随着时代需求的增多。在开始分析工作之前，一定要做一个明确的进度计划，时间分配的原则是：数据收集、整理及建模占70%，数据可视化展现及分析报告占25%，其他占5%。进入二十一世纪信息化时代，传统意义上的经济、管理和******等学科和电子信息技术发生了不可分割的交融。作为***生产力代表的电子信息技术，成为经济、管理和******等领域创新变革的支撑和动力。“项目数据分析”以***技术的身份出现在经济、管理和*********等领域，是信息化时***展的必然结果。

数据分析遵循一定的流程，不仅可以保证数据分析每一个阶段的工作内容有章可循，而且还可以让分析终的结果更加准确，更加有说服力。一般情况下，数据分析分为以下几个步骤：

1)业务理解，确定目标、明确分析需求;

2)数据理解，收集原始数据、描述数据、探索数据、检验数据质量;

3)数据准备，选择数据、清洗数据、构造数据、整合数据、格式化数据;

4)建立模型，选择建模技术、参数调优、生成测试计划、构建模型;

5)评估模型，对模型进行较为详细的评价，评价结果、重审过程;

6)成果部署，分析结果应用。

数据分析报告具有以下特点：

严谨和逻辑性：数据分析报告有科学的逻辑性，包括：基础数据是怎么来的？但是，当用户访问量增加或是数据量不断增大时，从而导致数据库服务器无法及时响应用户请求，出现超时的错误。有什么依据？对于说明判断又有什么样的依据？有什么样的依据做立足点？基础数据得到后对收入预测判断有什么样的依据？收入预测出来后成本预测是怎么出来的？成本费用的基础数据是怎么样得到的？以上内容数据分析报告都会一步一步进行判断。

战略规划性：战略规划性越来越成为数据分析报告质量的一个基础要求。当数据分析报告能对委托方的战略规划进行策划和梳理的时候，数据分析报告的价值就体现出来了。

　 数据仓库与数据集成和数据质量工具一起，能够通过为管理BI和分析数据提供标准化流程来帮助树立信心。在开始一个大数据项目之前，去审视项目所要承担的新数据需求的更大图景显得尤为关键。但是，由于不断增加的数据容量和更广泛多样的数据类型，特别是当涉及结构化和非结构化数据混合时，就会对一个大数据的实施增加难度系数。建立评估数据质量标准以及对它们进行升级以处理那些更大、更多样数据集，对于大数据实施的成功和分析框架的使用是至关重要的。