1. 数据分析网首页
  2. 大数据
  3. 数据分析

如何做个有能力、懂业务、擅工具的数据分析师?

作者将数据分析师分成初级、高级、数据挖掘工程师三个层次来阐述,大家正好可以对号入座。

数据化管理 :经常有网友私信我问“如何做一个数据分析师?”,今天正好看见陈丹奕(从传统行业到互联网的全栈数据分析师)的这篇文章,推荐给大家。作者将数据分析师分成初级、高级、数据挖掘工程师三个层次来阐述,大家正好可以对号入座。

(PS:本文经陈丹奕授权发布,第三部分是作者的补充)

1、数据分析师的能力体系8个维度定义,细节如下图:

如何做个有能力、懂业务、擅工具的数据分析师?

01数学知识数学知识是数据分析师的基础知识。

对于初级数据分析师,了解一些描述统计相关的基础内容,有一定的公式计算能力即可,了解常用统计模型算法则是加分。

对于高级数据分析师,统计模型相关知识是必备能力,线性代数(主要是矩阵计算相关知识)最好也有一定的了解。

而对于数据挖掘工程师,除了统计学以外,各类算法也需要熟练使用,对数学的要求是最高的。

02分析工具对于初级数据分析师,玩转Excel是必须的,数据透视表和公式使用必须熟练,VBA是加分。另外,还要学会一个统计分析工具,SPSS作为入门是比较好的。

对于高级数据分析师,使用分析工具是核心能力,VBA基本必备,PSS/SAS/R至少要熟练使用其中之一,其他分析工具(如Matlab)视情况而定。

对于数据挖掘工程师……嗯,会用用Excel就行了,其它主要工作要靠写代码来解决呢。

03编程语言对于初级数据分析师,会写SQL查询,有需要的话写写Hadoop和Hive查询,基本就OK了。

对于高级数据分析师,除了SQL以外,学习Python是很有必要的,用来获取和处理数据都是事半功倍。当然其他编程语言也是可以的。

对于数据挖掘工程师,Hadoop得熟悉,Python/Java/C++至少得熟悉一门,Shell得会用……总之编程语言绝对是数据挖掘工程师的最核心能力了。

04业务理解业务理解说是数据分析师所有工作的基础也不为过,数据的获取方案、指标的选取、乃至最终结论的洞察,都依赖于数据分析师对业务本身的理解。

对于初级数据分析师,主要工作是提取数据和做一些简单图表,以及少量的洞察结论,拥有对业务的基本了解就可以。

对于高级数据分析师,需要对业务有较为深入的了解,能够基于数据,提炼出有效观点,对实际业务能有所帮助。

对于数据挖掘工程师,对业务有基本了解就可以,重点还是需要放在发挥自己的技术能力上。

05逻辑思维对于初级数据分析师,逻辑思维主要体现在数据分析过程中每一步都有目的性,知道自己需要用什么样的手段,达到什么样的目标。

对于高级数据分析师,逻辑思维主要体现在搭建完整有效的分析框架,了解分析对象之间的关联关系,清楚每一个指标变化的前因后果,会给业务带来的影响。

对于数据挖掘工程师,逻辑思维除了体现在和业务相关的分析工作上,还包括算法逻辑,程序逻辑等,所以对逻辑思维的要求也是最高的。

06数据可视化数据可视化说起来很高大上,其实包括的范围很广,做个PPT里边放上数据图表也可以算是数据可视化,所以我认为这是一项普遍需要的能力。

对于初级数据分析师,能用Excel和PPT做出基本的图表和报告,能清楚的展示数据,就达到目标了。

对于高级数据分析师,需要探寻更好的数据可视化方法,使用更有效的数据可视化工具,根据实际需求做出或简单或复杂,但适合受众观看的数据可视化内容。

对于数据挖掘工程师,了解一些数据可视化工具是有必要的,也要根据需求做一些复杂的可视化图表,但通常不需要考虑太多美化的问题。

07协调沟通对于初级数据分析师,了解业务、寻找数据、讲解报告,都需要和不同部门的人打交道,因此沟通能力很重要。

对于高级数据分析师,需要开始独立带项目,或者和产品做一些合作,因此除了沟通能力以外,还需要一些项目协调能力。

对于数据挖掘工程师,和人沟通技术方面内容偏多,业务方面相对少一些,对沟通协调的要求也相对低一些。

08快速学习无论做数据分析的哪个方向,初级还是高级,都需要有快速学习的能力,学业务逻辑、学行业知识、学技术工具、学分析框架……数据分析领域中有学不完的内容,需要大家有一颗时刻不忘学习的心。

2、数据分析师的工具体系

用一张图说明问题

如何做个有能力、懂业务、擅工具的数据分析师?

可以从图上看到,Python在数据分析中的泛用性相当之高,流程中的各个阶段都可以使用Python。所以作为数据分析师的你如果需要学习一门编程语言,那么强力推荐Python。

3、数据分析师的业务体系注:这部分为@数据化管理 的补充。

前文在数据分析师的能力体系中已经提到业务理解力,但是我想补充一段,如何打磨自己的业务深度。

对于初级的数据分析师有条件的可以考虑到业务部门实习一段时间,销售、市场、营运部门都可以待一段时间,这对提高业务理解度会有直接的帮助的。就像我的书《数据化管理:洞悉零售及电子商务营运》中的主人翁柯北和星星一样,成为正式的数据分析师之前先到各部门轮岗。

当然企业主管也可以创造一些机会给这些初级数据分析师轮岗,这也是为日后分析师更能接地气打基础的工作,值得做甚至形成制度在企业推行。

对于高级数据分析师可以通过多参加跨部门会议,想办法成为企业各种项目成员,也可以参加行业论坛等方法来提高自己的业务深度。

对于数据挖掘工程师来说业务理解度要求应该更高,可以把数据模型、数据成果放到业务单位去试错、测试和验证,还需要想尽办法去挖掘业务人员的需求(大部分业务人员并不能准确的说出自己的需求)。

我做了15年的销售工作,2010年才转型做数据分析的,所以我既了解业务又懂点数据分析。

对于业务人员来说,好的数据产品应该是这样的:

1.有自己想要的数据

2. 有经得起验证的结论

3. 有和自己相关的业务逻辑

4. 可视化程度高

另外,业务人员不喜欢大而全的数据产品,他们喜欢小而精企且能直接产生业务价值的产品,这一点做数据分析的大家务必注意。

本文为专栏文章,作者:数据化管理,内容观点不代表本站立场,如若转载请联系专栏作者,本文链接:https://www.afenxi.com/26704.html 。

发表评论

登录后才能评论

联系我们

如有建议:>>给我留言

QR code