隨著時代的發展，人們每天在互聯網上產生大量的數據，對于企業來講這些數據都是十分寶貴的資源。企業可通過數據挖掘進行戰略調整以及營銷部署，尤其是對于互聯網公司而言，用戶行為產生的數據就是企業最寶貴的資源。

        數據挖掘(Datamining)，又譯為資料探勘、數據挖掘、數據采礦。它是數據庫知識發現中的一個步驟。數據挖掘一般是指從大量的數據中自動搜索隱藏于其中的有著特殊關系性的信息的過程。數據挖掘通常與計算機科學有關。

        不過目前為止，在企業中存在著很大的數據分析問題，如何進行數據分析，數據挖掘的結果要如何展示，企業中各個部門要如何才能最大化的利用數據分析結果。這些一直困擾著數據團隊。

        數據分析在企業主要是由于業務需求驅動的，但從數據分析師角度來看數據分析并不是簡單的坐在那里等需求，需求來了就做沒有需求就坐在那里等。數據分析師需要進行思考。

        思考一：數據分析的需求方是誰，是公司的領導層還是銷售，還是市場團隊或者產品團隊。

        思考二：企業有什么樣的資源，企業有什么樣的數據，如何將需求方與數據本身的價值進行串聯，這是一個非值得思考的方向。

        在企業中同樣一份數據報告的需求方有很多，但肯定不是全部的人都需要。作為數據團隊，將有效的數據傳遞給最需要的人，這樣才能更大更好的發揮數據本身的價值。

        數據分析師需要思考

        在一個企業中，對于各個部門員工的數據培訓是不可少的，由于數據報告主要面向企業內部的員工，如何讓員工具有一定的數據解讀能力就顯得非常必要。

        企業知識管理同樣是數據團隊重要的工作之一，數據團隊將每天分析完的數據轉化為知識，讓每一個需要的人都可以隨時隨地的得到想要的數據信息。也就不再需要讓數據團隊將已經存檔完畢的數據從新拿出來。

        作為數據分析團隊，在進行數據解讀的時候需要具有獨到的看法，比如：

        案例1：老杜有五個女兒，那么他第六個孩子一定是個兒子。

        案例2：有三組彩票號碼，這三組哪一個中獎率最高？哪一個最低？

        案例3：某市嚼口香糖的人和心臟病去世的人同時升高，嚼口香糖可導致心臟病發作。

        其實我們可以發現，這些數據事件中的因果關系并不明確。

        第一，男孩和女孩的幾率都是一樣的，前五個是女孩但是第六個仍然有一半的幾率是女孩。

        第二，雖然每組數字讓我們都有所聯想，但事實上每組數字的中獎率都是一樣的。

        第三，并沒有直接的數據證明嚼口香糖會導致心臟病，所以這個數據只能說明這個城市的人口增加了，人口基數的變化造成了這樣的數據結果。

        這是很多人在進行數據解讀時犯的錯誤，只是關注數據的相關性，從相關性解釋數據的因果性。

        比如，經過統計，用戶喜歡在一大堆文字或者有電話號秘密的地方點擊暫?！?/span>

        作為數據分析人員需要掌握以下十種重要的技巧

        第一：會用一款或以上的數據分析工具

        第二：經常瀏覽數據統計的網站

        第三：在數據分析前先進行調研

        第四：在分析數據的時候用戶體驗的角度出發的么并不是以公司利益為主。

        第五：了解數據采集的方式以及數據內容和質量內容

        第六：熟悉各種樣式低量和定位的不同

        第七：做一個饑渴的探索者

        第八：在企業內部有效的溝通著

        第九：街頭智慧

        第十：防御中帶有進攻。

        在企業中，數據分析師的角色十分重要。沒有數據指引的企業猶如沒頭蒼蠅到處亂飛，相比之下，企業的決策層可以根據數據挖掘提供的相關報表完成企業戰略發展的制定。

        對于數據分析師來說，如何將企業收集的雜亂數據進行分析處理，最終為其他部門提供一份清晰明朗的數據報告就顯得格外重要。