一、数据分析步骤1 识别目标需求
首先，必须明确数据分析的目标需求，为数据的收集和分析提供明确的方向。 这个步骤是数据分析有效性的首要条件。
2 采集数据
数据收集是指用适当的方法有效地收集尽可能多的相关数据，为数据分析过程的顺利进行奠定基础。 一般的数据收集方法有目前广泛使用的数据收集方法——系统日志收集方法。
3 数据预处理
对数据进行必要的预处理。 常用的数据预处理方法是数据集成、数据清洗和数据冗馀。
4 数据挖掘
数据挖掘的目的是在现有数据的基础上利用各种有效算法挖掘数据中包含的有机质信息，达到分析推理和预测的效果，实现预定的高层次数据分析需求。
二、数据分析方法1 统计分析
统计分析以统计理论为基础，是应用数学的一个分支。 在统计理论中，随机性和不确定性由概率理论建模。 统计分析技术可分为描述性统计和估计性统计。
2 数据挖掘
数据挖掘可以看作是发现大数据集中数据模式的计算过程。 许多数据挖掘算法已经应用于机器学习、人工智能、模式识别、统计、数据库领域。
3 机器学习
机器学习算法从数据中自动分析获取规则，利用规则预测未知数据。 以高性能机器学习算法为核心的数据分析为实际业务提供服务和指导，实现数据的最终变化。
4 可视化分析
可视化分析与信息绘图学和信息可视化相关。 数据可视化的目标是以图形方式清晰高效地显示信息，以便于说明数据之间的特征和属性情况。