数据分析师是组织中的几个关键角色之一，他们帮助发现并解读信息，使公司保持平衡并有效运转。 因此，数据分析师需要清楚地了解自己的职责以及每日执行的任务，这至关重要。 数据分析师能够帮助组织从大量数据中获得有价值见解，并通过与组织中其他人紧密合作来发现有价值的信息，他们在这些方面起着不可或缺的作用。
下图显示了数据分析过程涉及的五个重要方面。
准备
作为数据分析师，可能会在任务准备和建模上花费大量时间。 有缺陷或不正确的数据可能产生重大影响，导致报表无效、可信度缺失，并可能对业务决策产生负面影响，从而导致收入损失、负面业务影响等。
创建报表之前，必须准备好数据。 数据准备是分析、清理和转换数据的过程，使其可供建模和进行可视化。
数据准备是获取原始数据并将其转换为可理解且可信的信息的过程。 其中包括确保数据的完整性，纠正错误的数据，识别丢失的数据，将数据从一个结构转换为另一个结构或从一种类型转换为另一种类型，甚至使数据更易于读取等简单任务。
数据准备还涉及了解“如何”获取和连接数据，以及决策的绩效影响。 连接数据时，需要做出决定以确保模型和报表符合确认的要求和期望并据此来执行它们。
隐私和安全性保证也很重要。 这些保证可能包括匿名数据，以避免过分共享个人身份信息，或防止在不需要时人们看到个人身份信息。 或者，在数据与你要塑造的故事不符时帮助彻底删除该数据，确保隐私和安全性。
数据准备通常是一个漫长的过程。 数据分析师按照一系列步骤和方法来准备数据，以便将其放置到适当的上下文和状态中，从而改善数据质量，使其能够转变为有价值的见解。
建模
数据处于适当状态后，便可对其进行建模。 数据建模是确定各个表之间如何相关的过程。 该过程是通过在表之间定义和创建关系来完成的。 从这里，可以通过定义指标并添加自定义计算来丰富数据，从而增强模型。
创建有效且合适的数据模型是帮助组织了解数据并从中获得有价值见解的关键步骤。 有效的数据模型使报表更准确，使用户可以更快且有效地了解数据，花更少时间创作报表，在未来更轻松地维护报表。
模型是另一个对报表性能和总体数据分析有直接影响的重要元素。 设计糟糕的模型可能对报表的总体准确性和性能产生极大的负面影响。 相反，设计良好的模型与经过妥善准备的数据可确保生成适度高效且可信的报表。 此见解在大规模处理数据的情况下更具参考意义。
从 Power BI 的角度来看，如果报表执行速度缓慢，或者刷新花费时间过长，则可能需要重新进行数据准备和建模任务以优化报表。
数据准备和建模过程是迭代过程。 数据准备是数据分析的第一个任务。 对数据进行建模前了解并准备数据使建模步骤更加轻松。
可视化
可视化任务使数据变得生动。 可视化任务的最终目标是解决业务问题。 设计良好的报表应讲述关于数据的具有说服力的故事，使业务决策者能快速获得所需的见解。 使用适当的可视化效果和交互，提供的有效报表可快速高效地指导读者读完内容，使读者能够跟随故事进入数据。
可视化任务期间创建的报表有助于企业和决策者了解该数据的含义，以便能够进行准确而关键的决策。 报表推动组织的整体行动、决策和行为，它信任并依赖于数据中发现的信息。
企业可能表示他们需要给定报表中的所有数据点来帮助做出决策。 作为数据分析师，应该花些时间来完全了解企业尝试解决的问题。 确定是否所有数据点都是必需的，因为数据过多会加大重要数据点的检测难度。 提供短小而简洁的数据故事有助于迅速地找到见解。
使用 Power BI 中内置的 AI 功能，数据分析师可以构建功能强大的报表，而无需编写任何代码，这样用户就可以获得见解和解答并找出可操作的对象。 Power BI 中的 AI 功能（如内置 AI 视觉对象）使用快速见解功能或直接在 Power BI 内创建机器学习模型，实现通过提问来发现数据。
可视化数据的一个重要方面是设计和创建报表实现辅助功能。 生成报表时，务必考虑将访问和读取报表的人员。 报表的设计应从一开始就考虑到辅助功能，这样将来就无需进行任何特殊的修改。
报表的许多组件都有助于讲述故事。 从辅助性的可访问配色方案到字体和调整大小，再到为要显示的内容选择正确的视觉对象，这些都结合在一起来传递信息。
分析
分析任务是理解和解释报表上显示的信息的重要步骤。 作为数据分析师，应该了解 Power BI 的分析功能，并使用这些功能来查找见解、识别模式和趋势、预测结果，然后以每个人都能理解的方式传达这些见解。
高级分析使企业和组织最终可以在整个企业中推动更好的决策，并创建可操作的见解和有意义的结果。 使用高级分析，组织可以理解数据以预测未来的模式和趋势、识别活动和行为，并使企业能够询问有关其数据的相应问题。
以前，分析数据是一个困难而复杂的过程，通常由数据工程师或数据科学家来完成。 现在，Power BI 简化了数据分析过程，使数据分析变得容易执行。 用户可以直接从桌面使用视觉对象和指标来从数据中获得见解，然后将这些见解发布到仪表板，以便其他人可以查找所需信息。
该功能是 Power BI 中 AI 集成可以将分析带入下个级别的又一方面。 与 Azure 机器学习、认知服务以及内置 AI 视觉对象进行集成有助于丰富数据和分析。
管理
Power BI 包含许多组件，包括报表、仪表板、工作区、数据集等。 作为数据分析师，将负责管理这些 Power BI 资产，监视项目（如报表和仪表板）的共享和分发，并确保 Power BI 资产的安全性。
应用可以是内容的有价值的分发方法，并允许更轻松地管理大量受众。 该功能还允许你拥有自定义的导航体验，并链接到组织内的其他资产以补充报表。
内容管理有助于促进团队和个人之间的协作。 内容的共享和发现对于适当的人员获得所需的答案非常重要。 帮助确保项目的安全也很重要。 需要确保适当的人员具有访问权限，并且你不会越过正确的利益干系人泄漏数据。
适当的管理还可以帮助减少组织内的数据孤岛。 过度使用资源时，数据复制会导致数据难以管理并引起延迟。 Power BI 通过使用共享数据集来帮助减少数据孤岛，使你可以重用已准备和已建模的数据。 对于关键业务数据，认可数据集已通过认证有助于确保数据中的信任。
Power BI 资产的管理有助于减少重复工作，有助于确保数据的安全性。
参考转载自: https://docs.microsoft.com/zh-cn/learn/modules/data-analytics-microsoft/4-tasks
