标准化操作流程

步骤1：明确分析目标与需求边界

与需求方（如业务方经理、产品负责人）沟通，确认分析背景、核心问题（如“Q3销售额环比下降15%，原因是什么？”）、预期输出（如结论报告、可视化看板）及时间节点。

关键产出：《需求确认清单》，包含问题定义、衡量指标（如销售额、用户留存率）、数据范围（如时间周期：2023年7-9月；用户群体：新注册用户）、交付形式。

注意：避免需求模糊（如“分析一下用户情况”），需拆解为可量化的具体问题（如“分析新用户7日留存率下降的原因”）。

步骤2：数据准备与清洗

数据收集：根据需求确定数据来源（业务数据库、埋点数据、第三方工具等），编写SQL/Python脚本提取原始数据，记录数据字典（字段含义、计算逻辑）。

数据清洗：处理缺失值（如删除/填充异常值）、重复值（去重）、一致性检查（如单位统一、格式标准化）、异常值识别（如通过箱线图剔除极端值）。

关键产出：《数据清洗日志》（记录清洗规则、处理前后数据量对比）、清洗后的结构化数据表。

注意：数据需留痕，避免“黑箱操作”，保证分析过程可追溯。

步骤3：摸索性分析与指标拆解

描述性统计：计算核心指标的均值、中位数、环比/同比变化（如“销售额环比-15%，其中华东地区贡献-8%”）。

多维度拆解：通过下钻（如按地区、用户分层、渠道）、对比（如环比/同比