以解決業(yè)務問題為目標，以數據現(xiàn)狀為基礎，確定分析主題。前期要做好充分的準備，以業(yè)務問題為導向，以業(yè)務梳理為重點，進行多輪討論，分析主題避免過大，針對業(yè)務痛點，實現(xiàn)知現(xiàn)狀、明原因、可預測、有價值。另外，分析數據的范圍除了重點關注的業(yè)務指標數據，還要盡量考慮擴展外延數據，比如經濟指標數據、氣象數據、財務數據等。一般企業(yè)中的數據來源有很多，SAP、TMS、CRM及各部門業(yè)務系統(tǒng)，每個渠道的數據各有特點。確定分析主題之前，要進行數據支撐情況的初步判斷，避免中途發(fā)現(xiàn)數據質量或者數據范圍不能支撐分析工作的情況發(fā)生。確定分析主題之后，詳細論證分析可行性，保證分析過程的清晰性，才能開始分析工作。

分析過程中盡量運用多種分析方法，以提高分析的準確性和可靠性。例如，運用定性定量相結合的分析方法對于數據進行分析;融合交互式自助BI、數據挖掘、自然語言處理等多種分析方法;分析和可視化分析相結合等。數據分析過程中，要避免以下3種情況：

1)時間安排不合理。在開始分析工作之前，一定要做一個明確的進度計劃，時間分配的原則是：數據收集、整理及建模占70%，數據可視化展現(xiàn)及分析報告占25%，其他占5%。(數據的收集、整理和建模的過程，是反復迭代的過程)

2)數據源選擇不合理。一般企業(yè)中的數據來源有很多，SAP、TMS、CRM及各部門業(yè)務系統(tǒng)，每個渠道的數據各有特點。這時，應該慎重考慮從哪個渠道獲取數據更加快捷有效。數據源選擇不合理，不僅影響結論的可靠性，而且有返工的風險。

3)溝通不充分。無論是分析人員內部的溝通還是與外部相關人員的溝通，都是至關重要的。無論是分析人員內部的溝通還是與外部相關人員的溝通，都是至關重要的。與外部人員溝通效不順暢，可能造成前期需求不清，中間業(yè)務邏輯混亂，終導致數據分析結果不好。與內部人員溝通效率低，可能造成分析進度滯后，分析工作開展不暢等諸多問題，直接影響分析效果。

        數據分析師的從業(yè)方向主要體現(xiàn)獲得專職崗位。目前，在90%的政府機構及企業(yè)中都配備了與數據分析相關的專職部門及人員。數據分析報告的編制過程一定要謹慎，體現(xiàn)在基礎數據須要真實完整，分析過程須要科學合理，分析結果可靠，建議內容實事求是。主要專職崗位如下：數據分析師、數據分析員、數據分析主管、數據分析工程師、數據挖掘人員等 。從國外的發(fā)展經驗看，大量企業(yè)都有自己專職的數據分析人員，為企業(yè)長期采集和分析企業(yè)內部及所屬行業(yè)的數據，為決策層提供詳細而準確的依據。

 按照凈現(xiàn)值計算，就是以后各年流入的現(xiàn)金流量貼1現(xiàn)值減去投資初始流出的現(xiàn)金流量之和，就是凈現(xiàn)值。這個數字越大，就說明這個項目，越有投資價值。一個特別早的資產價值評估，相對來講可以松一點，因為市場有給它足夠的容錯空間。這就是很多投資人都把自己的投資周期提前的原因。越來越多的風險投資機構把項目數據分析報告作為其判斷項目是否可行及是否值得投資的重要依據。估值的本質是未來現(xiàn)金流的貼1現(xiàn)，就是DCF模型現(xiàn)金流折現(xiàn)模型，簡稱DCF模型，是公司財務和投資學領域應用廣泛的定價模型之一。