数据分析即从数据、信息到知识的过程，数据分析需要数学理论、行业经验以及计算机工具三者结合
-
工具支撑
各种厂商开发了数据分析的工具、模块，将分析模型封装，使不了解技术的人也能够快捷的实现数学建模，快速响应分析需求。
-
数学&统计学知识
数据分析的基础，将整理、描述、预测数据的手段、过程抽象为数学模型的理论知识
-
机器学习
不需要人过多干预，通过计算机自动学习，发现数据规律，但结论不易控制。
-
传统分析
在数据量较少时，传统的数据分析已能够发现数据中包含的知识，包括结构分析、杜邦分析等模型，方法成熟，应用广泛，本文不展开介绍
-
数据挖掘
数据挖掘是挖掘数据背后隐藏的知识的重要手段
-
分析误区
不了解分析模型的数学原理，会导致错误的使用模型，而得出错误的分析结论，影响业务决策，因此在选用分析模型时，要深入了解该模型的原理和使用限制
-
行业经验
行业经验可在数据分析前确定分析需求，分析中检验方法是否合理，以及分析后指导应用，但行业特征不同，其应用也不同，因此本文不展开介绍