這幾年愈來愈多的小夥伴涌入數據分析行業，呈現出井噴現象。往往有讀者和學員問我如何轉行、行業發展前景和我的發展路徑，我都會提醒你們你們透過現象看本質，不要只是被表面光環迷惑，這幾年數據分析崗的看似的火其實依託於互聯網行業、依託於各大培訓機構的吹捧。sql
但實際上呢，數據分析入門並不表明成功，只是一個起點，和每一個崗位同樣，作個三年五年也會有實實在在的瓶頸。好比，低水平重複的報表、取數工做會被工具和機器取代；好比，數據分析主要集中在互聯網、金融、消費類行業，在其餘行業還很難施展拳手；好比，在大部分公司不是核心部門，長遠看會阻礙你們的發財致富路......數據庫
不過，三百六十行，行行出狀元，頂尖的「數據分析師」在各大行業仍是至關稀缺的，而且當下企業數據化的形勢不可阻擋，機遇仍是有的，若是真心想在數據這個行業發展，不妨看看這篇文章，瞭解一下分析師的發展（致富）路徑，對本身的職業判斷有益無害。架構
回到話題，如何成爲頂尖的數據分析師？
這裏分享一位我朋友（老張）真實的經歷，看看一個頂尖的數據分析師如何在公司內部發揮價值。機器學習
老張在一家醫藥公司，有一此公司在開經營分析會時發現旗下一家子公司連續多月出現虧損。總經理詢問了各訂單的成本、毛利數據，各部門並無拿出可靠的數據和報表，只是憑經驗大概說了幾個數字，分析緣由也是各類「甩鍋」。工具
總經理雷霆大怒，找來財務和數據部門的老張，下令全面分析子公司經營問題，要求對經營生產數據全面透明。性能
一、瞭解業務，需求調研，明確問題學習
影響利潤的因素十分複雜，老張本身又不瞭解子公司業務，因而和財務部的領導溝通，決定先將財務覈算過程當中涉及到的基礎數據理順。並在這個過程當中，充分根據業務型數據分析師的工做流程，對問題進行屢次梳理和確認。優化
二、明確上意，問題分析人工智能
衆多問題裏，老張發現領導最關注的是訂單的收率是否虧損。沿着這個思路，他發現關鍵的問題是：因爲生產過程數據拿不到，財務沒有辦法實現每一個訂單的核算，天然難以發現訂單生產中存在的問題。spa
三、拆分問題，肯定數據、指標、報表
沒有直接的數據沒法分析，此時須要IT和生產部門的配合。多部門的配合更須要了解各部門能提供什麼，財務部門到底須要什麼成果。
因而，老張在和財務部門明確分析的需求後，幫助梳理了要分析的指標、制定了分析模型、設計了幾張報表：爲業務部門設計成本和損失自動覈算的報表；爲管理層設計毛利、損失成本等覈算指標，並能下鑽分析到具體生產數據狀況。
而後交由IT和數據部門一塊兒開發。
四、下情上達，推進業務落地
結合需求和後續的業務調研，抽取了訂單盈利損失狀況，異常訂單狀況等數據信息。和總經理和財務部門領導進行了初步討論，數據引發了總經理的重視，開展了項目會。提煉了下圖經營的關鍵指標項，而且將壓力下放到公司綜合部，生產等部門，造成平常彙報的關鍵指標項和預警指標。
看到這，瞭解這個行業的讀者應該發現，老張在作的事已經遠不止一個是分析師那麼簡單，已經有一點在推進公司數據化改革的意味。沒錯，這類角色咱們在業內通常定義爲數據運營官，從發現問題、分析問題、解決問題，進而可以推進業務、推進管理層決策，影響公司重要部門和公司總體的經營。所謂普通數據分析師和數據運營官（或者有的公司是數據部門leader、高級商業分析師），這裏偏偏是一個分水嶺。
繼續看看老張後面是如何作的。
五、優化數據分析成果
經過這一次項目，張同窗對老闆關心的訂單核算數據、生產管理數據、質量管理數據三個模塊進行可視化報告展現，並將其固化成了平常的分析看板。
另外，老張還針對接單測算和實際生產設計了一套對應的流程，實現自動覈算財務、生產數據指標，增長了數據的準確性，及時性。下圖是「一單一覈算」報表，點擊製造號能夠顯示各類覈算過程數據，覈算規則。
客戶收益分析。根據邊際毛利，將客戶進行分類統計，清楚的瞭解各類級別客戶在公司所佔的比例，爲領導決策提供依據。後續又根據RFM模型將客戶進行細分，將客戶分類成大客戶、重點客戶、普通客戶、問題客戶等，進行鍼對運營。
六、持續影響，幫助子公司扭虧爲盈
通過數據分析，領導的經驗判斷有了多方面的數據佐證，有些訂單的收率確實較低，投料不規範，操做形成的損失偏多。爲了不此類問題的發生，本來停滯的IT建設又開始持續投入，加大生產線上的各類業務系統部署，採集數據，監控生產物料的投放，精細化管理，讓數據驅動效率的提高，成本的控制。
領導評價說：「數據分析，讓我對於生產過程存在的各類問題有了比較清楚的認識，才能準確採起措施，提高企業的盈利水平」。
目前子公司基本實現了扭虧，並且每次開經營會，都會使用數據部門提供的數據報表進行生產經營分析。
目前，領導十分承認老張的能力，關鍵是逐步承認了數據的價值。
以上，經過數據分析助力業務部門的決策和發展，幫助公司帶來實際的效益，這都是頂級數據分析師要作的事。
哪些是實際的效益，好比：
- 增效：提高數據-決策的速度，更快的指導業務。更多的若是是整個公司的數據化建設，更能提升管理效率
- 降本：數據監測到生產原料的浪費；還有自動化報表下降基層統計人員的投入。
- 監控或下降風險：金融行業的壞帳，監控尾款拖欠嚴重的經銷商/客戶，監控盈利低效甚至虧損的門店、商品；電商行業的黃牛刷單、以及各類風險值的預警等。
而不僅是跑個sql，作個報告，更況且企業搞數據化在行業內已是基本共識了。
那麼，要想成爲頂級數據分析師，須要具有哪些特質呢？
我的之見總結：快速定位業務問題的能力、「通百藝而專注長」的技術能力、「會講故事、上下通吃」的表達能力、堅韌的執行力和落地能力、具有管理層的視角和思惟高度。（在具有數據分析師的基本素養上提出）
① 快速定位業務問題的能力
分析師解決的是業務的問題，對業務分析、對業務數據質疑、對業務提出改進，若是不熟悉業務，任何一個部門的專業人士都有可能挑戰你。因此，你最好是深懂業務。
首先是業務的理解，業務型分析師最好是在實際業務崗位呆過或者輪崗過，因此業務轉行分析師比較容易作成事。對業務的理解停留在瞭解或者文檔層面是不夠的，必定要細緻到業務的目標、流程、機制、數據等充分理解。怎麼說呢，這些都只能說是吃經驗。
其次定位業務問題的能力，要可以依據業務邏輯，藉助工具將大問題分解成小問題，並拆解成關鍵指標，找到對應數據，理解數據含義，製做對應分析，定位業務關鍵爲問題，指導業務改進。這一套實際上是方法論。後面有機會細講。
② 「通百藝而專注長」的技術能力
業務型的數據分析師並不像走技術路線，須要掌握代碼、機器學習、人工智能。
「通百藝而專注長」的意思是，必要的技能傍身，好比精通SQL、數據庫原理、Excel/報表/BI工具技能，這都是吃飯的傢伙。另外，上下游技術領域，好比數據倉庫、數據架構、ETL，須要瞭解甚至會用。
分析師必然要和IT部門打交道（甚至有些公司就在IT部），你要知道各業務部門的數據在哪裏，有哪些數據，數據怎麼取，數倉什麼架構什麼性能，雖然說這些在大公司都有專門的工程師在負責，可是懂得多有益無害。尤爲是你讓IT處理個數據，常常是需求排到遙遙無期，此時若是你會取數會作簡單的數據處理，不少事溝通起來順利不少。
還有，就是數據挖掘功能，通常用SQL，EXCEL結合本身的經驗來進行判斷，但這種模式分析的數據維度是有限的，好比靠人很難看出3維以上數據之間的關係，必定要藉助工具，這就是機器學習能夠幫到你的地方，好比聚類，分類，預測等等，隨着機器學習，人工智能工具使用門檻的下降，數據分析師要掌握至少一種挖掘的方法，懂得如何構建模型，尤爲是在金融、運營商、互聯網、零售等這些數據成熟度較高的行業。
③ 「會講故事、上下通吃」的溝通表達能力
作數據分析，不少項目須要上層來推進，而後配合的時候須要各業務部門領導去配合你理需求裏數據，執行的時候又須要技術、業務整個鏈條。其溝通能力真的是上下通吃，既要能領會每一個人的小九九，又要能貼部門leader的冷屁股，還要會和執行的同事賣慘。
溝通本質仍是爲了解決問題。明確溝通目的，邏輯清晰的表達，而後站在對方考慮知道對方要什麼，溝通也沒那麼困難。除次以外技巧，這個就很差總結了，看你在公司的人際關係吧。
分析師還有一個重要的表達，就是彙報數據分析成果，要學會將問題和分析場景串聯起來說故事，要能經過量化的數字和生動的場景來宣導數據的價值。
④ 堅韌的主觀能動性和落地能力
數據分析師/部門在不少公司還處於尷尬的地位，你要想秀本身的價值或者改變只是作報表取數的低價值狀態。就得主動找活幹，本身去推進，就像創業同樣，過程當中必定會碰壁，因此說須要「堅韌」！
落地能力說白了就是你要作成事的動機，須要智慧須要勇氣須要執行力，畢竟推進數據分析結果落地是數據分析師最大的成就！
找機會。以高頻剛需的痛點爲缸蓋，找準業務和管理層高頻的數據應用場景，針對性作優化，快速體現價值，做爲撬動需求的槓桿。可以抓住公司內部的機會，推薦數據分析的切入，好比新品上市、行業政策市場行情變更做爲切入的拐點。
識時務。可以明白各環節的流程機制，各配合部門的利益關係，好比有的部門惟KPI論，有的部門講究走制度，善於利用，協調困難，快速推動。
監控保障執行。有時候你分析了數據，發現了問題，但改進須要業務人員去執行。你須要和部門leader溝通，須要說服業務部門同事，才能保障你結果的執行。不少時候分析的再好，高層也拍手說好，但執行人員不買帳，你也無能。因此，保障執行還要拖動產出執行方案，並作好監控方案，保障落地執行，這件事纔算真正閉環。
⑤ 具有管理層的視角和思惟高度
數據分析師所其自身所站的高度，直接決定了他進行數據分析的方向和影響力，數據分析要快速體現價值必定要會搞定上層。
所以，首先須要你可以和領導站到一個高度，能揣摩上意。知道公司的重要業務戰略，業務領導關心什麼，會有哪些問題和指標須要特別關注，這樣你纔有可能進行體系化的數據分析。
任何一個領導看到這樣體系化的東西都必定會愛不釋手，好比經營看板，爲何很多老闆喜歡看，由於這會成爲他們把控全局最簡便的工具。一旦領導依賴上這些數據的報表和工具，後期的分析結果和建議勢必會獲得他的重視，這樣經過數據來推進業務發展就變得水到渠成。
最後，可能我這裏提到的數據分析師已經超越了傳統數據分析師的範疇，可是任何崗位在企業混，到最後都是憑價值上位，憑價值拿錢，數據分析崗尤爲。
從這個角度看，數據分析只是起點，用數據驅動業務驅動企業管理，作到這個地步纔是真正的價值終點（再日後，能夠考慮往COO、CEO等高級經理人多向發展），所以，可以利用數據驅動思惟作成事的人才是企業頂級的數據分析師。
因此，不管你們身處什麼階段，均可以帶着這樣的意識，多去了解業務。看看各部門是如何開展工做的，熟悉業務流程，看看報表，主動思考和發現問題，看觀察他們如何將問題轉化爲具體舉措落地的。