數據分析工作總結
總結是指社會團體、企業單位和個人在自身的某一時期、某一項目或某些工作告一段落或者全部完成后進行回顧檢查、分析評價，從而肯定成績，得到經驗，找出差距，得出教訓和一些規律性認識的一種書面材料，它能夠給人努力工作的動力，不妨讓我們認真地完成總結吧。總結一般是怎么寫的呢？下面是小編精心整理的數據分析工作總結，歡迎大家借鑒與參考，希望對大家有所幫助。
近期主要完成了某產品用戶畫像分析，從9月底拿到數據，到上周輸出第三稿，中間歷時一個半月，如果從收到需求，到三稿輸出，那就超過兩個月，在這次整個分析過程中，遇到了不少問題，嘗試了使用不同方法，現在是時候做一個復盤、總結、反思。
在開始階段，遇到的主要問題是客戶的要求是分析產品用戶畫像報告，因為沒有直接跟客戶溝通，而需求只有簡單的一句話，我只能根據經驗列出要分析的要點，確定需要的數據維度。在我確定分析框架后，我發現如果按照我方的想法最后輸出的.結果卻不是客戶想到的，那就白做了，所以確定分析框架后還需要客戶確認，思路是否可行，分析方向有無異議。這個問題還算比較好解決，客戶同意了分析思路即可。
經過與客戶溝通后，到了第二階段，發起提數需求。這個過程總體算比較順利，客戶方數據庫工程師首先反饋了一份樣本數據，讓我方確認數據是否正確，如正確，則提供全量樣本。數據驗證的過程，主要是由我來完成，對樣本數據，我提出了一些疑問，對方也一一解答。當然還有個別字段邏輯問題，我沒有發現，對后續的分析帶來了一些影響，造成最后能使用的維度減少，是一個遺憾。
拿到全量數據后，對數據進行清洗。在這個過程中發現數據質量非常不理想，很多字段的缺失值占比很大，個別字段也有異常值，總體樣本中能使用的記錄銳減。一開始我的處理方法比較簡單，對缺失值占比達的字段直接不使用，帶來的后果就是輸出的第一版分析報告過于簡單。
重新回到數據，再次對數據進行摸底，而且也調整分析方法，嘗試使用聚類分析方法，按用戶活躍渠道，對用進行分群，分群后，再結合其他維度，對用戶進行描述。這一次輸出的報告還是存在一些問題，最大問題就是用戶群之間區別不明顯，只能繼續修改。中間因為要做另一個分析，用戶畫像分析就暫時先放一邊。
完成另一個分析后，繼續回到產品用戶畫像分析，這次同事提出了一些建議，在沒有更好的思路前，我按照同事的建議第三次修改分析報告。當然還是要先處理數據，這次我對異常值、缺失值就行了處理，異常值使用的是蓋帽法，對缺失值，在一些字段中用0填補，這樣增加了可使用的維度。數據清洗完后，對連續變量進行分箱處理，這一次還是先使用聚類分析，對幾個字段進行聚類，這樣增加了兩個大的維度，接著基于兩個大的維度，使用對應分析方法，結合其他維度觀察變量間的關系，最后的結果顯示有部分變量之間是存在明顯的關系，有些幾乎沒有區別。數據處理完后，再次輸出分析報告。
完成第三次分析后，我回過頭來看看分析中存在的問題，尤其是使用對應分析，查閱了一些資料，發現在對應分析中，應該先進行預分析。聚類分析，兩次我都是使用k—means聚類，其實還可以使用二階聚類，二階聚類適用于分類變量，這是快速聚類不適用的，我嘗試在清洗后的數據中使用二階聚類，效果尚可。
最近恰好又在看丁亞軍老師的講課視頻，講到聚類分析，再結合我在工作中的應用，對聚類分析方法有了新的認識。聚類方法在剛興起的時候，是不被傳統的統計學家們接受，因為這個方法太簡單，沒有使用到過多的統計學知識。在實際的工作中，聚類使用的頻率還是很高的，尤其是在用戶分群方面，用戶特征的描述。對應分析是第一次用到，為什么會想到使用對應分析，主要是根據變量類型，幾個分類型變量，探究變量間的關系，除了相關分析外，對應分析也使用，而且它的結果更直觀。
最后能完成第三稿也要感謝同事的建議，一個人的力量是有限的，群策群力、集思廣益才能做得更好。
【數據分析工作總結】相關文章：
數據分析總結09-05
大數據分析團隊口號04-17
簡單的數據分析的教學心得體會12-09
數據分析師適合看什么書08-06
數據文員工作總結02-23
《數據分析思維產品經理的成長筆記》讀后感05-16
1Web日志數據分析模型的設計思想與實現03-30
基于大數據審計的信息安全日志分析法03-31
高三老師建議理性分析數據做好填報定位12-05