年薪50萬的大數據分析師養成記

如下是一位在數據分析領域打滾了N年後的分析師寫下的一些總結和體會你們能夠借鑑學習！

 

1、成爲數據分析師有哪些要求？

一、理論知識要寬泛，涉及數學、市場和技術。要求及對數據敏感，包括統計知識、市場研究、模型原理等。

二、常規分析工具的使用，包括數據庫、數據挖掘、統計分析工具，經常使用辦公軟件（Excel、PPT、思惟導圖）等等。

三、有必定的業務理解能力，能理解業務背後的商業邏輯。由於只有理解了商業問題，才能轉換成數據分析的問題，從而知足部門的要求。

四、數據報告和數據可視化的能力。數據分析得再好，若是不能以漂亮的方式「表達」，成效也會大打折扣。

 

2、把數據分析當作一種能力來培養

如今大多工做都須要你擁有邏輯分析能力，尤爲是對數據的分析理解。在數據化運營理念深刻的今天，BAT這樣的大型互聯網公司強調全員參與數據化運營，把數據分析看成一種能力在培訓，也一定是將來趨勢。

 

3、數據分析師所需具有的能力和知識（從數據分析的4個步驟來理解）

數據分析的四個步驟：數據獲取、數據處理、數據分析、數據呈現。

一、數據獲取

數據獲取看似簡單，可是須要把握對問題的商業理解，轉化成數據問題來解決，直白點講就是須要哪些數據，從哪些角度來分析，界定問題後，再進行數據採集。此環節，須要數據分析師具有結構化的邏輯思惟。

推薦書籍：《金字塔原理》、麥肯錫三部曲：麥肯錫意識、工具、方法；

推薦工具：思惟導圖工具（Xmind\百度腦圖等）；

二、數據處理

數據的處理須要掌握有效率的工具：

Excel及高端技能：平常工做通用，容易掌握，處理10萬級別的數據很輕鬆。

學習高端Excel須要哪些技能？

學習excel是個按部就班的過程

 

基礎：簡單的表格數據處理、打印、查詢、篩選、排序

函數和公式：經常使用函數、高級數據計算、數組公式、多維引用、function

可視化圖表：圖形圖示展現、高級圖表、圖表插件

數據透視表、VBA程序開發

按照我習慣的方法，先過一遍基礎，知道什麼是什麼，而後找幾個case練習。多逛逛excelhome論壇，日常多思考如何用excel來解決問題，善用插件，還有記得保存。

帆軟FineReport：專業的報表工具，平常作報表設計一個模板可通用，只要會寫SQL就可上手。相比excel作報表，開發的技術要求較少，能很快地開發常規報表、動態報表，並能夠放在移動端和大屏查看。

 

 

 

 

 

Oracle和SQL sever：企業最經常使用的千萬級別的數據庫，熟練掌握SQL語言。

保持不斷的技術學習，好比學習新流行的hadoop之類的分佈式數據庫來提高我的能力，對求職有幫助。

三、分析數據

分析數據每每須要各種統計分析模型，如關聯規則、聚類、分類、預測模型等等。

所以，熟練掌握一些統計分析工具不可免：

SPSS系列：老牌的統計分析軟件，SPSS Statistics（偏統計功能、市場研究）、SPSS Modeler（偏數據挖掘），不用編程，易學。

SAS：經典挖掘軟件，須要編程。

R：開源軟件，新流行，對非結構化數據處理效率上更高，需編程。

各種BI工具：

 

Tableau:可視化工具的鼻祖，對於處理好的數據可做自由的可視化分析，圖表效果驚人

大數據BI工具FineBI:類同Tableau，可在前端作任意維度分析；數據可在前端繼續處理（計算、篩選過濾等），可對接hadoop之類的大數據平臺，數據處理性能較好。

 

 

 

推薦書籍：

一、《說菜鳥不會數據分析》系列，入門級書，初學者最適。

二、《數據挖掘與數據化運營實戰，思路、方法、技巧與應用》，內容很系統很全面。

三、《市場研究定量分析方法與應用》，簡明等編着，中國人民大學出版社。

四、數據可視化呈現

不少數據分析工具已經涵蓋了數據可視化部分，只須要把數據結果進行有效的呈現和演講彙報，可用word\PPT\H5等方式展示。

 

4、關於數據分析師的職業發展

一、數據分析師一般分兩類，技術型分析師和業務型分析師，分工不一樣，但各有優點。

技術型分析師是在專門的挖掘團隊裏面從事數據挖掘和分析工做的。若是你能在這類專業團隊學習成長，那是幸運的，但進入這類團隊的門檻較高，須要紮實的數據挖掘知識、挖掘工具應用經驗和編程能力。該類分析師更偏向技術線條，將來的職業通道可能走專家的技術路線。技術型分析師的角色包括數據工程師、挖掘工程師、數據科學家、建模工程師、數據架構師、ETL工程師等，這些稱謂都或多或少表明了其工做性質。

業務型分析師是下沉到各業務團隊或者運營部門的數據分析師，成爲業務團隊的一員。他們工做是支撐業務運營，包括平常業務的異常監控、客戶和市場研究、參與產品開發、創建數據模型提高運營效率等。該類型分析師偏向產品和運營，能夠轉向作運營和產品。

二、數據分析師的理想行業在互聯網，但條條大道通羅馬，走合適你的路線。

從行業的角度來看：

1）互聯網行業是數據分析應用最廣的行業，其中的電商企業，更是目前最火的，並且企業也更重視數據分析的價值，是數據分析師理想的成長平臺。

2）其次是諮詢公司（好比專門的數據挖掘公司Teradata、尼爾森等市場研究公司），他們須要數據分析人才，並且相對來講，數據分析師在諮詢公司成長的速度更快，專業也會更全面。

3）再次是金融行業，好比銀行和證券等行業，該行業對數據分析的依賴需求，愈來愈大。

4）最後是電信行業（中國移動、聯通和電信），它們擁有海量的數據，在嚴峻的競爭下，也愈來愈重視數據分析，但進入這些公司的門檻比較高。

5、什麼人適合學習數據分析？

這個問題以前有詳細寫過一篇文章哪些人能作好數據分析？就比如學功夫同樣，既要有天賦也要有後天的努力，但我想後者佔大部分，鐵杵也能磨成針。

6、如何系統地學習數據分析？

學習方法千萬種，關鍵是找到適合本身的，最好可以結合你的工做遇到的問題來學習。

這裏我列舉一個經典的從0到1的入門方法

第一週：Excel學習掌握

第二週：數據可視化

第三週：分析思惟的訓練

第四周：數據庫學習

第五週：統計知識學習

第六週：業務學習

第七週：Python/R學習

 

7、最後

請再次問問本身，是否真的喜歡數據分析，可否忍受處理數據時的寂寞？若是是，那就宜早不宜遲，立刻開始行動吧。

再次強調：

一、把數據分析做爲一種能力培養，讓本身在如今的團隊中展示出良好的數據分析能力，爲你之後內部轉崗作好準備。若是內部轉崗不成，你能夠考慮跳槽到我以前分析的行業中，但我強烈建議你仍是須要把系統開發的編程能力學習好，而且對商業智能系統（BI和CRM）有必定了解，這也許是應聘數據分析的優點。若是沒有數據分析經驗去應聘，相對會難一些，用人單位會考你統計和數據挖掘模型方面的知識，以及工具使用狀況。

二、紮實學好1、兩門數據挖掘軟件，基於你已有得編程基礎，能夠學SAS或者R，基本可以知足很大部分企業的需求。

三、多看多想多觀察，學習業務職能是這樣，細水長流，還須要不斷工做積累和普遍的閱讀。

最後，但願你可以成爲你想成爲的人！