首先，在数据分析中我也不敢妄称高手，不会很多分析算法，不会用啥统计工具，只会傻傻的去盯着看。但是我非常喜欢看各种数据，大学时整天看各种硬件评测;研究生阶段看了无数相机、镜头评测;后来是每周琢磨全世界各种游戏机、游戏的销量。工作中也特别喜欢建立各种统计系统，看各种数据，现在公司的所有统计代码都是我自己写的，一般工作每天也会花接近30%的时间研究数据，至少可以算是个不折不扣的数据分析爱好者了。
关于数据分析，caoz已经说的非常好了，我也只能补充一下自己的经验感受了。
1、不管做统计还是看别人的数据，第一步永远是数据获取的可靠性。假如是采样数据的话，一定要看看采样方式，看看可能会存在什么样的误差。如果是自己数据的话，也要看看数据获取本身是否科学，例如统计用户行为一般都用js回调，如果还用apache日志来做统计，结果想来也不会靠谱。
2、获取到数据之后，肯定是需要建立统计，这时候，需要想想，建立什么样的统计信息才能更好的分析产品及用户的特性。很多时候，往往单一特征已经很难去描述，需要综合很多地方来看。例如网页搜索中，往往要看首条CTR、前三条CTR，末次点击等多种因素，并通过很多种不同因素结合做出分析和判断。
3、对数据要抱有怀疑之心，尤其是数据本身与你要达到的结论之间有没有必然的因果关系。举个例子，网页搜索结果如果CTR高一定就是体验好吗?搜索广告的RPM高就一定理想吗?
4、生成同一个数据，往往可以有不同的统计方法，如果选择错误的话，结论往往会大相径庭。例如想分析网站对搜索引擎的依赖性，究竟应该用PV，用Session，还是用UV做统计呢?如果一个用户一天访问多次，某些是来自搜索引擎，某些是主动访问，该如何计算呢?这里面还是有很深的学问。
5、数据中往往会有很多噪声，怎么将这些噪声过滤也很重要。就像投票有投票机，有些spider会执行你的统计js，有些用户会误点，如果没有很好的过滤和处理，会使数据的可靠性大打折扣。
6、理解各种可能会使数据产生波动的原因，并通过不断的分析、验证和排除找到真正原因。例如当发生搜索流量下降，有可能有很多种原因，例如机房网络出故障、竞争对手用某些产品捣乱、上线的代码存在重大不稳定因素、运营商出故障或者拉闸限电等等，这中间每个都有不同的验证方式，需要从服务器日志、基调数据、分区域、用户行为等多个维度去进行跟踪和试验，找到真正可能的核心原因。
