1. 數據分析過程組織爲五個步驟：提問、整理、探索、得出結論和傳達結果
2. 數據分析的用途：製作儀表盤報表，分析A/B測試結果，用機器學習和人工智能進行深入的分析
3. 數據分析步驟的具體解說：
A 提問
你要麼獲取一批數據，然後根據它提問，要麼先提問，然後根據問題收集數據。在這兩種情況下，好的問題可以幫助你將精力集中在數據的相關部分，並幫助你得出有洞察力的分析。
B 整理數據
你通過三步來獲得所需的數據：收集，評估，清理。你收集所需的數據來回答你的問題，評估你的數據來識別數據質量或結構中的任何問題，並通過修改、替換或刪除數據來清理數據，以確保你的數據集具有最高質量和儘可能結構化。
C 執行EDA(探索性數據分析)
你可以探索並擴充數據，以最大限度地發揮你的數據分析、可視化和模型構建的潛力。探索數據涉及在數據中查找模式，可視化數據中的關係，並對你正在使用的數據建立直覺。經過探索後，你可以刪除異常值，並從數據中創建更好的特徵，這稱爲特徵工程。
D 得出結論（或甚至是做出預測）
這一步通常使用機器學習或推理性統計來完成
E 傳達結果
你通常需要證明你發現的見解及傳達意義。或者，如果你的最終目標是構建系統，則通常需要分享構建的結果，解釋你得出設計結論的方式，並報告該系統的性能。傳達結果的方法有多種：報告、幻燈片、博客帖子、電子郵件、演示文稿，甚至對話。數據可視化總會給你呈現很大的價值。
4. 包：充滿類和函數的庫
NumPy、Pandas 和 Matplotlib 是數據分析的三個核心包。
Python 被視爲數據科學標準語言的最主要原因之一在於其強大的包
5.EDA：意味着你要探索並增加數據，從而將分析、可視化界面和模型的潛力最大化
6.數據評估完後，就需要解決數據裏出現的問題，常見問題包括：數據類型錯誤、數據缺失、數據冗餘和結構問題