數據分析師主要處理的幾種工作內容：
1，臨時性需求（專題分析）：比如說監控到現有的指標出現了異常情況，需要通過數據分析去找原因
2，製作日常報表：日報，週報，月報，數據儀表板，等等
3，數據挖掘：比如通過做用戶分析（行爲、設備、渠道、心理等等各種分析，例如：用戶路徑分析和轉化漏斗分析），做“用戶分層”，“用戶分羣”，在此基礎上擁有較完整的“用戶畫像”，對用戶展開有針對性的運營活動，也就是進行精細化運營
4，戰略分析：公司下達了戰略目標或短期目標，需要通過數據分析看如何達成
5，產品優化：公司要對現有的運營模式或者某個產品進行評估，看是否需要進行調整或者優化
對於專題分析，其工作流程基本如下：
1，明確分析目的：瞭解產品/運營的需求，需要解決什麼問題，有哪些關鍵指標，並和業務方確認指標的定義（統一口徑）。
所謂問題，就是現狀和期望之間的差距。這裏需要判斷現在的狀況到底是不是一個問題。比如說某商品銷售額下降了，如果該商品並不是公司的主打產品，對公司的收益未產生大的影響，那麼這一現象就不是問題。相反，即使某商品銷售額上升了，但是公司投入的廣告費非常之多，與其銷售額不符，那麼這個現象就是一個問題。又比如說，雖然某商品銷售額下降了，但是在可控的浮動範圍內，那它就不是問題。不是說數據稍微有些變動就需要進行分析，分析之前一定要確認這到底是不是一個真正需要解決的問題。
這裏摘抄一段這個階段可能遇到的情況：（摘自：https://posts.careerengine.us/p/5de7a5b1951eaf2c0475d960）
-
業務方無法描述問題
-
業務方將很多問題混雜在一起
-
業務方清楚面臨的問題，但無法和數據進行映射
-
業務方清楚面臨的問題，提出了錯誤的數據需求
-
業務方無法預判可能的分析結果
-
業務方是否遊刃有餘的掌控業務和數據之間的所有可能關係；
-
如果有和預期一致的數據分析結果，那麼接下來的行動方案是否值得執行。
2，假設問題出現的原因：這裏分爲兩種情況，一種是驗證型數據分析，也就是說可以事先假設問題出現的原因。還有一種是探索型數據分析，無法事先猜測問題可能出現的原因。
對於驗證型驗證型數據分析，我們可以通過對比各維度（時間，內外部商品/服務，用戶：性別，年齡，地區，興趣廣泛度，新老客戶，會員非會員，交易方式。。，渠道，路徑等等）的KPI來提出假設。比如說這個月和上個月相比，公司沒有進行促銷活動，因此可能是這個原因導致新客戶人數的降低。如果通過比較未發現可能的原因，那麼就需要進行探索型數據分析。大家知道，數據可以進行分析的方面太多了，如果不設限，那麼數據分析可以一直深入下去，因此並不是說分析得越細越好，這樣會浪費大量的時間精力，我們應該從最可能的地方入手，並隨時提出假設和進行驗證。
3，準備數據：查看需要哪些數據，然後獲取數據（爬蟲，文件，數據庫，數據倉庫，市場調查，公開出版物，等等），檢查所需的數據是否都有存儲，清洗數據（缺失值，異常值，重複值，規範化，去除無用的信息，增加新變量，合併數據集，數據類型變換，等等），抽樣，存儲。
4，分析數據：拆分指標（比如：GMV=流量*轉化率*客單價），比較各個影響因素，確定影響較大並且可調控的因素，用具體分析方法對關鍵方向進行分析，定位到問題所在。
5，對之前提出的假設進行驗證，找到問題產生的原因。
6，尋找可能的解決方案，並確定優先級。這裏需要考慮解決方案的開發成本，時間限制，效果等因素。
7，總結並提出建議：製作數據分析報告---報告背景，報告目的，分析思路，正文（包括數據來源，分頁圖表等），結論和建議。
8，持續跟蹤：運營按照解決方案更新後，收集用戶反饋，不斷迭代 。