分析，似乎你天天都在做，這也好像是很簡單的工作，市場上面也推出很多會畫圖的電腦軟體，似乎，畫出美美的圖就說：我會分析？難道，真的是這樣嗎？我們今天不解釋書上的定義，來思考一下你的分析到底該如何進行呢？
做任何事情一定要思考你的方向，分析也是一樣。你總是要思考一下：你分析的目標是什麼？比方說，你的目標出來之後，你的下一步通常是研究現況，知道現況之後，才有可能做什麼事情來調整與優化，設法將現況與目標的差距拉近一點。我們假設，如果公司要分析師研究一下如何提升30%的業績，你該怎麼做？
很自然的，你的第一個階段，就是需要先呈現現況。所以，剛剛說的那些畫圖軟體，你都會用到。因為，你的行動就是要收集各方面的數據，比方說財務數據、銷售數據、市場的數據，可能還有一些網站的數據等等，盡可能多的數據，來呈現現況到底是什麼？我們稱之為：描述型的分析。當然，數據的收集、清理、運算，然後呈現，你都必須要經歷。
然後，第二個階段，此時的你可能已經擁有了許多圖表。從圖表中，你一定會發現一些你感興趣的趨勢或是現象。你可能聽說過 EDA 探索型數據分析！這時候，利用你已經有的各種圖表，找出你感興趣的變量，然後研究變量自身的分佈情況與變量之間的關係，這些都是你該有的基礎功。
接著，第三個階段，你如果需要開始驗證 EDA 的一些方向是可行的，統計推論裡面有一些方法可以幫助你。你要知道，任何的數據實驗都需要花費成本。EDA 可能只有給你一些蛛絲馬跡。你可能要利用某些樣本數據來進行你數據母體的一種推論。然後，驗證你的分析方向是正確的。
剛才，我們的假設是公司的業績如何提升30%。經過了三種階段：從現象、探索到推論成立後，你可能已經想像到一些可能的行動，這些行動會提升公司的業績。比方說，你發現溫度會影響銷售，你可能也發現油價會影響生產。這些變量之間的關係，一旦確認之後，你可以試試看利用手邊的大量數據來進行預測。預測的演算法就很多了，盡量去算看看就是了。
預測當然會有誤差，久而久之，你會思考為什麼？因果型的研究，因為你會想知道為什麼？原因是什麼？其實不容易做到，更尤其是利用統計方面的知識來驗證其因果。知道因果之後，人類總是思考是否可以改變最後的結果？比方說，投入多少預算來做廣告，可以提升多少業績？ 這類的機理型研究，就比因果的研究還來得更複雜。
不論如何，從各種現象的收集與整理，然後探索發現變量與其之間的關聯，然後做出高性價比的實驗：利用樣本來推論數據母體，最後可以進行某些預測，找到可行的方向。這四個階段，身為數據分析師的你，如果都能夠掌握，那絕對可以得到公司老闆需要的答案：公司的業績如何提升30%。此時的你，難過的是缺少數據，至於畫出那美美的圖，只是一個小小的關鍵而已。這整套的方法，其實就是 Enterprise Big Data Analyst 要跟你說的內容。