優秀的數據分析師思惟是怎麼煉成的？

一名數據分析師的平常工做流是怎樣的?

「數據分析師」這個職位，不一樣的公司，不一樣的行業，對於它的理解，以及它覆蓋的工做範圍不太同樣。在有些傳統行業，數據分析師工做重點是「作行業報告」等;在阿里巴巴等大型互聯網公司，職位區分比較明確，數據分析師大部分時間只作產品和運營的分析工做，至於「基礎數據處理」、「搭建數據產品」等等不涉及;在創業公司等相對小型公司，「數據分析師」要乾的活可能要不只僅是「產品和運營分析」，「基礎數據採集和處理」，「數據產品搭建」都屬於「數據分析師」的工做範圍。

明確了數據分析師的工做範圍，大概也就清楚了天天要作些什麼，好比：

• 產品和運營的數據提供(正常分析師工做)
• 基礎數據採集和處理(相似ETL工做)
• 數據產品的思考和搭建(相似數據產品經理工做)
• 數據價值的挖掘(相似數據挖掘工程師工做)

每日的工做流大概以下：

上午：平常項目的跟進，包括跟產品，運營，開發同窗的溝通，這部分主要經過 Tower 和項目 PM 天天的郵件來互相協做和周知進度，固然，每一個項目會有5-10分鐘晨會;

天天不定時：平常運營需求的溝通比較多，這個主要是面對面，固化需求之後，郵件周知和記錄;

下午晚點和晚上：數據平臺本身的活，包括基礎數據開發、數據產品搭建等等，就須要咱們本身去安排時間完成。創業公司的一個優勢就是人員相對少，你們互相協做都是面對面。

如何進行時間和日程管理?

數據分析師工做由於涉及內容比較多，因此常常會被產品/運營叫過去討論某些項目，營銷活動，等等，或者，被不一樣業務線主管召喚，討論如何對某個業務線效果進行深刻分析，因此，不少時候本身計劃的「什麼時間幹什麼事情」，基本得不到保障。就算得不到保障，天天早上過來之後，也要大概列清楚今天要乾的幾件事情，提醒本身去抽時間作完。每作完一件事情，就劃掉。儘管有不少工具使用，好比，Trello，可是我仍是喜歡一個筆記本，一支筆的方式。

時間是一個很奇怪的東西，只要你想要，它就來到你身邊。好比，我想晚飯後來寫採訪的內容，就會拒絕同事邀請去作其餘事情。我看過不少時間管理方面的書，也嘗試過「番茄」等各類方法，最後發現，任何想基於「時間安排」去作「時間管理」的方法都很難有很好的效果，反而，基於「待作工做」來作時間管理，更合適。

好比，今天須要作三件事情，按照輕重緩急排序，1)2)3)，而後就開始作，不想須要多少時間作完，儘可能本身控制時間把它作完。不少人可能以爲這樣很糟糕，萬一作不完怎麼辦啊。其實，你本身嘗試一下就好了，爲何本身會不得不、不情願也要作、非要作完。由於，次日工做又來了，今天作不完，明天這些工做仍是你的。除了一浪一浪天天工做的累加的壓迫，它更須要一我的的「自律」。若是有點時間就刷微信，微博，或者找同事閒扯幾句，很容易打斷工做流，因此最好是一鼓作氣。無論計劃如何完美，若是沒有「自律」，也沒有結果。

數據分析師的思惟是如何練出來的?

可能提到數據分析師這個職業，「思惟」是被提到最多的一個詞。或許這個跟數據分析師思考比較多，溝經過程中更理性，讓你們獲得的錯覺。我的以爲，任何一個職業，任何一我的都應該有一套本身的思惟體系和一個好的思惟方式。數據分析師的思惟僅僅是其中的一個不一樣的看世界的方式。好比，每一個人的思惟是一條道路，條條大道通羅馬，雖然每一個人看世界的方式不同，可是可能獲得的結果同樣。

想知道數據分析師思惟，首先要了解「思惟」是什麼，bing一下，獲得「思惟」的定義：

①思惟與「感性認識」相對。指理性認識，即思想;或指理性認識的過程，即思考。是人腦對客觀事物間接的和歸納的反映。包括邏輯思惟和形象思惟，一般指邏輯思惟。

②與「存在」相對。指意識、精神。

顯然，定義①是咱們這裏想討論的思惟。這個定義也清楚的說明了思惟是每一個人看世界的方式。

數據分析師經過數據來認識產品/業務，因此，它確實有一套跟別人不同的思惟，即「類統計學的邏輯思惟」。除了這個以外，其餘基本跟其餘同窗同樣。

從我打籃球、乒乓球的經歷，加上5年數據分析師的體驗來講，很難經過一些簡單的訓練就學會某種思惟方式，主要仍是要本身在工做過程當中經過實際的案例多踏幾個坑，多開拓眼界來學習。所謂「九折臂而成醫」，大概如此。

在這裏分享給你們我平時經常使用的方法：

-看書，看別人的總結。

學習大牛是如何認識世界，分析案例，好比《窮查理寶典》——查理芒格，《把時間當作朋友》——李笑來，《系統思惟》——德內拉•梅多斯，等等，分析爲何這些做者的思惟如此的獨特?我和他們認識世界的方式爲何不同?咱們彼此的認識事物的方式哪一個更好，哪一個更接近真相?爲何他們看到的世界是這樣，而我是這樣?多問問爲何，多找差別，而後再去找其餘的書看，一步步豐富本身。這些做者可能也沒獲得真相，而是他們可能距離真相近一點。

-學會觸類旁通。

作分析師，很是須要「觸類旁通」的能力。去食堂吃飯，看到排隊的效率如此低，分析一下爲啥效率這麼低?咱們的產品上某個地方是否是也有相似的效率問題?滴滴打車這種叫車模式，咱們的產品能夠用麼?爲何不能用?反正，多問幾個爲何，多觸類旁通，思考，思考。「對或者錯」有些時候不重要，重要的是咱們感知世界的能力在變化。

-研究別人家的產品和別人家的數據。

好比，我很是推薦新的分析師看各個公司的財報。爲何呢?一個大公司的財報若是能看懂了，基本就瞭解了一個公司的運做模式和重要產品，也明白瞭如何寫一份報告。再者，研究別人家的產品，無論是工具類仍是用戶類，看看他們的交互，設計，體驗上怎麼會不同，別人的用戶數爲何是這個，而咱們的是多少?

-關注「經濟」和「社會」新聞，多串聯起來看新聞。

北京大雨了，河北大雨了，南方乾旱，南北方須要什麼?咱們的產品是否能提供這些東西?長征7號上天了，哪些東西可能會不同?多把不一樣事物串聯起來想，思考，分析。

總結一下，數據分析師要有一個「系統、總體和部分的思惟」，也要有一個「事物類比思惟」，更要對「事物敏感」，能夠很迅速的把不一樣的事物串聯起來(敏感)，很快的抓到事物的本質特徵(相似思惟)，而後局部總體的來分析和研究(系統思惟)。

如何進行跨領域學習?

其實，數據分析師常常面臨「跨領域」，只不過跨的大和小的區別。好比，我以前在阿里媽媽研究廣告的競價，來到空格研究共享經濟、服務，也算是一個很大的跨領域。從「分析方法」和「研究產品」的角度來講，二者沒有差異，可是研究的領域確實不同了。「跨領域學習和交流」對於分析師來講仍是比較重要的，畢竟，咱們不能保證本身所作的東西都是拿手或者瞭解過的，不少業務和產品都是新產品，新業務，本身要保證快速的跟上。

跨領域學習其實沒有那麼難。不少事物都是類似的，好比，足球和桌上足球類似，足球和籃球在某些方面也類似，乒乓球和籃球，其實在練習方法上，技巧上也有一些共同的地方。分析師研究產品和業務也同樣。若是學會了分析事物背後變化發展規律，也就不存在「跨不跨」領域學習的問題，好比，一個用戶留存模型，即適合 Facebook 的研究，也適合 Uber 的研究，爲何呢?由於用戶使用產品過程當中，行爲和體驗過程是相似的。

你們可能都被教育過，「看事情要看本質，不要浮於表面」。這個對於分析師來講更重要。若是看懂了一個商業模式，好比「共享經濟」的模式，無論它是滴滴，仍是Airbnb，仍是空格，基於「大衆參與的閒置資源的使用權的讓渡」特徵是不會變的，惟一不一樣的是三種產品運營和用戶體驗上的差別。因此，推薦你們創建一套本身認識事物的思惟模式。

就像一個 VC ，或者巴菲特，爲何他們能夠投資不一樣的行業的公司和買不一樣的股票，爲何他們能看懂看準呢?由於他們各自都有一套認識世界和事物運做的思惟模式，這套通用的模式會讓他們在跨領域的投資中都能受益。

因此，你們不要侷限於「怎麼樣跨領域學習，怎麼樣學習，學習些什麼」，覺得學了這麼多確定就無所不知，通行天下，但你看到的「星星」仍是星星，「太陽」仍是太陽，從沒發現「太陽出來了，星星不見了;太陽下山了，月亮出來了」的天體運行規律。

歸根結底，跨領域學習，要學一套「認識事物的思惟模式」，而不是一點點具體的知識。推薦你們學習一下投資公司評估公司價值的一些原則和方法。還有，能夠看看《易經》等從系統和總體上看待事物相關的書籍，鍛鍊本身系統思惟和「凡事看本質的」能力。

數據分析的本質是什麼?

查理芒格說過一句話：「不要作一個股票分析家，而是作一個商業分析家。」

對於數據分析來講，無論咱們經過何種「分析方法」，「挖掘算法」，仍是「數據可視化」，都是爲了「分析和研究產品，以及使用產品的人」，而「產品和人」會給咱們帶來商業上的利益。作產品的目的是爲了讓別人使用，成立公司是爲了得到商業的最大化利潤。因此歸根結底，數據分析的目的是「更好的瞭解使用產品的人的行爲，體驗和想法」，基於這些瞭解，「再作產品上的改變，得到商業的利益最大化」。

好比，不少互聯網公司都要分析「用戶行爲路徑」，爲何要分析這個呢?若是咱們很是清楚的知道「用戶怎麼進來，去了哪裏，哪裏看的多，哪裏看的少，從什麼地方跳失」，咱們就能夠優化「產品的交互和設計」，讓用戶的體驗更好，讓用戶點擊「咱們想讓他們點擊的東西」，從而實現咱們產品上的某些成功。

爲何亞馬遜會經過分析用戶購買的東西，作「推薦算法」?若是能夠找到每一個人購買的東西，而後根據「機率」計算出TA可能潛在購買的商品，而後在用戶通過的頁面上放上「機率大」的這些商品，用戶購買的機率就會高不少。 一切都爲了更好的瞭解用戶，服務用戶，最終讓用戶買更多的東西(或者留存率高，能夠賣更多廣告)。

因此，一個好的「數據分析師」是一個好的「商業分析家」。

額外的努力有多重要?

以前在其餘文章中提到「數據建模」的影響，這個「額外的努力」對於當時的我來講，就是一個愛好和興趣，沒想到會經過它獲得什麼。最後由於喜歡「數據建模」而作了「數據分析師」，只能用看似偶然其實必然來解釋了。你們可能都聽過一句話：「歷來沒有白費的努力」。我也很是認同。

不說努力，就談工做以外的看似額外的事情吧，好比，看書，運動，聽公開課，業餘時間學學某種語言，跟有趣的人交流一下，作本身喜歡的晚飯，研究一下一年的節氣變化，跟朋友出遊本身計劃路線，等等，這些很生活，很情趣，看似跟工做不相關的事情，真的不相關麼?

工做是什麼?工做須要具有什麼技能?工做須要解決什麼問題?工做須要面對什麼?這些問題都是生活的一個側面，什麼側面?工做須要面對「人」，工做要解決「人喜歡不喜歡你的產品」的問題，工做須要具有「規劃、思考、溝通、觀察」等技能。

「跟有趣的人交流」是否是會更好的瞭解「人」?「研究一下一年的節氣變化」是否是須要一個「研究和思考的」過程?「跟朋友出遊本身計劃路線」是否是須要一個更好的「規劃的能力」?這些看似不相關的東西都在讓「咱們」潛移默化中的某些技能獲得提升。

由於大學裏面沒有「數據分析師」這個專業，因此，公司招聘「數據分析師」歷來不是按照「專業」來招聘，而是經過面試考察候選者是否有「獨立思考、善於觀察、有研究精神」等特質。只要一我的具有了某種技能，TA必定能幹好全部的事情。因此，沒有什麼額外的，只有你不去觀察、體會和思考。

個人習慣是這樣的：

-微信上，我本身會固化一些「我認爲不錯的公衆號」，天天會抽零碎時間看它們推送的文章;

-微博上，在吃飯排隊過程當中，刷完本身「曬選過」的帳號發送的信息，跟「數據」相關的會 @ 個人印象筆記;

-看到跟商業和「數據」方面相關的書，好比《證析》，《爲數據而生：大數據創新實踐》，《商業的本質》等等，都會買，而後晚上抽時間看完。做爲一個數據分析師，除了要看必要的數據和統計相關的書以外，更推薦你們看看經濟學、社會學等開拓眼界，好比「預知社會：羣體行爲的內在法則」，「消費者行爲」等看似跟數據分析師無關的書，看似無用其實頗有用，任何的產品和分析，最後都會迴歸到「用戶」、「用戶行爲」的分析上。其餘書再也不推薦，等有了必定的積累以後，你會發現，一本《易經》或許就夠了。

-上述過程當中，若是有看到很契合工做的內容，本身會找時間在公司的實際產品上「寫代碼/作分析」等研究。

時間花在哪裏，收穫就在哪裏(就算是每天吃東西，也同樣會有收穫)。喜歡作一件事情的時候，歷來沒有感受我居然在花時間。

推薦幾本書給你們吧《開智100本經典書單》。

這100本書，仍是不錯的，可能國外的書居多。先不要問哪些書好，哪些書沒用，本身看多了，比照本身的生活和工做進行反思，本身會有判斷的。當你有了判斷，也就具有了必定的思惟能力。

讀完100本，可能本身喜歡讀的會愈來愈少，把書讀薄了;也有可能本身喜歡反覆讀一本書，而後不時有新的感悟和解讀，把書讀厚了。