你好,游客 登录
背景:
阅读新闻

干货:数据分析师养成记

[日期:2017-04-27] 来源:大数据观察  作者:大数据观察者 [字体: ]

  七大姑:数据分析师?是分析什么?

  你:有数据的地方就需要我们来分析

  八大姨:是软件编程么?

  你:不是,不太会

  七大姑:属于管理层?

  你:还达不到...那个级别

  八大姨:那属于市场?

  你:不是,只是辅助决策

  七大姑:辅助决策,那是老板助理?

  你:也不是……

  八大姨:那你到底在做什么啊?

  你:……您渴了吧,我给您加杯茶

  刚入门数据分析的你是不是也经常被身边的人所质疑?不要心急,N年以后,就可以淡定的告诉他们“数据分析师,就是掌管公司大到资金如何分配,小到几点适合吃饭,都由我说了算”,不过你首先要成为一名合格的老司机。

数据分析师

  大神们常说在火车头学会了获取数据,可怎么分析却真的不太会,小编赶紧求教了公司的资深数据分析师,又整理了一些知名大牛的建议,总结出了数据分析的养成手记,希望大家可以借鉴。

  一、不仅是职位,更是一种能力

  不过数据分析需不需要一点天赋?答案是:不仅需要一点天赋,还需要天时…地利…人和……

  so,你退缩了?

  如果你仍然坚定地想要培养这种能力,就往下看看还要做什么。

  二、成为数据分析师有哪些要求?

  1、理论知识要宽泛,涉及数学、市场和技术,包括统计知识、市场研究、模型原理等。

  2、常规分析工具的使用,包括数据库、数据挖掘、统计分析工具,常用办公软件(Excel、PPT、思维导图)等等。

  3、对数字敏感,有业务理解能力,能理解业务背后的商业逻辑。因为只有理解了商业问题,才能转换成数据分析的问题,从而满足部门的要求。

  4、数据报告和数据可视化的能力。数据分析得再好,如果不能以漂亮的方式“表达”,成效也会大打折扣。

  三、数据分析师必备技能和知识

   数据分析师的必备技能贯穿在数据分析整个流程线:

  数据分析的四个步骤:数据获取、数据处理、数据分析、数据呈现。

  1、数据获取

  数据获取虽然对大神们来说已经不是难事,但是把握对问题的商业理解,转化成数据问题来解决却不那么容易,直白点讲就是需要哪些数据,从哪些角度来分析,只有界定好问题后,才能准确、有目标地进行数据采集。

  推荐书籍:《金字塔原理》、麦肯锡三部曲:麦肯锡意识、工具、方法;

  推荐工具:火车采集器、火车浏览器等获取工具,思维导图工具(Xmind\百度脑图等);

  2、数据处理

  数据的处理需要掌握有效率的工具,除了在火车采集器中的一系列处理外,还需要掌握↓↓↓

  Excel及高端技能:日常工作通用,容易掌握,处理10万级别的数据很轻松。你需要逐步掌握数据处理、查询、筛选、排序、函数、function,图表插件等。没错,很多、很复杂。所以你也可以选择学习SQL,熟悉火车采集器的大神一定不陌生,熟练掌握SQL语言,应对数据库很好上手。对开发技术感兴趣、对Excel无感的朋友,可以自行琢磨最适用的数据处理方案。

  3、分析数据

  分析数据往往需要各类统计分析模型,如关联规则、聚类、分类、预测模型等等。

  因此,熟练掌握一些统计分析工具不可免:

  SPSS系列:老牌的统计分析软件,SPSS Statistics(偏统计功能、市场研究)、SPSS Modeler(偏数据挖掘),不用编程,易学。

  SAS:经典挖掘软件,需要编程。

  R:开源软件,新流行,对非结构化数据处理效率上更高,需编程。

  各类BI工具:

  Tableau:可视化工具的鼻祖,对于处理好的数据可作自由的可视化分析,图表效果惊人

  大数据BI工具FineBI:类同Tableau,可在前端做任意维度分析;数据可在前端继续处理(计算、筛选过滤等),可对接hadoop之类的大数据平台,数据处理性能较好。

  推荐书籍:

  ①《谁说菜鸟不会数据分析》系列,入门级书,初学者最适。

  ②《数据挖掘与数据化运营实战,思路、方法、技巧与应用》,内容很系统很全面。

  ③《市场研究定量分析方法与应用》,简明等编着,中国人民大学出版社。

  4、数据可视化呈现

  很多数据分析工具已经涵盖了数据可视化部分,只需要把数据结果进行有效的呈现和演讲汇报,可用word\PPT\H5等方式展现。

  四、数据分析师的职业发展

  1、数据分析师通常分两类,技术型分析师和业务型分析师,分工不同,但各有优势。

  技术型分析师是在专门的挖掘团队里面从事数据挖掘和分析工作的。如果你能在这类专业团队学习成长,那是幸运的,但进入这类团队的门槛较高,需要扎实的数据挖掘知识、挖掘工具应用经验和编程能力。该类分析师更偏向技术线条,未来的职业通道可能走专家的技术路线。技术型分析师的角色包括数据工程师、挖掘工程师、数据科学家、建模工程师、数据架构师、ETL工程师等,这些称谓都或多或少代表了其工作性质。

  业务型分析师是下沉到各业务团队或者运营部门的数据分析师,成为业务团队的一员。他们工作是支撑业务运营,包括日常业务的异常监控、客户和市场研究、参与产品开发、建立数据模型提升运营效率等。该类型分析师偏向产品和运营,可以转向做运营和产品。

  2、数据分析师的理想行业在互联网,但条条大道通罗马,走合适你的路线。

  从行业的角度来看:

  1)互联网行业是数据分析应用最广的行业,因为互联网数据数量庞大、收集分析和应用都更普遍。其中电商企业,更是目前最火的,而且企业也更重视数据分析的价值,是数据分析师理想的成长平台。

  2)其次是咨询公司,他们需要数据分析人才,而且相对来说,数据分析师在咨询公司成长的速度更快,专业也会更全面。

  3)再次是金融行业,比如银行和证券等行业,该行业对数据分析的依赖需求,越来越大。

  4)最后是电信行业(中国移动、联通和电信),它们拥有海量的数据,在严峻的竞争下,也越来越重视数据分析,但进入这些公司的门槛比较高。

  五、如何系统地去学?

  学习方法千万种,关键是找到适合自己的,最好能够结合你的工作遇到的问题来学习。

  有位数据大牛列举了一个经典的从0到1的入门规划:

  第一周☞Excel学习掌握

  第二周☞数据可视化

  第三周☞分析思维的训练

  第四周☞数据库学习

  第五周☞统计知识学习

  第六周☞业务学习

  第七周☞Python/R学习

  六、你真的喜欢数据分析吗?

  请再次问问自己,是否真的喜欢数据分析,能否忍受处理数据时的寂寞?如果是,那就宜早不宜迟,马上开始行动吧。

 

  但是凡事讲究细水长流,一口吃不下一个胖子,还需要不断地工作积累和广泛的阅读。你一定能够成为你想成为的人!





收藏 推荐 打印 | 录入:elainebo | 阅读:
本文评论    (0)
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款