数据分析的目的就是将隐藏在大量未进行定性、定序的数据中进行信息的萃取、集中、提炼，便于商业分析人员、市场营销人员、产品优化人员做出适宜，较于正确的判断及行为。
分析意义1、通过数据了解产品过去的运营情况
2、通过现状数据找到现有问题的原因
3、通过预测模型估算未来的运营趋势
分析目的1、分类
数据分类在收集、处理和应用数据过程中非常重要。数据的分类方式很多，每种方式都有特别的作用。数据工作中不同角色往往需要理解和掌握不同的分类方式，以便更好地组织、管理、分析和应用数据。
检查未知分类或暂时未知分类的数据，目的是预测数据属于哪个类别或属于哪个类别。使用具有已知分类的相似数据来研究分类规则，然后将这些规则应用于未知分类数据。
2、预测
预测是数据分析师最基本的技术之一，可以帮助公司预测未来的业绩趋势和机会。大型公司和初创公司都会依赖预测来做出关键的决定。
用最简单的术语来说，它是在分析过去和现在的数据，进而预测未来的过程。我们主要根据时间序列数据进行定量预测。
3、关联规则和推荐体系
关联规则是以规则的方式呈现项目之间的相关性：关联规则(Association Rules)是反映一个事物与其他事物之间的相互依存性和关联性，是数据挖掘的一个重要技术，用于从大量数据中挖掘出有价值的数据项之间的相关关系。
4、预测分析
预测分析由几种不同的模型和算法支持，这些模型和算法可广泛应用。确定哪种预测建模技术最适合自己，是从预测分析解决方案中获得最大收益并利用数据做出深刻决策的关键。
5、数据缩减和降维
降维相关文章推荐
数据缩减原因及目的：为应对数据存储的急剧膨胀，企业需要不断购置大量的存储设备来满足不断增长的存储需求。据调查，虽购买率持续增长，但利用率却往往不足50%，存储投资回报率水平较低。数据量的剧增为存储技术带来了新的问题与要求，如何低成本高效快速解决无线增长的信息存储问题，但是通过云存储技术不仅解决了存储中的高安全性、可靠性、可扩展、易管理等存储的基本要求，同时也能利用数据缩减技术，满足海量信息的爆炸式增长趋势，一定程度上节约企业存储成本，提高效率。
详情查阅
6、数据探索和可视化
数据探索的目的是了解数据的整体情况并检测异常值。通过图表和仪表板创建的数据浏览称为“数据可视化”或“可视化分析”。对于数值变量，可以使用直方图，箱形图和散点图来了解其值的分布并检测异常值。对于分类数据，请使用条形图分析。
7、有监督学习和无监督学习
监督学习：
监督学习是指学生从老师那里获取知识、信息，老师提供对错指示、告知最终答案。学生在学习过程中借助老师的提示获得经验、技能，最后对没有学习过的问题也可以做出正确解答。在监督学习中，我们只需要给定输入样本集，机器就可以从中推演出指定目标变量的可能结果。机器只需从输入数据中预测合适的模型，并从中计算出目标变量的结果。要实现的目标是“对于输入数据X能预测变量Y”。
无监督学习：
无监督学习是指在没有老师的情况下，学生自学的过程。学生在学习的过程中，自己对知识进行归纳、总结。无监督学习中，类似分类和回归中的目标变量事先并不存在。要回答的问题是“从数据X中能发现什么”。
详情查阅