金融数据分析流程思维导图

明确需要用数据解决什么，一般结合具体业务提出问题，将大问题分解为可以用数据解决的小问题

根据要解决的问题收集数据，可以通过自有数据库、公开数据集、爬虫等获取数据。

整理数据又包括数据评估、数据清洗和规范化。

数据评估主要是检查数据中的问题，包括无效数据、值缺失、数据重复、异常值以及格式等问题。

数据清洗和规范化就是调整数据，解决数据评估时发现的问题。

解决确定问题时提出的具体问题，是数据分析中最重要、最核心的部分。

可以通过创建直方图、饼图、折线图来探索数据的分布情况、不同属性之间的相关性

可以通过一些统计数字，如最大最小值、平均数、中位数标准差等，获取对数据的整体认识。

借助描述统计学、推断统计学和机器学习得出各种结论。

将得出的结果用报告、PPT、方案、出版物等形式整合出来，对相关人员进行交流和展示。

创建合适的统计模型来预测一个结果的概率。

通过测试来验证模型是否有效。

将预测模型以单独的应用形式进行部署。