本帖最后由 kakamuniyy 于 2016-9-7 10:16 编辑
前几日，与某友交谈，一个在我看来完全可以在任何一个熟悉的行业公司，独当一面的数据分析师，目前仍谦虚的以“数据猿”自称。从事数据分析的他，半路出家，虽然懂一些数据库的知识，但仍然和很多人一样，艰难地上了路。于是就和他聊起数据分析师的成长轨迹和学习的知识体系。
在谈及一开始的工作是如何起步的，他只强调了三个字，背数据！一开始很不理解，背这么多数据有意义么？后来慢慢上了道才豁然开朗，背数据的过程其实是在培养的数据的敏感度。做分析的初衷一定是某些指标有问题或需要变动，熟悉每天的交易数据或用户数据能让你一眼就看出问题在哪里，哪些数据有关联，然后在做分析。 一旦数据分析有了动力，就要开始完善自己的知识体系，这是他真正入门的开端。
学习一直是他所在行和热爱的，问及如何系统的去学习数据知识，他将其分为技术和业务。
1、基本的计算机和统计知识 数据库+SQL语言：一些常用的数据库如Oracle、SQL Sever、DB2、MySQL，这些数据库或者说日常接触的数据库都要有所了解，最重要的还是SQL数据库查询语言，这是解决取数的问题，平常多学一些SQL的技巧和一些新的函数，能有效提高效率。 数学/统计学知识 ：一些基本的数学统计方法如描述性统计、多元统计分析、回归分析等，重要性不言而喻。 数据挖掘知识：方差分析、回归分析、因子分析、聚类分析等等。这些东西作为入门多多少少都要会一些，虽然有可能不会全用到，但一旦用时方恨少。 建模工具 ：SPSS，SAS。 数据分析可视工具 ： 数据分析可视化工具很宽泛，人人都在用的Excel，这是必备技能，会用多少、熟练程度这个看选择。有些公司都是Excel处理数据，那我认为Excel懂得越多越好，会连接数据库，会制作动态报表、dashboard，这些都是有力优势。
但大多数公司有自己的业务系统，如OA，ERP或者报表系统FineReport。但作为数据分析师，任何一个公司主用的系统都要比任何一个人熟悉，看到数据要知道来自哪个系统哪个表，很少有工具能帮你理清这个，但这是基本的素养。
数据分析师要与公司的各业务打交道，所以对于各部门的业务知识要有深入的了解。如何某业务领导需要知道如何设定某个指标，你需要知道这个指标由哪些数据构成?数据统计的口径是什么？数据怎么取出来？这个指标对于行业的意义是什么，处于什么范围分别对应什么样的情况，是好还是坏。然后慢慢摸索这个指标层面多维度的规律，如何设定最合理。
数据分析师按能力区分本身就有分层，初级、中级、高级。推动自身的职业发展有两个方面。
1、自身技能的发展 上面所提到的只是一些入门，随着实际应用的扩展，系统的增设，需要你懂很多的技术知识。熟悉更多的业务数据和流程。比如大数据，Hadoop和Hive查询你要 会，架构是怎么构建的都要了解。
2、着眼高出、推动标准业务化 数据分析师大多都安排在信息部，做着大量取数、作图、做表的工作，工作重心围着业务 需求走。但我认为数据分析的工作也应该放到公司管理层面、战略层面去看待。数据分析的目的是挖掘有效数据，总结规律，形成有用的信息去指导业务和策略，快速响应市场环境变动。所以，当时我就意识要让领导层参与到数据决策中来，所以在公司范围内使用了商业智能系统FineBI。将他们关心的指标放在桌面，一看到数据的变化可以通过可视化的分析了解到原因。
所以，有些工作需要你去推着走，让别人认同工作的价值。数据分析不能只是停留在“有”的层面，还要“好”。
|
