2.多维分解就是通过不同的维度对数据进行分解，得到更精细的数据 洞察。既然是数据分析，我一般会花更多的时间处理数据分析、数据收藏、数据清洗、数据可视化等等，2.找对象:明确分析的可行性和范围，对于上面的例子，实际上需要1by1解决三个问题，需要明确对象。
1。提问:数据分析一定要有明确的目的数据分析在开始的时候一定要有非常明确的目的。这个目的可能伴随着一个或多个目标测试动作。比如原有产品落地页的购买转化率比较低，流量进入后需要新的落地页来提高购买转化率。这个时候应该会问三个问题:目前的产品登陆页面是否值得优化？商品登陆页面优化可行吗？可以优化到什么程度？
2.找对象:明确分析的可行性和范围。对于上面的例子，实际上需要1by1解决三个问题，需要明确对象。目前的产品登陆页是否值得优化？这个问题的对象其实不是产品登陆页，而是产品登陆页的源头渠道的流量情况，以及流量到达后产品登陆页的行为模式。因为，如果流量本身进入的少，样本本身可能不具备验证的可能性，但我们首先需要提高流量分发的能力。
1、数学知识数学知识是数据分析师的基础知识。对于大三数据分析师来说，了解一些描述性统计相关的基本内容，具备一定的公式计算能力就足够了，了解常用的统计模型算法更是加分项。对于资深数据分析师来说，统计模型的知识是必备的能力，线性代数(主要是矩阵计算的知识)最好有所了解。对于数据采矿工程师来说，除了统计学，各种算法也需要熟练运用，对数学的要求是最高的。
2.对于初级数据分析师来说，玩Excel是必须的。数据数据透视表和公式必须熟练使用，VBA更佳。另外一定要学习一个统计分析工具，SPSS作为入门比较好。对于资深数据分析师，使用分析工具是核心能力，VBA基本必备，SPSS/SAS/R至少要熟练使用其中一种，其他分析工具(如Matlab)视情况而定。对于数据挖掘工程师，嗯，可以用Excel，主要工作靠写代码。
