1、项目背景：业务需求的初步提出
这里主要是业务方需要解决的问题，面临的业务痛点。
2、业务需求可行性研究
根据业务方的初步需求，数据分析师跟业务方共同参与需求讨论。对背景的相关信息和数据进行收集，初步评价业务方的分析需求是否合理，是否可行。有的业务需求可能是‘伪命题’，要进行甄别。
3、制定分析框架和计划
将业务需求转化为目标变量的定义。分析思路的描述，数据抽取规则，项目落地的风险和项目价值。
4、数据抽取、清洗、摸底
根据梳理的分析框架，进行样本数据的抽取。并将数据进行清洗，去掉脏数据、无效数据等。对数据进行预处理后，也需要对数据进行摸底分析，查看下数据的分布，对数据进行相关性分析等，对于相关度很高的指标，做一定的删减。
5、搭建数据分析模型
进一步对纳入模型的指标进行筛选。尝试多种算法和分析方法，并比较不同模型的性能和结果，选择最优的模型的模型方案。
6、与业务方讨论模型的初步结论，提出新的思路和模型优化方案
将模型的初步结论与业务方进行讨论，探索是否有优化的空间和新的思路，如果有优化的空间，则制定模型的优化实施方案。
7、按优化方案重新抽取样本建模，提炼结论并验证
按优化方案重新抽取数据、清洗、建模。提炼结论。用最新的实际数据对结论进行验证。
8、完成分析报告及落地建议
分析报告应包括模型预测效果和效率，模型验证的结果。
通过模型整理的可供运营参考的特征和规律;
提出落地应用的分层建议及相应的运营建议。
