5,444被浏览193,977分享邀请回答55715 条评论分享收藏感谢收起24419 条评论分享收藏感谢收起51CTO旗下网站
浅谈如何才能快速成为数据分析师
我小时候的理想是将来做一名数学家，可惜长大了发现自己天赋不够，理想渐行渐远，于是开始考虑现实，开始做一些人生规划，我一直在思考将来从事何种职业，专注什么样的领域，重新定义着自己的职业理想。我现在的职业理想，比较简单，就是做一名数据分析师。
作者：来源：网络大数据| 10:24
我小时候的理想是将来做一名数学家，可惜长大了发现自己天赋不够，理想渐行渐远，于是开始考虑现实，开始做一些人生规划，我一直在思考将来从事何种职业，专注什么样的领域，重新定义着自己的职业理想。我现在的职业理想，比较简单，就是做一名数据分析师。
为什么要做数据分析师：
在通信、互联网、金融等这些行业每天产生巨大的数据量(长期更是积累了大量丰富的数据，比如客户交易数据等等)，据说到2020年，全球每年产生的数据量达到3500万亿GB;海量的历史数据是否有价值，是否可以利用为领导决策提供参考依据?随着软件工具、数据库技术、各种硬件设备的飞快发展，使得我们分析海量数据成为可能。
而数据分析也越来越受到领导层的重视，借助报表告诉用户什么已经发生了，借助OLAP和可视化工具等分析工具告诉用户为什么发生了，通过dashboard监控告诉用户现在在发生什么，通过预报告诉用户什么可能会发生。数据分析会从海量数据中提取、挖掘对业务发展有价值的、潜在的知识，找出趋势，为决策层的提供有力依据，为产品或服务发展方向起到积极作用，有力推动企业内部的科学化、信息化管理。
我们举两个通过数据分析获得成功的例子：
(1) Facebook广告与微博、SNS等网络社区的用户相联系，通过先进的数据挖掘与分析技术，为广告商提供更为精准定位的服务，该精准广告模式收到广大广告商的热捧，根据市场调研机构eMarketer的数据，Facebook年营收额超过20亿美元，成为美国最大的在线显示广告提供商。
(2) Hitwise发布会上，亚太区负责人John举例说明: 亚马逊30%的销售是来自其系统自动的产品推荐，通过客户分类，测试统计，行为建模，投放优化四步，运营客户的行为数据带来竞争优势。
此外，还有好多好多，数据分析，在营销、金融、互联网等方面应用是非常广泛的：比如在营销领域，有数据库营销，精准营销，RFM分析，客户分群，销量预测等等;在金融上预测股价及其波动，套利模型等等;在互联网电子商务上面，百度的精准广告，淘宝的数据魔方等等。类似成功的案例会越来越多，以至于数据分析师也越来越受到重视。
然而，现实却是另一种情况。我们来看一个来自微博上的信息：在美国目前面临14万~19万具有数据分析和管理能力的专业人员，以及150万具有理解和决策能力(基于对海量数据的研究)的管理人员和分析人员的人才短缺。而在中国，受过专业训练并有经验的数据分析人才，未来三年，分析能力人才供需缺口将逐渐放大，高级分析人才难寻。
也就是说，数据分析的需求在不断增长，然而合格的为企业做分析决策的数据分析师却寥寥无几。好多人想做数据分析却不知道如何入手，要么不懂得如何清洗数据，直接把数据拿来就用;要么乱套模型，分析的头头是道，其实完全不是那么回事。按俗话说就是：见过猪跑，没吃过猪肉。
我的职业规划：
对于数据分析，有一句话说的非常好：spss/sql之类的软件、决策树、时间序列之类的方法，这些仅仅就都是个工具而已，最重要的是对业务的把握。没有正确的业务理解，再牛的理论，再牛的工具，都是白搭。
做一名合格的数据分析师，除了对数据需要有良好的敏感性之外，对相关业务的背景的深入了解，对客户或业务部门的需求的清晰认识。根据实际的业务发展情况识别哪些数据可用，哪些不适用，而不是孤立地在&真空环境&下进行分析。
为此，我对自己的规划如下：
第一步：掌握基本的数据分析知识(比如统计，概率，数据挖掘基础理论，运筹学等)，掌握基本的数据分析软件(比如，VBA，Matlab，Spss，Sql等等)，掌握基本的商业经济常识(比如宏微观经济学，营销理论，投资基础知识，战略与风险管理等等)。这些基础知识，在学校里尽量的学习，而且我来到了和君商学院，这样我可以在商业分析、经济分析上面领悟到一些东西，增强我的数据分析能力。
第二步：参与各种实习。研一开始我当时虽然有课，不过很幸运的找到一份一周只需去一两天的兼职，内容是为三星做竞争对手分析，当然分析框架是leader给定了，我只是做整合资料和往ppt里填充的内容的工作，不过通过兼职，我接触到了咨询行业，也向正式员工学习了很多商业分析、思考逻辑之类的东西。
之后去西门子，做和VBA的事情，虽然做的事情与数据分析无关，不过在公司经常用VBA做一些自动化处理工作，为自己的数据分析工具打好了基础。再之后去了易车，在那里兼职了一个多月，参与了大众汽车销量数据短期预测的项目，一个小项目下来，数据分析的方法流程掌握了不少，也了解了企业是如何用一些时间序列模型去参与预测的，如何选取某个拟合曲线作为预测值。
现在，我来到新的地方实习，也非常幸运的参加了一个央企的码头堆场优化系统设计，其实也算数据分析的一种吧，通过码头的数据实施调度，通过码头的数据进行决策，最后写成一个可操作的自动化系统。而这个项目，最重要的就是业务流程的把握，我也参与项目最初的需求调研，和制定工作任务说明书SOW，体会颇多。
第三步：第一份工作，预计3-5年。我估计会选择咨询公司或者IT公司吧，主要是做数据分析这块比较强的公司，比如Fico，埃森哲，高沃，瑞尼尔，IBM，AC等等。通过第一份工作去把自己的知识打得扎实些，学会在实际中应用所学，学会数据分析的流程方*，让自己成长起来。
第四步：去自己喜欢的一个行业，深入了解这个行业，并讲数据分析应用到这个行业里。比如我可以去电子商务做数据分析师。我觉得我选择电子商务，是因为未来必将是互联网的时代，电子商务必将取代传统商务，最显著的现象就是传统零售商老大沃尔玛正在受到亚马逊的挑战。此外，电子商务比传统的零售商具有更好的数据收集和管理能力，可以更好的跟踪用户、挖掘潜在用户、挖掘潜在商品。
第五步：未知。我暂时没有想法，不过我希望我是在一直的进步。
有一位数据分析牛人曾经总结过数据分析师的能力和目标：
能力：一定要懂点战略、才能结合商业;一定要漂亮的presentation、才能一定要有global view、才能打单;一定要懂业务、才能结合市场;一定要专几种工具、才能干活;一定要学好、才能有效率;一定要有强悍理论基础、才能入门;一定要努力、才能赚钱;最重要的：一定要务实、才有不懂的话以后慢慢就明白了。
目标：1-做过多少个项目?2-业务背景有哪些，是否跨行业?3-做过多少种类型的模型?做了多少个模型?4-基于模型做过多少次完整的marketing闭环?以上四个问题，足以秒杀95%以上的忽悠和菜鸟!
【编辑推荐】【责任编辑： TEL：（010）】
大家都在看猜你喜欢
头条热点热点头条头条
24H热文一周话题本月最赞
讲师：5人学习过
讲师：29人学习过
讲师：5人学习过
精选博文论坛热帖下载排行
本书全面阐述Java应用安全的基本知识并介绍一种强大的结构化安全设计方法；介绍独立于厂商的安全架构；列出详细的评估核对表以及23种经过实...
订阅51CTO邮刊2,434被浏览121,539分享邀请回答45832 条评论分享收藏感谢收起17810 条评论分享收藏感谢收起数据分析师，少一点套路，多一点思路
编者注：数据分析师在如今大数据时代有着举足轻重的地位。一个出色的师是能够通过自身对公司业务的理解，为各个层面提供有效，可靠的信息，并对其进行评价和预测。
作为一名数据分析师，了解公司业务是关键。分析师不是单纯地把公司各部门对数据的需求展示出来，而是更有前瞻性的思考提出这些需求的原因。除了他们提出需要的需求外，还有哪些相关数据信息能够帮助他们理解、衡量业务。
我曾在大数据广告公司分析部门工作过，我们的做法一般是，需求部门提出需求，然后与分析师通过一到两次的会议，对需求目的，以及报表的展现形式达成一致。接着分析师用SQL在数据库读取数据，或写一些自动化程序完成数据的收集，最后用可视化软件制作报表。 但是我们常常发现，当这些部门的stackholder看了报表后，往往会提出其它的额外要求，比如再多加几个维度，比如再原有的报表上建立一张细颗粒度更细的表，等等。
这种情况经常发生，产生这种情况的原因有以下几种。
1）提出需求的人在一开始并没有非常明确的需求。他可能在提出需求时，仅仅只考虑了一个因素，但是忽略了其它因素。
2）在看到分析师制作完成的报表后，给了需求方更多的启发。
3）提出报表需求的人可能对数据，对业务完全没有理解。
为了避免这些情况发生，作为一名有经验的分析师会如何处理呢？
1）加强对业务的理解。一个优秀的分析师，不仅需要懂如何写SQL，和编程语言，还必须懂运营，懂财务。曾经公司财务部找我制作一张关于ROI的报表，他们只是很简单的描述了一下需求，然后给我很大的自由度让我发挥。其实对于模糊需求是对分析师最大的考验，在制作这张报表过程中，你除了需要了解数据库各个表的关系，在数据库中拿到准确的数值外，你必须还需要了解公司财务和运营上的业务。在广告行业，通常有第一方数据和第三方数据，这两方的数据都能构建一个ROI的表，在思考用户需求时候，我同时也在思考是否这些数据是否能够帮助他们更清晰的了解他们的需求，或者他们会不会之后再提出额外的需求。提前思考的好处在于，在展示报表给stakeholder看时，你加入了更多对他们更有用的信息，一来帮助他们进一步了解业务，二来增加需求方对分析师的信任。 同时你对他们之后再提出的其它需求也胸有成竹，因为你在他们想到之前已经考虑到了，避免了来回去数据库取数据，重新制作报表的情况发生。
2）对分析工作的技术实施难度，所需时间的准确预测。在需求方提出问题时，分析师必须有能力对需求的难点，可行性，所需时间有一个正确的评估。有些看似容易的需求，但实施起来却相当的不易，如收集数据上的难度，或者可视化制作上的难度。有些问题几分钟就能解决，但有些看似非常小的需求，可能需要花费一天或者更长的时间去完成。比如在可视化制作过程中，经常因为一个小需求，而花费一整天的时间在网上搜索它的做法。最后不得不告知需求方，可能时间会延长，或需求不可行。这时需求方会认为分析师不专业，而分析师觉得为了解决这么一个小问题，耗费了大量的时间。
再比如，在线广告公司的 CRM，DSP系统，由于内部数据，业务的关系，有些信息并不能在两个系统找到相同的对应关系，或者两个系统中的数据有多对一，一对多的mapping情况，这些都需要分析师对数据库有深入的理解。类似的还有制造行业中企业MES与ERP系统。
当你已经掌握业务和技术对分析师的要求时，你应该开始着重对以下几点进行思考。
1）培养自己随时document的习惯。一是对所有需求和决定都有一个追溯和记录。二来在分析师休假或者休息时，其它同事有个参考，而不是等着你来解决问题。三是避免需求方再三地更改需求，互相扯皮的情况发生。
2) 进一步提高自己的沟通能力。一个好的分析师除了能够满足需求方提出的问题外，还需要有出色的提问和引导技巧能够帮助需求提出者更进一步完善自己的需求。有些需求者并不明确自己的需求，他往往希望通过在和你的沟通中，进一步为需求方理清思路，哪些是high proirity，哪些是must have，哪些是nice to have。
3）有能力预测需求者的需求，将解决问题变为如何避免问题发生。相信分析师最头疼的就是，需求方每天一个新主意，今天可能只需要5个数据，但是第二天又增加了一个，第三天，又提出其它相关需求。一个优秀的分析师具备预测潜在需求的能力，并且在一开始就有所准备。有时候需求方认为很小的添加，而分析师确需要返回到最开始的数据库搜集数据，有时还需要对原始数据库表格做调整，工作量不容小视。
4）将繁琐的人工重复工作，变为自动化实施，将节省下来的时间，提高并扩展自己的分析技能。作为一名优秀的分析师，当你天天忙着抱怨工作量太大时，你更应该做的是，判断自己的工作性质，哪些tasks是需要花费时间做的，哪些tasks是可以通过其它方法解决高效解决的。当你意识到大良重复的工作将会发生或正在发生时，需要做的是思考如何把重复劳动变为一劳永逸的工作。
5）从被动制作BI报表，变为主动定制KPI，并提供战略方向。当一名优秀的分析师有了足够的行业经验后，必须有能力从被动的制作报表，变为主动的搜集各方面信息，结合内部情况（如：公司财务情况，长短期战略，核心竞争力），外部情况（竞争对手，行业方向等），，为公司提供战略方向。
6） 敏感的商业嗅觉。不同的需求那是小需求，但是相同的需求多了，分析师就应该考虑的是不是将需求产品化。毕竟现在企业不缺少做事的人，而是缺少更有行业，商业经验的人才。
将此篇文章献给将要从事数据分析师，或者在数据分析行业中摸爬滚打的你。
本文转自:http://www.ctufo.com/18136
责任编辑：
声明：本文由入驻搜狐号的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
今日搜狐热点}