一、 具备基本的数据素养
1. 具备基本的统计学概念
先来说一下最基础的概念：平均值，中位数，百分位数，众数，离散程度，方差，标准差。这里不一一赘述，只简单说一下均值和中位数的差异。 均值：即平均数，优势是，均值跟所有数据都相关，劣势是容易受到极端值影响。
比如，你和你的3个好友，跟比尔盖茨组成一个团队，然后这个团队的人均身价是200亿美金，你会觉得自己是有钱人吗？ 中位数：只跟排在中间的数据相关，优点是不受极端值影响，缺点是缺乏敏感性。
2. 避免数据逻辑错误常见数据逻辑谬误1：相关当因果
“有研究结果表明：颜值高的人收入也更高。” 听到这个结论，你会不会觉得应该去整容？ 但有可能是因为，颜值高的人相对比较自信，而自信的人容易在职场上获得成功，所以收入高。也有可能，是收入高的人有能力装扮自己，所以看起来颜值更高。所以说，上面这个表达，只是在说颜值和收入相关，但没有说两者是因果关系。
二、数据沟通和表达：如何用数据讲故事
如果你能够具备足够的数据素养，知道如何呈现数据，同时能够把数据表达出来，那么就能在故事当中融入足够有说服力的数据，故事自然变得很有说服力。
1. 理解沟通目的和对象
如果你说服一个客户购买你的理财产品，你会怎么跟他说？
第一种：这个理财产品有10%的概率会亏；
第二种：这个理财产品有90%的概率能赚。
当然是后者，他听完大概率愿意买，但如果是前一种说法，他可能会很恐惧。 所以，当你在公司里面跟不同的对象沟通时，也应该呈现不一样的数据。
比如，高层可能关心公司整体营收、盈利等等相关数据，中层可能关心他们部门的KPI数据，而主管更关注某个活动、某个举措的成功失败情况。
2. 选择合适的数据表达类型
怎么样用更加合适的数据图表类型？这里有些经验干货分享给大家，常用表格适用范围如下：
o 散点图（适合相关）
o 折线图（适合趋势）
o 横的和竖的条形图（适合对比）
o 瀑布图（适合演变）
o 热力图（适合聚焦）
o 雷达图（适合多指标）
o 词云图（适合看分布）等等
3. 符合数据可视化原则
数据的可视化也非常重要，因为如果没有可视化，就是一些数字罗列，那就跟文字信息没什么差异了。
数据可视化的几个原则：阅读门槛别太高，不要过多颜色，突出关键信息，文本与数据呼应。
1、明确本次分析的目的和思路：拿到数据后要明确本次分析的目的是什么是需要体现什么确定目标以后梳理分析思路这样就不会迷茫。
2数据收集：根据你确定的目标收集数据的一个过程然后需要个人去收集相关的数据。
3数据处理收集到的数据进行整理从大量的、比较乱的、不清晰的数据中整理出来对解决问题有价值的数据。
4、数据分析：用适当的分析方法以及数据对处理过的数据进行分析整理为有价值的信息一般可通过Excel工具完成。
5报告呈现：对整个数据分析过程的总结通过报告把数据分析的起因，过程、结果以及建议完整的呈现出来。 感兴趣的话点击此处，免费学习一下
想了解更多有关数据分析的相关信息，推荐咨询达内教育。达内教育已从事19年IT技术培训，累计培养100万学员，并且独创TTS8.0教学系统，1v1督学，跟踪式学习，有疑问随时沟通。该机构26大课程体系紧跟企业需求，企业级项目，课程穿插大厂真实项目讲解，对标企业人才标准，制定专业学习计划，囊括主流热点技术,助力学生更好的学习。
1.明确目的和思路
首先明白本次的目的，梳理分析思路，并搭建整体分析框架，把分析目的分解，化为若干的点，清晰明了，即分析的目的，用户什么样的，如何具体开展数据分析，需要从哪几个角度进行分析，采用哪些分析指标(各类分析指标需合理搭配使用)。同时，确保分析框架的体系化和逻辑性。
2.数据收集
根据目的和需求，对数据分析的整体流程梳理，找到自己的数据源，进行数据分析，一般数据来源于四种方式：数据库、第三方数据统计工具、专业的调研机构的统计年鉴或报告(如艾瑞资讯)、市场调查。
3.数据处理
数据收集就会有各种各样的数据，有些是有效的有些是无用的，这时候我们就要根据目的，对数据进行处理，处理主要包括数据清洗、数据转化、数据提取、数据计算等处理方法，将各种原始数据加工成为产品经理需要的直观的可看数据。
4.数据分析
数据处理好之后，就要进行数据分析，数据分析是用适当的分析方法及工具，对处理过的数据进行分析，提取有价值的信息，形成有效结论的过程。
5.数据展现
一般情况下，数据是通过表格和图形的方式来呈现的。常用的数据图表包括饼图、柱形图、条形图、折线图、气泡图、散点图、雷达图等。进一步加工整理变成我们需要的图形，如金字塔图、矩阵图、漏斗图、帕雷托图等。
6.报告撰写
撰写报告一定要图文结合，清晰明了，框架一定要清楚，能够让阅读者读懂才行。结构清晰、主次分明可以使阅读者正确理解报告内容;图文并茂，可以令数据更加生动活泼，提高视觉冲击力，有助于阅读者更形象、直观地看清楚问题和结论，从而产生思考。
本回答被网友采纳网站seo数据分析怎么做？很多人都以为自己会