数据分析是现在互联网市场上兴起的一种非常流行的模式，因为现在随着市场竞争的不断加剧，很多时候一些数据分析的结果将会可以直接给我们的市场的发展产生非常深远的影响，但是对于数据分析这样的事情来说，也并不是任何人都是可以做好的，对企业而言，有着大数据提前准备对策和方式并属实实行是尤为重要的。
1、数据采集
自动确定存储在.csv文件中的字符串数据中的相关属性
将高度嵌套的数据结构(如XML或JSON文件中的数据结构)解析为表格形式，以方便扫描和模式的检测。
搜索和识别来自外部存储库的相关数据。
2、数据分析
数据收集好了之后，就应该开始评估它的状况，包括寻找趋势、离群点、异常值、不正确的值、不一致性、缺失或不正确的信息。这一点很重要，因为你的源数据提供的是你的模型的所有的信息，因此确保它不包含未见过的偏差是至关重要的。例如，如果你在研究全国范围内的客户行为，但是只从有限的样本中提取数据，那么你可能会错过重要的地理区域。
3、格式化数据
大数据准备的下一步是确保数据的格式适合机器学习模型。如果你正在聚合来自不同来源的数据，或者你的数据集由多个持有者手动更新，你可能会发现数据的格式存在异常(例如usd5.5和$5.50)。同样地，对列中的值进行标准化，例如州的名字可能是完整的拼写也可能是缩写，将确保正确的聚合数据。
4、提高数据质量
现在开始处理数据中的错误数据、缺失值、离群点和异常值。如果自助的数据准备工具具有智能功能，可以帮助匹配来自不同数据集的数据属性，从而将它们智能化地组合在一起，那么这些工具就可以来帮助做这些事情。
5、将数据划分为训练集和验证集
后一步是将你的数据划分为两个数据集，一个用来训练算法，一个用来评估结果。要确保两个数据集没有交集。花点时间在版本控制的工具上，对你的模型的输入数据编号，这样，你可以追踪你的输入数据和预测结果，从而来优化你的模型。
数据分析是指用适当的统计分析对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。