2021如何成为一名数据分析师 | 推荐收藏

众所周知，精通Excel不叫精通数据分析，会讲述啤酒与尿不湿的案例并不代表你能洞悉数据，PPT做得漂亮也并不能为你的数据分析能力加分……我们做数据分析是为了能以量化的方式来分析业务问题，并得出结论。其中有两个重点词语：量化和业务。

量化是为了统一认知，并且确保路径可回溯、可复制。 统一认知后，才能保证不同层级、不同部门的人在平等话语权和同一个方向上进行讨论和协作，才能避免公司内的人以“我感觉”、“我猜测”来判断当前业务的情况。而最终只有解决业务问题分析才能真正创造价值。

一直以来，不少同事、朋友在问我怎么成为一个数据分析师、数据产品经理？都需要哪些知识储备？今天小亿就来为大家系统的分享一下什么是数据分析师，以及该如何快速、深入的学习这些技能与知识？

数据分析师指的是不同行业中，专门从事行业数据搜集、整理、分析、并依据数据做出行业研究、评估和预测的专业人员。

换句话说，数据分析师是一个岗位，只要掌握了数据分析方法和思维，做技术的、做业务的，都可以称为数据分析师，其工作内容本质上就是从数据中分析出商业价值或者建模发现知识，从而去推动业务，辅助决策。

一个完整的企业数据分析体系涉及到多个环节：采集、清理、转化、存储、可视化、分析决策等等。其中，不同环节工作内容不一样，消耗的时间和产生的价值也相差甚远，如图所示。

比如，互联网企业数据分析体系中至少有三方面的数据：用户行为数据、交易订单数据和CRM数据。工程师把不同来源的数据采集好，然后通过清理、转化等环节统一到数据平台上；再由专门的数据工程师从数据平台上提出数据。这些工作占用了整个环节90%的时间，然而产生的价值却只占10%。

这个金字塔再往上数据分析就和业务实际紧密结合，以报表、可视化等方式支持企业的业务决策，涵盖产品、运营、市场、销售、客户支持各个一线部门。这个部分占用了整个环节才10%的时间，但是却能产生90%的价值。

一个优秀的商业数据分析师应该以价值为导向，紧密结合产品、运营、销售、客户支持等实践，支持各条业务线发现问题、解决问题并创造更多的价值。

1.数据产品经理

在产品经理的能力基础上，增加数据思维。数据产品经理不仅懂得埋点原理，能够通过抓包等工具抓取数据并进行分析。同时还能够参与数据化产品的制作，如BI报表、CRM系统、AB test试验后台等。

比如老板想搭建一个用户行为监测平台，这时就需要根据老板的需求，转化为详细的技术需求，提给技术去开发，这就是数据产品经理的日常。

2.数据分析师

这就是我们常说的商业化数据分析师，主要负责0-1搭建可视化监控报表，利用数据挖掘和洞察业务，为需求部门提供数据支撑、分析报告、商业化模型等服务，这里面的核心是监控、挖掘、有价值和服务，在公司里担任领导的眼睛与大脑的角色。

3.数据建模师

数据建模师也叫算法工程师，是数理统计知识、编程与业务思维集一身的模型大师，通过建立数学模型、利用算法实现增长，可以说是一家产品的灵魂工作者，比如信息流产品的推荐算法、金融行业的反欺诈和信用评级等。

4.数据工程师

数据工程师的职能更偏向技术工程，主要的工作职责是搭建数据仓库、创建ETL、进行数据治理、数据安全等方面的工作、通过提升运行速度，优化数据结构，更好地服务于数据使用方，比如数据分析师、数据产品经理及数据建模师等。

5.数据科学家

综合性人才，数据分析能力、统计学基础、业务能力、算法与沟通能力集聚一身的人才。包含以上所有的技术与能力。

1.业务能力

数据分析最终只有解决业务问题分析才能真正创造价值，即数据分析师需要具备业务能力，而企业每一项业务本质上是公司整体战略的支撑，因为数据分析师首先要理解了战略，才能选对分析思路的方向。

其次要对自己的行业有足够敏感度，及充分理解行业。即多与业务部门核心团队进行沟通，多关注行业网站，多阅读行业数据分析报告做好积累，比如处于什么阶段，自己所在的位置，当前的重点业务方向在哪里，碰到了哪些挑战，总体的解决思路是什么。

最后还需要具备业务岗位的实战经验，对于业务的理解不是简单的看文档就可以的，一定来自于对于公司业务的实际流程、机制、平台、数据等的充分的理解，最好在实际相关岗位实践过。

2.数据能力

作为数据分析师，首先需要理解企业的数据指标，每个企业企业都有一套KPI指标体系，围绕KPI指标还有一系列的执行监控指标，作为数据分析师一定要对企业的核心指标体系有深入的理解，要能从本质上区分指标的差异，就得对指标的生成过程有透彻的理解，包括从哪个表，哪个字段层层计算汇总而来。

其次要拥有全局的数据视野，即在大多数公司里，数据分析师的工作是专业化的，但其实你分析要的数据是全方位的，不会有划定的专业边界。在实践中，数据分析师往往不知道到底有多少数据，其数据分析的深度和广度由于其视野的狭窄而受限，数据分析师应对数据字典进行系统的学习，自底向上的实践很重要，但自顶向下的学习也很必要。

最后还需要具备了解数据的深度，数据字典体现的往往只是表层的数据含义，如果你希望分析的更为灵活，就需要理解数据之间的依赖关系和来龙去脉，因为每张数据表都是由下一层次的表关联汇总而成，但汇总意味着信息的丢失，只有具备追根溯源的能力，你才更有可能基于更多的信息获得更大的分析自由度，比如看到业务系统上某个菜单的功能，需要对应到系统中的数据是怎样的。

3.技术能力

作为数据分析师，当然还是需要有必要的技能傍身，比如精通SQL、数据库原理、Excel/报表/BI工具技能。除此以外，上下游技术领域，比如数据仓库、数据架构、ETL，需要了解甚至会用，比如：

（1）SQL是最灵活的操作数据的语言，任何一个数据库都会提供SQL的支持，它架起了业务和数据的桥梁，简单易学，性价比很高，也是数据分析师的必须要学习的语言。

（2）EXCEL提供了最为灵活的轻量级数据的加工和呈现的能力，对于EXCEL的掌握是任何数据分析师的基本功，透视图，图表，公式，计算都是极其方便的工具。

（3）BI很大程度上就是用一些可视化技术来进行指标比较的艺术，有助于你更快、更直观的发现问题和定位问题，毕竟人脑对图表、图像的敏感度更高。

（4）数据挖掘技术，比如聚类，分类，预测等等随着机器学习，人工智能工具使用门槛的降低，数据分析师要掌握至少一种挖掘的方法。懂得如何构建模型，尤其是在金融、运营商、互联网、零售等这些数据成熟度较高的行业。

4.沟通能力

对数据分析师来说，沟通能力是非常重要的，因为很多项目需要上层来推动，然后配合的时候需要各业务部门领导去配合你理清需求里数据，执行的时候又需要技术、业务整个链条的配合。

沟通本质还是为了解决问题。明确沟通目的，逻辑清晰的表达，然后站在对方考虑知道对方要什么，沟通也没那么困难。

比如对上沟通，要抓住一切机会去沟通清楚分析的目的到底是什么，领导有什么预期，与此同时，你也需要面对不同的岗位，碰到不同的角色，采用不同的语言，表达你的要求和获得你需要的东西，例如业务如何理解？如何让数据取得更快？发现数据问题如何尽快的确认原因？都考验着你的实际人脉和权威。

除此以外，数据分析师还有一个重要的表达，就是汇报数据分析成果，要学会将问题和分析场景串联起来讲故事，要能通过量化的数字和生动的场景来宣导数据的价值。

1.Excel数据分析

每一位数据分析师都脱离不开Excel。它是日常工作中最常用的工具，如果不考虑性能和数据量，它可以应付绝大部分分析工作。虽然现在机器学习如今很常见，Excel依旧是无可争议的第一工具。对于没有经验的你，Excel是一款必须熟练的工具。它是日常工作中最常用的工具，如果不考虑性能和数据量，它可以应付绝大部分分析工作。

2.SQL数据库语言

作为数据分析人员，我们首先要知道如何去获取数据，其中最常见的就是从关系型数据库中取数，因此你可以不会R，不会python，但是你不能不会SQL。

DT时代，数据正在呈指数级增长。Excel对十万条以内的数据处理起来没有问题，但是往小处说，但凡产品有一点规模，数据都是百万起。这时候就需要学习数据库。比如在很多企业的招聘条件中，越来越多的产品和运营岗位，将会SQL作为优先的加分项。SQL是数据分析的核心技能之一，从Excel到SQL是数据处理效率的一大进步。

主要了解数据库查询语言，where，group by，orderby，having，like，count，sum，min，max，distinct，if，join，left join，limit，and和or的逻辑，时间转换函数等。学习SQL最快的方法是能自己下载数据库管理工具，找些数据练习。客户端这里推荐MYSQL。推荐书籍：《MYSQL必知必会》

3.数据可视化&商业智能

数据可视化不仅是一门技术，也是一门艺术，同样的数据在不同人的手中，展现出来的效果会千差万别，掌握这门技术会成为职场的加分项。可视化的工具有很多，比如豌豆BI。

豌豆BI是一个面向业务人员的自助式数据分析平台，它提供了从数据导入、数据预处理、自动建模和数据可视化于一体的完整的解决方案。用户只需通过简单的拖拉拽，就可以快速地制作出一张敏捷看板。推荐书籍：《用图表说话》-麦肯锡

4.数理统计学

统计学是数据分析最重要的基础之一，是数据分析的基石和方法论。统计知识会要求我们以另一个角度看待数据。当你知道AB两组的差异用平均值看是多傻的事情，你的分析技巧也会显著提高。

这里我们需要从基础的统计理论(描述性统计、区间估计、假设检验等)出发，到基本的统计分析（T 检验、方差分析等），最后到商业常用的模型（回归分析、方差分析等），学习数据分析背后的逻辑，掌握实用统计学的概念和会利用统计的思维去思考问题。推荐书籍：《从零进阶 数据分析的统计基础》-曹正凤、《统计学》-贾俊平

5.数据分析与软件应用

SPSS是统计分析入门软件，如果你想快速入门而又不想学习编程，我推荐使用SPSS。SPSS软件是世界三大统计分析软件之一，以其易于操作、易于入门，结果易于阅读的优点，一直备受数据分析人员的青睐，一般经过短期学习即可用SPSS 做简单的数据分析，包括绘制图表、简单回归、相关分析等等。

学习SPSS的重点并不在于软件本身，而是相关的统计学知识，这也是在前面建议大家铺垫的，也就是你要学会怎样去分析“输入数据后，软件给你呈现的结果”。推荐书籍：《如虎添翼 数据处理的SPSS/SAS EG实现》-徐筱刚、《胸有成竹 数据分析的SPSS／SAS EG进阶》-常国珍、《SPSS统计分析基础教程+高级教程》-张文彤

6.数据分析行业应用和数据分析思维

对于数据分析师来说，业务的了解比数据方法论更重要。当然很遗憾，业务学习没有捷径。 推荐书籍：《增长黑客》《精益数据分析》

在国内不同层次的数据分析师每天的工作场景都不一样。

基础的数据分析师，每天基本上都是整理数据报表，写sql，查数据。任何一个数据分析师都无法跳过这个阶段，都需要从基层做起。

中层的数据分析师，具备一定独立工作能力，除了做些数据报表工作，会独自承接一些独立问题做专题分析，比如为什么销售会下降、运营现状怎么样，然后搭建一套数据指标体系去描述现状，分析问题。

高级的数据分析师，或者说部门领导/总监，每天基本上都是在开会。管理层的会议、其他业务部门的会议，都会拉上。他们一般都不怎么碰数据，大部分工作就是沟通。当然除了开会以外，也会分析问题，站在高层的角度，梳理决策建议。

但无论处在什么岗位，数据分析只是起点，用数据驱动业务驱动企业管理，做到这个地步才是真正的价值终点。因此大家多去了解业务。看看各部门是如何开展工作的，熟悉业务流程，看看报表，主动思考和发现问题，看观察他们如何将问题转化为具体举措落地的。相信沿着此路线学习，你会在数据分析道路上有所收获。

来源：微信公众号 亿信华辰Pro