1.数据分析可划分为： 描述性数据分析、 探索性数据分析 、 验证性数据分析。
描述性数据分析属于初级数据分析，我们平时用到或者应用的主要就是这个层面，
探索性分析属于高级数据分析，一般我们处理分析数据的时候，要求得到相关需求的结果，在可控范围内，而探索性分析更加注重于在处理分析数据的时候，得到一些新的结果，甚至有些时候的探索性分析从开始就没有去固化它的结果，而是要求这些结果的特征就是侧重于在数据之中发现新的特征。
验证性数据分析则重点在于验证上面，我们有时会在分析之前对于结果有一个自己的估计与假设，但是这个假设需要来验证，而验证性数据分析则侧重于验证已有假设的真伪证明。
我们日常学习和工作中所涉及的数据分析主要是描述性数据分析
2.那么数据分析目前在企业中都有哪些作用呢？
商业领域，数据分析的目的就是把隐藏在数据背后的，具有很高的潜在价值的，对企业效益有重大影响的数据挖掘出来，分析其内部的关联规律。主要体现在三个方面。
对于现状的分析：
通过对目前企业的各个指标数据，来确定目前企业的状态好坏。和截止到目前企业的发展程度。这里有个疑问就是目前企业的好坏不通过数据分析不是也可以感知出来吗？但是如果企业的规模很大，结构很复杂，通过个人的感知是很难判断出目前企业状态的好坏的细微变化的，而且也会出现巨大的误差和误判，并且准确程度也会大大的下降，
对于原因的分析：
对现状的分析是可以客观的就是原因的分析，比如一个运营良好的企业，对现状分析是不仅仅得到成功因素还可以得到目前的不足之处在哪里，然后提高哪些方面，对于运营不好的企业，对现状分析是不仅仅可以得到企业的不足之处，还可以得到哪些是企业不错的地方，可以利用这个优点进行切入，提高效益和该企业工作者的信心。
对于预测的分析：
我们通过对企业数据的分析，找到其数据结构的一些规律，还有数据的全面性的体现，可以对企业的发展趋势，未来如何规划，效益的预测做出决策
- 数据分析方法论与数据分析方法
我们在做数据分析的时候要想得到的结果更有意义，更贴合我们的需求的时候，就要用到更科学的分析方法论，不是把数据拿过来就随意的分析，这样不科学也不专业。方法论使我们分析的时候更加的客观，认知的方向更加的正确，数据分析方法论是在宏观角度指导你，
数据分析方法是指具体的分析方法，比如对比分析，交叉分析，回归分析，聚合分析，一些计算的算法（比如求数据的方差，求导，求极值）这个是微观层面的
- 常用的数据分析方法论有哪些呢？
用户行为理论
这个也是目前应用程度最广的理论，主要体现在用户对于我们产品的依赖程
度，举一个例子：我们对于不同的手机app都有不同依赖程度，男生对于游戏类的依赖程度大于女生，女生对于购物类依赖大于男生，而同一个人对于不同的app也会有不同程度的依赖，可能是感知，使用，熟悉，到迷恋其中的一个。而数据分析师所要做的就是如何让用户达到对自己产品迷恋程度。成为忠实用户，这就分析哪些比如处于感知类型的用户，假如他们离开了。那么为什么离开？原因是什么？找到了原因之后应该如何更改自己的产品。
PEST分析法
这个分析法是比较宏观的，pest是四个单词 政治（political）.经济（economi）.社会（social）和技术（technolog）的缩写，对于现在来说几乎无论我们在分析什么类型的企业数据的时候，最后的结果与结论都受到这四个因素的影响，所以在分析的时候在吧这四个因素考虑进去。
5w2h分析法
其实就是英文的缩写 why where when what who how how much 这个分析方法适用性强大，当主观用这个分析方法的时候往往是最快速进入分析层面的手段。
- 数据分析的步骤
大致分为：收集，处理，分析，展现（数据可视化），撰写报告
但是在我们做所有事情之前要先明确我们的最终目的与处理分析数据大致思路。
收集阶段：
采集的数据要切合自己的产品，要相关与或者影响与自己的最终结果。一般情况下产品产生的数据库中的数据都是可采集的，还有就是结合当前消费市场用户行为的数据，用户在互联网遗留下来的数据，和相关类似产品的社会市场调查数据也是在可采集的范畴。
处理阶段：
采集来的数据要进行清洗，去杂，提取，计算。因为采集的渠道不同，方式不同，录入数据的存储格式不同所以要统一规划，
分析阶段：
这里通常在确定方法论前提下是通过很多不同的软件来实现，本质是从数据里面发现价值，
数据挖掘也是属于数据分析，但是数据挖掘是属于比较高级的数据分析方法，它更加注重于：分类、聚类、关联和预测，重点在寻找模式和规律。
展现阶段：
现在一般都是通过图表的形式，在得到结论以后，用比较流行的大数据可视化工具战象出来，让数据更加的易懂
撰写报告：
就是把整个阶段做一个总结，在报告里面不仅仅要写经过分析找到最开始产生问题的原因，最好写上建议以便于企业用来决策。