Datawhale干货

作者：小尧，数据分析师，Datawhale成员

小尧：本科财务类专业毕业后就进入职场打拼，在京东完成了从财务到数据分析的惊险一跃，目前是一家外企的数据分析师。

数据分析师工作的日常？

工作职责基本就是分析数据，吃的是数据，吐得是数据分析报告。

日常就是看数据出方案出策略

“看数据”简单的说就是看数据量大小，大小包括文件大小、字段数量和类型、表的数量、表与表之间关系多少，还有看我最终对数据的理解，来决定我拿到数据以后，我是开Python，还是Excel，还是Power BI（（平时基本这3个软件开得最多，偶尔还会用Tableau和帆软BI）。

“出方案”是解决怎么做的问题。指看完数据后，要知道这数据在讲什么，体现了什么问题，我要提出一些可行性的方案来解决问题。

“出策略”是在问题解决后，执行了前面的方案，可以把问题解决到什么程度，体现在数据上会变成什么样，KPI是多少，剩下没办法解决的怎么办，这样出一整套可以落地执行并且有反馈，划重点有反馈的方案。

工作里喜欢什么不喜欢什么？

我自己其实是特别喜欢分析的。看到一堆数据能得出一个结论，尤其这个结论是我以前没想到的，就觉得这个东西真牛逼，超有意思，特别的好玩。还有我做的这套东西让整个业务流程发生变化，像我预想的那样走了，这些策略真的落地产生价值，这个成就感可能是推动我们源源不断在岗位里面深耕的重要原因。

不喜欢的就是不确定的需求和“面向领导的定向分析”。领导觉得这个可以，想让我去验证他的假设成立，但没有足够数据支撑和合理性，就觉得emmmm，没什么动力。

工作中会使用什么工具？

Excel 用的比较多，因为 Excel 做图表所见即所得，各种功能都好用；如果数据量过大，会用 Pandas 先处理，再做各种分析。

大致雏形做出来后，会用 Python 去把这些想法做成BI 网页，还有用PowerBI和翻转 BI做图表，主要是展示数据来帮助支撑我的想法。给领导汇报用PPT等office 办公三件套，基本就是这些。

数据分析师要具备哪些能力与思维？

基础的数据分析能力

其实最简单的数据分析能力就是大家平时学的统计学。拿到数据以后，虽然我不是很懂，但是各种统计学分析和图表我先画出来，看看直接看数据能得到哪些结论，这部分基础数据分析能力就算合格了。

如果可以生成一全套的方便阅读容易理解的报表，给到管理层，提升管理层对数据的理解，那你就创造价值，值得高薪了。但如果要做到，你要理解这个数据本身在说什么。

理解数据深层含义的能力

那么，怎么样理解数据在说什么呢？这需要对行业有足够的理解力。这部分理解力，就要了解你手上的数据，从哪里来，是怎么产生的，有什么用，未来会用在哪里，为什么要这样使用这些数据。

举个简单例子，平时大家寄快递，最关注的是什么？运费？时效？质量？

有些人对价格特别敏感，顺丰贵我就寄三通一达，要是觉得价格还不够给力的话，寄个极兔快递也可以；有些人对时效敏感，基本寄顺丰次日达；有些人特别怕快递磕磕碰碰，自然交保价费。

这样我有了数据，我就知道，时效敏感型客户有多少，价格敏感型客户有多少，质量敏感客户有多少。接下来我就可以规划路线，比如我的客户大部分都是时效敏感的客户，我采购飞机来运输还是租用？我的车辆是固定路线两点来回好还是走环路好？如果我的客户对服务质量特别敏感，怎么样能减少货物中转次数来避免货物磕碰？这边只是举个例子。不同行业对行业理解能力要求是不一样的。

尊重数据的思维

对于数据分析师这个岗位，如果说有关键的思维模式、所谓的“潜规则”，那就是要尊重你看到的数据，不能一上来说数据不对。实践是检验真理的唯一标准，数据是怎么来的，怎么形成的，反映了什么问题，这些一定是客观存在的，不以领导等人的意志为转移。

数据分析师岗位情况

待遇如何，有没有996？

疫情后行业平均薪资下降了，目前薪资是，入门8K~12K，不到2年经验15K，3年+经验20K+。

整个数据分析师这个职业，一般入门8K~12K，不同行业差距挺大。等到有1~2年工作经验了，一般也能拿到15K左右，个别行业能上20K，3年以上拿到20K+薪资问题不大。

996这种事情……我是自愿接受公司 996 的！公司绝对没有拿钱来诱惑我！很多互联网企业会加班同时加薪，最近几年好一些但也不少，这里大家要按加班强度对应换算一下。

职业发展前景如何？

我自己的感觉是数据分析师在不同行业差别比较大，因为分析的跨行难度较大。互联网公司开高价找分析师，钱多岗位少特别卷，但大部分传统行业缺分析师，但开不起高价，就是钱少岗位多。基本上分析师选定一个行业后，就很难转行了。因为有前面说的行业经验的限制。就像我自己是物流行业的，我基本上就在这个行业做了。

让数据说话，从数据中挖掘宝藏。我一直相信，数据中有无穷无尽可以发掘的东西，只要数据中还能发掘价值，数据分析就永远不会有瓶颈。影响这个职业长期发展的因素主要是数据量。随着整个行业、公司越来越重视数据，每个流程都有各种数据收集上来，未来分析动力越来越强，可分析的资源越来越多，就很快乐。

整理不易，点赞三连↓