数据分析一般包括哪些内容？
数据分析是一个比较大的框架。从字面上讲，就是从数据中提取有用的规则或逻辑。
工作中数据分析的功能主要分为以下六个步骤:
数据收集
数据清理
数据存储
指数计算
数据的统计分析和建模
数据可视化
第一步是数据收集:当我们的数据还没有形成一个具体的系统的时候，或者当我们的业务正在进行时，我们需要通过各种渠道获取数据。数据采集的方法有很多种，包括程序自动采集(数据嵌入点、网络爬虫、ERP或CRM系统自动生成等。)、人工统计(Excel统计)、从第三方网站提取(通过公共数据网站、API等下载。)，等等。方法的选择遵循商业形式。
第二步是数据清洗:采集的数据是脏数据，需要进行清洗，即取其精华，去其糟粕，这样数据才能正常使用。这一步的操作主要使用正则表达式进行数据清理。采集的数据有各种格式，需要转码成特定的格式并编码。
第三步:数据存储:作为公司s数据越来越大，互联网时代已经从IT变成了DT。现在各个公司的业务数据都是几何级增长，所以在存储数据的时候肯定不能再用以前那个用纸笔记录的时代了。目前数据量不大的公司一般都是用Excel文件进行数据存储。许多公司也使用数据库产品进行数据存储。市场上也有很多性能不错的数据库产品，如Oracle、MySQL、SqlServer等。现在针对大数据也有相应的蜂巢数据仓库产品。这些产品非常容易使用，其中一些是开源产品。就我司而言，之前使用的Oracle、MySQL、SqlServer的数据库，由于业务线的调整，已经将数据从单一数据库改为蜂巢式数据仓库存储，更方便技术、业务、分析师等角色提取数据。
第四步是指标计算:在进行指标计算之前，数据分析师需要建立当前部门的KPI指标，对应的是业务部门不同业务场景的好的或坏的数据和规则的反馈。这一步复杂而持续，可能会贯穿整个数据分析生涯。什么是指标？指标是衡量目标的方法，如商品管理中常用的存货周转率、毛利率，运营中经常见到的路径转换，营销中经常见到的ROI等。相应的指标反映了不同业务场景的质量。随着业务和企业阶段的变化，指标总是会变化的。
第五步是数据的统计分析和建模:这个环节是整个数据分析过程中最有趣的一个，没有之一。与上一个链接相比，在这里，你会面临各种挑战。什么假设检验，什么线性回归，什么特征工程，什么贝叶斯等等。都会遇到。在这里你会看到各种数据背后的逻辑，以及数据产生的价值。而且在数据分析的过程中，你可能会遇到数据清洗过程的第二步，处理缺失值，处理异常值等等。
第六步是数据可视化:即数据呈现，需要将第五步统计分析建模的结果以图形的形式反映出来。俗话说，文字不如表格，表格不像图片。Tableau、PowerBI、finebi、PPT等数据可视化产品在市场上应用广泛。其中，前三种主要是交互形式，即在线存储的报告，而PPT主要是以报告的形式呈现。
目前的数据分析按照功能可以简单的分为几个方向:
业务数据分析师
数据挖掘工程师
大数据开发工程师
以上职位在现在的招聘时间里比较常见，之前每个职位都不一样。业务数据分析师主要面向业务，将数据应用于企业决策。主要工具有Python，R，Excel，SPSS，tableau，PowerBI等。数据挖掘工程师更注重技术方向，主要是反欺诈、垃圾邮件识别等数据应用，主要工具有Python、Java、C、C等。大数据开发工程师主要负责搭建数据平台，开发适合公司的数据平台；;的数据流通过使用hadoop、hive、spark、Python、Java、C、C等工具。数据分析是目前为止比较新的岗位，所以大部分人都在不断学习和提高。
以上是我的一些拙见。如有不足，欢迎补充交流。
数据可视化的应用？
数据可视化软件有FineBI、D3、阿里DataV。
FineBI提供企业级销售数据分析解决方案，可以掌握企业销售目标、销售活动等一系列数据，用户可以根据自己的需求轻松实现数据处理。
2.D3
D3.js是根据实际数据操作文本文档的Javascript库，D3是可视化数据工具，适用于大中型数据集和交互式动画。
3.阿里数据电视
DataV数据可视化是一个使用可视化应用程序来分析和显示复杂数据的产品。DataV支持绘制各种基础图表，接入ECharts、AntV-G2等第三方图表库，即使没有设计师也能构建高水平的可视化应用。