一，数据获得，数据得到乃是分析的基础条件，如果没有先得到大量的、超过10tb的数据根本无法开始的分析过程，数据怎么获得?经过爬虫、网络、信息这些渠道来得到。但为了确保有针对性方向的得到数据，要先熟悉业务，就这些业务需要什么支持、来明确数据分析的方式。

第二，数据分层建模，在这个过程中需要用到的系统软件编程语言是比较多的，如java、linux、hadoop等等，这些软件系统对数据分析的从业流十分重要，没有它们作为基础一切都是空 谈 根 本 无 从 谈 起 ， 千 万 要 注 意 。 特 别 是 linux 和hadoop，它是许多软件打开的渠道，学得好了对软件的操作将有巨大帮助，hadoop更是被许多人直接等同于大数据分析，它的重要性不言而喻。

第三，数据清洗即便是经过赠送礼物、线下实体调查的方式来得到数据、其实也无法增加数据的性、准确性，还是有可能会出现重复项、无效项，为了避免错误数据的加入给分析流程带去反效果得先进行数据清洗，将无效的数据清除掉才可以。

第四，反向测试，在得到几个模型之后需要利用数据套入反向建模、看看到底哪个模型是靠谱的、跟数据实现统一的，这个

模型就应该被保留下来。

第五，借助于模型做文档的撰写，以可视化结论的方式来呈现结果，数据分析的结论主要给两类人，一是行业，二是非专业人士，既然非专业人才也要看，当然就应该以浅显易懂的方式将参数之间的关系表达呈现出来才对，不是吗?