如何建立落地型数据分析or数据挖掘流程

数据工作者最长也是有效的一种工作方式是带项目，无论是数据分析还是专项挖掘，项目制能使数据尽量贴近业务并且有效理解业务和数据的各个维度。那么如何建立面向业务落地的数据分析（挖掘）流程？

    在做本篇介绍之前，有以下几个方向需要做一个界定，这些界定是做本篇的前提：

    该项目流程是面向业务层的，直接通过模型做代码优化或者以BI技术为方向的不同；

    该项目的领导者是具有一定能力的数据分析师，需要具备业务常识、数据理解能力和专项分析挖掘能力，说白了，能接受问题并且能解决问题；

    该项目是以业务落地为导向的，那些面向市场分析方向的战略项目等不在此列。

    在以上的界定下，我们放心的来谈本篇的核心，我相信大多数一线的数据分析师都能适用这套流程。完整的数据分析（挖掘）流程包括：需求提报审核、商业理解、数据理解、专项分析（建模）、部署与实施优化、项目总结六大部分。

    一、需求提报

    任何数据分析的起点都是从业务需求开始的。在收到业务需求后，首先要做的还不是业务够通，是考量这个需求是否可以受理。导致需求不能受理的原因包括业务需求本身是个伪命题以及目前的数据无法支撑该需求的分析。

    目的：第一步需求提报的审核目的是找到最佳需求命题，并确定该命题的可行性。

    输出物料：无

    周期：1天内响应

    二、商业理解

    商业理解包括业务语言转化成数据语言的整个过程，目的是确定业务通过数据需要实现的具体纬度，粒度，数据范围等，通过方案思路进行二次确认。确认思路后，会正式开始项目的数据部分工作。

    目的：确认业务逻辑、数据分析需求、数据产出内容方向及分析思路。

    输出物料：分析思维导图、测试数据