数据分析可以接的私活：

1、数据采集（爬虫、问卷、定制）

说数据采集，离不开埋点，对于大部分互联网行业的从业人员来说，可能更熟悉“埋点”这个概念，即通过嵌入第一方或者第三方 SDK，采集用户在产品上的操作，也就是采集用户行为。埋点一般可以分为客户端埋点和后端埋点，而客户端埋点，由于更加贴近业务，更加直观，也是目前市面上的主流数据采集手段。在这其中，安卓与 iOS 端的埋点，更是得到了广泛的应用。对于 iOS 的埋点，目前市面上主要流行代码埋点与全埋点两种大的技术方案。其中，代码埋点，也就是显式地调用埋点 SDK 提供的接口来采集数据，在采集能力上有比较大的优势，但是需要做额外的开发，易用性较为欠缺；而全埋点，则不需要额外写代码，使用方便快捷，但是在采集能力上有所欠缺，并且面临比较多的兼容性的问题。两种方案说不上谁优谁劣，各有自己适用的应用场景，根据我们服务这么多客户所形成的最佳实践，我们推崇两种方案综合使用是一种最好的选择。

2、数据清洗

如何去整理分析数据，其中一个很重要的工作就是数据清洗。数据清洗是指对“脏”数据进行对应方式的处理，脏在这里意味着数据的质量不够好，会掩盖数据的价值，更会对其后的数据分析带来不同程度的影响。有调查称，一个相关项目的进展，80%的时间都可能会花费在这个工作上面。因为清洗必然意味着要对数据有一定的理解，而这个工作是自动化或者说计算机所解决不了的难题，只能靠人脑对数据进行重新审查和校验，找到问题所在，并通过一些方法去对对应的数据源进行重新整理。

3、数据挖掘

数据挖掘（英语：Data mining），又译为资料探勘、数据采矿。是一种透过数理模式来分析企业内储存的大量资料，以找出不同的客户或市场划分，分析出消费者喜好和行为的方法。它是数据库知识发现（英语：Knowledge-Discovery in Databases，简称：KDD）中的一个步骤。数据挖掘一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性（属于Association rule learning）的信息的过程。主要有数据准备、规律寻找和规律表示3个步骤。数据挖掘的任务有关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析等。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。

4、数据可视化

数据可视化现在广泛应用在互联网中，其具体指的是计算机采集到的数据进行处理，使其变得整洁、更易于工作人员解读。”化“跟在某个字、名词或者形容词后形成后缀，常用于翻译“ization”后缀：如工业化（industrialization）、现代化（modernization）、全球化（globalization）。这样理解来，”可视化“也是其中的一员 “让人们看见的”数据是在不断扩展的。出色的数据可视化，具有相得益彰的配色，独到的简介分析等等，我们在欣赏一个好的可视化作品的同时，也在欣赏“颜色的艺术”、“文字的艺术”、“数据的艺术”、“分析的艺术”，当这些“美”呈现给大众时，就成为了“数据可视化”——看得见的数据。引入眼帘的首先就是美的享受，从而使得大众更加有兴趣对数据进行分析。1、数据分析讲师，就是成为机构数据分析的讲师，比如开课吧

5、其他

另外还有数据分析咨询，比如在知乎上或者其他渠道给他人提供咨询按咨询的次数收费；2、数据分析爬虫等学生作业兼职，这部分可以找淘宝上；3、数据分析自己录课程售卖，这是知识付费的典型一种的了。4、数据分析讲师，就是成为机构数据分析的讲师，比如开课吧。