2、 1.提取数据。 2.合并资料。 3.分析数据。 4.寻找模式或趋势。 5.使用各种工具，包括R，Tableau，Python，Matlab，Hive，Impala，PySpark，Excel，Hadoop，SQL和SAS。 6.开发和测试新算法。 7.试图简化数据问题。 8.开发预测模型。 9.建立数据可视化。 10.写出结果并与他人分享。

1、 业务运营过程全程数据跟踪。 3、数据获取 内部数据主要是网络日志相关数据、客户信息数据、业务流程数据等，外部数据是第三方监测数据、企业市调数据、行业规模数据等。 4、数据分析、处理 使用的工具取决于公司的需求。

3、 1、数据采集 数据采集的意义在于真正了解数据的原始相貌，包含数据发生的时间、条件、格局、内容、长度、约束条件等。 这会帮助大数据分析师更有针对性的控制数据生产和采集过程，避免因为违反数据采集规矩导致的数据问题;一起，对数据采集逻辑的知道增加了数据分析师对数据的了解程度，尤其是数据中的反常变化。