描述统计分析常用的数据如下：
1、频数分布：频数分布是指每个数据值出现的次数，可以反映数据的离散程度和分布情况。通过对频数分布进行分析，可以了解数据的集中趋势、离散程度、偏态和峰态等特征。
2、集中趋势：集中趋势是指一组数据向某个中心值靠拢的倾向。常用的指标包括平均数、中位数和众数等，可以反映数据的集中趋势和平均水平。
3、离散程度：离散程度是指一组数据离开其平均值的大小。常用的指标包括标准差、方差、四分位数间距等，可以反映数据的离散程度和波动情况。
4、偏态和峰态：偏态是指一组数据分布的偏斜程度，峰态是指一组数据分布的峰凸程度。通过对偏态和峰态进行分析，可以了解数据的分布形态和异常值情况。
5、相关分析：相关分析是指分析两个或多个变量之间的相互关系。常用的指标包括皮尔逊相关系数、斯皮尔曼秩相关系数等，可以反映变量之间的相关关系和程度。
6、回归分析：回归分析是指通过一个或多个自变量来预测一个因变量的值。常用的模型包括线性回归模型、逻辑回归模型等，可以反映自变量和因变量之间的因果关系和预测能力。
描述统计分析的三个主要目的：
1、数据可视化与探索：通过描述统计分析，可以将复杂的数据转化为简单易懂的图表和图形，帮助我们更好地理解数据的结构和特征。同时，描述统计分析还可以帮助我们发现数据中的规律和趋势，为后续的数据分析和挖掘提供有力的支持。例如，我们可以通过直方图来观察数据的分布情况，通过折线图来观察数据的趋势等。
2、识别异常值与缺失值：描述统计分析可以帮助我们识别数据中的异常值和缺失值。异常值是指远离数据中心分布的值，可能是由于错误或者异常情况导致的；而缺失值则是指数据中某些应该有的值却没有记录下来。描述统计分析可以帮助我们发现这些异常值和缺失值，并进行相应的处理，以提高数据的质量和可靠性。
3、变量转化与降维：在一些情况下，原始数据的维度过高或者各变量之间存在相关性，这会给数据分析和挖掘带来一定的困难。描述统计分析可以帮助我们对数据进行转化和降维，以简化数据的结构和特征。例如，我们可以对数据进行主成分分析，将多个相关变量转化为少数几个不相关的变量，以便更好地理解数据。