进入TD前做过几年的IT交付项目经理，重要的一个职责就是对项目交付全流程的把控，在TD进行数据交付的过程中数据分析师同样也有做好过程管理。
在复盘过去几个数据分析项目的时候发现，下面的环节需要大家重点把握。
一、业务理解
所有的需求来源于业务痛点，作为分析师需要对业务有基础的理解（越深刻越好），了解业务的几个建议方式
--产品经理社区：人人都是产品经理等
--垂直门户：互金的未央网、36大数据、数据猿、36kr等
--行业报告：易观、艾瑞、TD等
成功项目交付中业务上另外一个重要点是需求的定义，通过一方的沟通确认需求范围（SOW），确保大方向正确，同时也为项目设定合理的边界。好的SOW应该包括
--业务问题的定义
--甲方的职责和义务
--乙方的职责和义务
--项目的里程碑和验收标准
--项目交付物
二、数据探索
围绕业务问题首先需要整理系统和数据列表，例如
--交易系统订单数据
--CRM系统用户数据
--ERP系统数据
--一方行为埋点数据
--二方数据
--三方数据（画像、标签）
数据探索中抓住schema和instance两点，在不理解的时候一定要追本溯源，例如TD的标签数据
--标签数据来源：设备信息-直接采集、应用偏好-通过算法计算applist、位置数据-通过直接采集，ip表查询，三点定位算法等多种手段计算
--设备信息：是否理解imei imsi idfa mac androidid，唯一性的TDID是怎么加工和处理的
--applist数据：采集机制，采集的限制，数据的质量和饱和度情况，生成的标签有什么实用价值
--位置数据：分几类，哪类数据质量高，大致比例如何，位置数据可以如何加工（常驻地分析、职住分析等）
--一方的数据字典
三、数据抽取
数据探索的基础上，分析师要形成对数据采集、抽取的ETL需求，这时候可以最大效果的和数据工程师团队配合（前面在探索的时候遇到问题可以咨询数据工程师）
--建议数据抽取以宽表为基础进行多次迭代，把各方数据统一融合到一个或者几个宽表中，重点讲下宽表的设计宽表的设计是一个迭代的过程）
--宽表要能最大范围的体现业务指标（指标的计算就靠宽表了）
--指标体系通常围绕业务的KPI来进行构建和拆解（关于指标的拆解可以看一些增长黑客的文章https://zhuanlan.zhihu.com/p/31068562?group_id=914150042731712512）
四、数据处理
数据工程师按照宽表提取数据后，数据的处理方式根据数据量、业务场景会有不同的方式，下面是我的几个实践
数据体量
--少量数据（小于10w），可以直接使用Excel进行
--中等数据（小于100w），可以使用mysql数据库进行相关的处理计算
--大量数据，可以使用python进行文本处理
分析方法
--运营分析、用户分析中常用的RFM分析
--特征分析法，分析的目的是产生特征，在规则分析和模型分析中使用
--描述分析法，通过可视化技术直接获取信息，比如直方图、折线图、大饼图、散点图、气泡图等
--规则分析法，基于数据相关系数计算； 基于频繁集算法寻找数据中的规则
--模型分析法，使用统计的方法，通过有监督、无监督、集成的算法进行预测、分类
五、结果呈现
好的数据分析在解决客户业务问题的同时还应该让客户感觉爽，下面是几种结果呈现方式：
--报告：针对业务问题的分析、建议等
--规则：通过数据分析得到的规则来影响一方的产品设计、策略选择等
--模型：常见的信用模型、反欺诈模型可以直接应用到客户的生产流程中
--数据接口：常见三方数据以接口方式输出到一方
最后的建议是实践，数据分析能力依赖数据、项目的投喂。
