每个人在做数据分析时都有自己的风格和特点，也许思路不同，也许方法不同。但在有些方面要注意的问题都是类似的，因为数据分析的思想是相通的。一、要注意每种统计分析方法的适用范围。许多分析方法对数据的要求很高，如果样本的分布不符合要求，样本量数量不足，或者存在大量的伪样本，都会造成最后结果的偏差甚至是完全错误。比如，我们经常要使用的因子分析、聚类分析，如果样本量不足，虽然也能够通过SPSS获得分析结果，但实际上这样的分析结果没有意义。二、在选择一种数据分析方法的同时，要按照方法的要求整理数据库。错误的数据库格式对于研究有时是灾难性的。我们在使用任何研究模型之前，都要考虑数据的适用性。同样，数据的合理转换也很重要。比如，我们经常会提问被访者的出生年份而不是周岁年龄，这样将会较少回答的偏差。我们把收集到的数据进行简单的转换，得到被访者的年龄。出于计算的需要，我们还经常把几个变量合并（或整理）成一个或者另外几个变量。三、如果必要，可以使用不同的研究方法对同一问题进行解释，来互相验证结论的真伪。如果出现互相矛盾，一定要找到矛盾的原因，去伪存真。任何的分析模型和方法都有其使用的局限性，在一定场合会失效。片面的相信任何高级分析方法，哪怕是世界上最先进的分析模型，研究失误都是必然的四、数据分析结果要使用通俗易懂的语言或图表进行描述，繁琐高深的公式和过程不应该经常成为最终研究报告的一部分。我们知道数据分析工作的最大难度在于数据处理，但是即使再精确的数据分析结果，如果选择了不友好的可视化也是无济于事。在选择数据工具时可以从图表样式、可视化界面，动态交互等几方面来考虑。工具可大胆选择，但要考虑数据信息的安全性，尤其是随着一批云数据处理产品的出现。简易的使用感也是要考虑的，有些工具可能还带着原始的SQL取数；有些都集成在功能块中，自助分析，比如FineBI。