數據分析師崗位的一點理解

    最近跟公司的數據分析師打交道比較多，其中一個分析師認爲：行業對數據分析師這個崗位的理解有嚴重誤差。

    由此產生了一個好奇，行業理解數據分析師是什麼？誤差是什麼？嚴重誤差的嚴重在哪裏？

    講真啊，這麼大的問題，我一個都答不上來。我就根據本身在工做中，親身遇到數據分析師接的任務來講一下我理解的這個崗位吧。

    領導會要求運營人員要多看數，多分析數據，理解數據背後的意義。

    而後天天都會接到運營提出的相似這種樣子的任務：XX，最近PC的數據降低的厲害，幫忙分析下是什麼緣由吧。XX，昨天App的數據降的多，看看是怎麼回事。XX，上週移動端上發生什麼了？致使咱們的新用戶大幅減小。

    好吧。這些就是我平常中的一小部分（平常的東西太多了^-^）。其實我部門的數據分析師乾的就是這些活：爲數據異動找到一個合理的解釋。必須強調：這是我部門的數據分析師。行業的數據分析師是幹嗎的，據我所知，每一個公司還真不同。

    要給出一個合理的解釋，實際上是挺難的。最難的是提需求方是否能接受分析師給的結論。我部門的好處是：哪怕結論是很是悲觀的，只要合情合理，也能接受。這一點難能難得。

    一些人是不太能接受悲觀解釋的，好比某公司CEO就不太能接受數據分析師給出這種結論：行業用戶規模已經見頂，咱們發掘新用戶的成本將大幅上升，且增加將減慢。因而CEO甚至會不看分析過程，直接把結論懟回去：你分析的不對，從新來過。由於他不能接受這種結論。

    若是需求方大老闆是這種個性，那麼數據分析師的任務就變成了：不要分析我提出的觀點對不對，請你負責證實我是對的。哪怕是錯的，也要變着方證實我是對的。

    因此數據分析師這個崗位分兩種：

    一、分析事情的緣由，並給出解釋。

    二、證實領導的話是對的。

    不論是1仍是2，其實作事的方法是同樣的，就是如下步驟循環使用，直到問題被解釋/證實出來。

    一、抓重點。

    二、往下拆。

    我工做中，重點是這麼理解的：用最少的動因組合解釋80%以上的異動狀況。

    往下拆是這麼理解的：若是解釋還不能知足需求，就須要把動因再找個維度，往下拆解一層。而後對拆解的內容繼續抓重點，往下拆。

    因此面試中我都會問一個問題：針對XXX狀況，請你至少找2個維度來分析這件事。

    至於須要掌握的技能嘛，身爲互聯網大數據行業，SQL必需要會。大部分傳統行業來面試的，由於SQL不過關被我斃掉了。由於沒耐心教怎麼寫SQL，仍是要找個來了就直接能寫的才行。工具方面excel確定要會，matlab、spss等，會一、2個就行，沒有什麼特殊要求。計算機語言也得會一個，最好是Python，若是不會Java、C/C++也能夠。相比起來，Python更簡單，更好學。計算機語言是做爲膠水使用的。把數據庫導出的數據預處理一下，輸入到分析軟件中。數據庫和分析軟件之間的膠水。因此不須要掌握的很好，畢竟不是作工程，只是在分析師的工做電腦上作一個數據格式轉換和基礎的清洗而已。代碼寫的有內存泄露、複用性差，這些都不是問題。

    此次成功的把一個前端開發培養成了一個數據分析師，也是很欣慰的。堪稱0基礎手把手教會的經典案例。