如何成为数据分析师？数据分析师的职业路线是什么样的？

很多人知道数据分析这个岗位，但是不知道具体的岗位职责是什么？以为会做表，会用EXCEL等于是数据分析师了?

其实不然，会EXCEL不代表会数据分析。

众所周知，精通Excel不叫精通数据分析，能讲出产品案例不能说明洞悉数据，做出高大上的PPT也不能给数据带来更直观的分析效果。

所以，设立数据分析的必要性是什么呢？

其实，做数据分析是为产品服务，采用更量化的方式来分析业务板块，及时得出结论并做相关维度的改进。

一直以来，我们都听说数据分析师师如何如何厉害？数据分析师的工资有多高？

但如何成为一个数据分析师？成为数据分析师需要具备哪些技能？

今天，我给大家从下面几点，详细的解答下关于数据分析岗位的一些问题。

01 什么是数据分析师？

02 数据分析师如何为企业创造价值？

03 数据分析师常见的种类都有哪些？

1.数据跟踪员

2.数据处理员

3.数据分析师

4.数据应用师

5.数据规划师

04 不同数据分析岗位需要掌握的技能？

05 如何快速成为优秀数据分析师？

第一阶段：数据支撑

第二阶段：制定基线

第三阶段：拆解因素

第四阶段：核心因素

第五阶段：理清逻辑

第六阶段：组建模型

06 最后小结

01 什么是数据分析师？
数据分析师是数据师Datician的一种，指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。

这是一个用数据说话的时代，也是一个依靠数据竞争的时代。

据统计，世界500强企业中，有90%以上都建立了数据分析部门。已经有越来越多的企业重视到数据信息的重要性，数据的分析和处理能力正在成为各个企业日益倚重的技术手段。

而数据分析师作为以为公司的核心岗位，本质就是从众多数据中提取出和公司产品相关的商业价值和品牌发展方向，进而辅助决策，推动业务模式。

02 数据分析师如何为企业创造价值？
目前，数据分析师拥有良好的待遇以及发展前景，这不仅是因为数据资源的重要性，同时也是因为数据分析师为企业所创造的价值。那么数据分析师如何为企业创造价值？

一个完整的企业数据分析体系涉及到多个环节：采集、清理、转化、存储、可视化、分析决策等等。其中，不同环节工作内容不一样，消耗的时间和产生的价值也相差甚远，如图所示。

比如，互联网企业数据分析体系中至少有三方面的数据：用户行为数据、交易订单数据和CRM数据。

工程师把不同来源的数据采集好，然后通过清理、转化等环节统一到数据平台上；再由专门的数据工程师从数据平台上提出数据。这些工作占用了整个环节90%的时间，然而产生的价值却只占10%。

这个金字塔再往上数据分析就和业务实际紧密结合，以报表、可视化等方式支持企业的业务决策，涵盖产品、运营、市场、销售、客户支持各个一线部门。这个部分占用了整个环节才10%的时间，但是却能产生90%的价值。

一个优秀的商业数据分析师应该以价值为导向，紧密结合产品、运营、销售、客户支持等实践，支持各条业务线发现问题、解决问题并创造更多的价值。

03 数据分析师常见的种类都有哪些？
1.数据跟踪员
这个职位的人员只能通过系统看到数据，但是缺乏处理数据的能力，一方面是受到技术的限制以及系统的权限的限制，他们只是机械的进行数据的复印，没有进一步的进行数据的处理。

2.数据处理员
就是在数据分析的阶段之前，进行数据的初步处理，数据处理员已经具备了处理数据的基本技能，起码对于计算机的处理流程以及一些统计方法、统计工具还是比较在行的，一些基本的分析方法也是没有问题的，但是这部分人员缺少的是对数据的解读能力，只是机械的进行数据的处理。

3.数据分析师
通过对已经处理好的数据进行解读，通过解读发现数据中隐藏的问题，定位这些问题，找到问题的原因，解决数据是一项能力，不是说专业出身的学生就会具备数据解读的能力，数据解决不仅仅只是看着数据，还要产品以及企业各种情况相互结合，是一个需要经验积累的职位。

4.数据应用师
数据分析的结果是为了更好的应用，数据应用师主要的是在产品上的应用，将通过数据分析找到的问题重新应用到产品中，通过数据应用师的分析，针对什么样的客户推荐什么样的产品，对于客户的购买可能性会大大加大，数据应用师在国内现阶段还是比较少的，随着电子商务行业的不断发展，怎么让数据应用到产品上也是一个可以让盈利更高效的行为。

5.数据规划师
这个是一个比较新的概念，在行业水平上应该已经是比较高水平的，对于数据的周期进行记录、跟踪，将这些有用的数据信息应用到新的数据去，或者产品中去，对产品产生新的价值，数据规划师对于数据的分析技术以及对数据的认识都会有比较高的要求。

04 不同数据分析岗位需要掌握的技能？
作为数据分析师，当然还是需要有必要的技能傍身，比如精通SQL、数据库原理、Excel/报表/BI工具技能。除此以外，上下游技术领域，比如数据仓库、数据架构、ETL，需要了解甚至会用，比如：

（1）SQL是最灵活的操作数据的语言

任何一个数据库都会提供SQL的支持，它架起了业务和数据的桥梁，简单易学，性价比很高，也是数据分析师的必须要学习的语言。

（2）EXCEL提供了最为灵活的轻量级数据的加工和呈现的能力

对于EXCEL的掌握是任何数据分析师的基本功，透视图，图表，公式，计算都是极其方便的工具。

（3）BI很大程度上就是用一些可视化技术来进行指标比较的艺术

BI有助于你更快、更直观的发现问题和定位问题，毕竟人脑对图表、图像的敏感度更高。

（4）数据挖掘技术

比如聚类，分类，预测等等随着机器学习，人工智能工具使用门槛的降低，数据分析师要掌握至少一种挖掘的方法。懂得如何构建模型，尤其是在金融、运营商、互联网、零售等这些数据成熟度较高的行业。

每一个人在学习数据分析的时候可能都会陷入迷茫，数据分析有那么多的技能，我该学习那些呢？我需要全部学会吗？

其实不需要的，不同的技能对应着不同的数据分析岗位。

简单举例下面几个岗位：

业务数据分析师

岗位职责：

通过设计合理的指标体系诊断业务运营中存在的问题，提出合理化建议，撰写业务分析报告。通过数据分析度量客户体验、诊断、完善产品设计。开发业务分析模型，帮助企业更好地进行决策。

使用工具：SQL、Excel、BI

岗位能力：

用户行为分析、商品定位策略分析、运营效果分析

多维透视分析、指标应用与设计、数据可视化

描述性统计、相关分析、常用的数据分布

商业策略分析师

岗位职责：

负责客户运营、产品营销、渠道管理和风险管理等业务领域策略分析人员，从事业务策略分析及优化等工作。

通过梳理业务流程，结合用户画像，使用统计分析工具开展根因分析，诊断业务运营中存在的问，制定应对策略。通过统计分析模型，洞察客户需求，完善产品设计，同时不断改进模型，帮助企业更好地进行信息决策。

使用工具：SQL、Python 数据模型与管理

岗位能力：

产品运营分析报告、风险管理分析报告、问题根因分析报告

用户标签设计与制作、用户画像原理、统计模型搭建、业务策略分析及优化

统计分析基础、回归模型、数据降维、时序分析

数据挖掘分析师

岗位职责：

熟悉各类数据挖掘算法。可以进行深层次的客户识别、画像，以满足营销和风险控制方面的需要。

使用工具：SQL、Excel、BI

岗位能力：

知识图谱、客户画像、风控建模、精准营销建模、操作与事件识别

数据接入、特征构建（数据降维与数据升维）、自然语言处理、大数据平台

分类模型、聚类模型；回归模型、推荐系统；复杂网络、集成算法

以上举例就是三个不同岗位数据分析师的岗位职责，我们可以看到：

业务类的数据分析师相对比较简单，只需要掌握一些统计方法和分析工具；而商业策略分析师和数据挖掘分析师相对较难，需要我们有统计学和编程基础。大家可以根据自己的情况来选择适合自己的岗位。

05 如何快速成为优秀数据分析师？
从“普通”数据分析师想通往“优秀”数据分析师是一个漫长的过程，但都需要经历这6个阶段。

第一阶段：数据支撑
数据分析最怕啥？没思路？没模型？没图表？都不是！

数据分析最怕：没数据！无论是做啥分析，搞数据，始终是第一位的工作。尽可能多地搞数据，是第一位要求，不然一切免谈。

只不过，同数仓开发不同，数据分析关注的数据，是面向业务主题的。数据服务的产品、运营、销售、营销、售后部门，到底有什么数据，需要什么数据，是数据分析师必须梳理清楚的。

第二阶段：制定基线
有了第一阶段，至少能看懂数据了，知道每个数据是用在哪个部门，哪项工作。下一步最关键的是……？

有的同学可能不假思索地说：建模！还没到这一步哈。下一步关键的是：定基线。知道自己看的数据，常规形态是啥样的。知道什么算正常，什么算不正常。

这一步非常重要！因为数据本身没有含义，数据+标准才有含义。而并非所有指标，业务方都会给出标准的。很可能，只有销售数据才有具体到每天的考核标准，其他数据得凭经验、凭常识、凭分析定出基线。

第三阶段：拆解因素
跨过第二阶段后，数据分析师已经对业务常见走势有充足的了解。

有能力做判断，就能识别出异常状态。并非所有的异常都不可控，有相当多的异常是可观测因素导致的，比如宏观环境，比如营销动作、推广计划。

所以这一阶段，叫“拆解因素”，即把这些影响业务的因素，拆解到可以量化的，能用一个或几个数据指标表现，并能与内部数据结合分析的程度。拆因素可能有若干数据形态，比如：

0、1形态：有XX因素、没有XX因素；

分类形态：同一事件，A\B\C三种状态；

连续形态：能用一个连续型指标，代表该因素。

具体怎么拆，是需要大量分析工作做基础的，最后能沉淀下来的，就是最有价值的经验。

第四阶段：核心因素
经历第三阶段，数据分析师能对明显的，重大的影响因素做出判断。

想要进一步提升，就得深入到细节中：

了解活动到底怎么做的？

产品到底怎么设计的？

用户到底需求什么？

这几个点已经是影响产品的主要核心因素了，在短期内很难弄明白，因此需要一个长期的观察和经验累积。

接下来，按照发展方向，可以分为2点来梳理：

01.分类标签

因为和业务的核心产品相关联，我们更要弄清楚这个产品对标的核心因素。

这时候，需要做细分工作：

产品特点、针对人群、人群性别、年龄划分、城市区域、营销方式等等，做近一步的精确描述和量化工作。

这样可以根据数据，在第一时间分析判断出影响的因素是什么，做及时的调整工作。

02.测试实验

当你需要结合产品的多个版本进行测试时，如何利用ABtest做好数据分析？

此时，可以利用“方差分析”来完成测试。

可能会有小伙伴问：那如果我不止AB两个版本，而是有ABC三个版本做测试，还能用ABtest方法吗？当然能用！只是使用的统计学方法换成了：方差分析。

方差分析如何做？简单来说，分为四步：

第一步：清晰要对比的版本；

第二步：清晰要对比的数据指标；

第三步：收集不同版本的测试数据；

第四步：计算F统计量值，进行假设检验。

这种只考虑“版本”一个影响因素的实验，称为：单因素方差分析，用excel都能求解。

这样才能在解读实验数据的时候剔除各种杂糅因素，得到正确结论。

第五阶段：理清逻辑
通过前面几个阶段，我们可以发现，单纯站在数据角度，数据分析阶段已经是个完整的闭环模式了，从描述问题-发现问题-解释问题-检验效果。

但仅有数据能力闭环是不够的，因为在企业里，相当多的问题不是来自技术，而是来自业务。因此想要让数据更好地展现价值，就得有能力应对现实问题。

这时候“理清逻辑”，重点是把口语表达的，不可量化的业务逻辑，转化成数据可验证的逻辑，并且选择合适的数据方法得出结论。除了数据能力，还需要数据分析师有业务洞察，有一些职场沟通技巧，才能完成任务。

第六阶段：组建模型
有了以上五个阶段的积累以后，不但能做好基础数据服务，也能协助业务做出业绩。

此时，可以更进一步，提炼一些属于自己的模型出来：如果用少数关键指标就能概括这个行业的问题，可以捏个业务模型如果某个业务场景，用特征+算法能得到很准确的预测结果，就固定成该行业算法模型。

做这一步，不仅是为了沉淀经验，更是为了迁移知识，扩展使用范围服务的。

掌握了优秀分析能力的人，靠的是模型的总结与经验积累，两者缺一不可。

06 最后小结
看了各大招聘网站上多个与数据分析的相关岗位，根据薪资高低大概分为三个等级。各阶段数据分析师的差异体现在三个方面：业务技能、执行管理能力、业内影响力。

按照职能划分，可以分为这三大类：

基础的数据分析师

有良好的商业理解能力，能够根据业务问题指标利用常用数据分析方法进行数据的处理与分析，并得出逻辑清晰的业务报告。掌握常见表格制作和数据库基本功能操作，就可以做业务数据分析师。

中层的数据分析师

在初级水平基础上，对常见函数应用熟练，数据库操作熟练，掌握ETL能力，掌握统计分析模型，具备行业相关业务经验，可以进行简单的建模操作，就可以做策略数据分析师。比如为什么销售会下降、运营现状怎么样，然后搭建一套数据指标体系去描述现状，分析问题。

高级的数据分析师

具备数据科学家能力，机器学习、深度学习算法能力、建模挖掘能力和建模挖掘能力突出，对行业业务逻辑深度认知，就可以做算法工程师、挖掘工程师。

通过分析从数据中提取信息，提出行业相关的数据洞察，并根据项目经验向产品经理提出产品改进建议，站在高层的角度，梳理决策建议。

但无论处在什么岗位，数据分析只是起点，用数据驱动业务驱动企业管理，做到这个地步才是真正的价值终点。相信沿着此路线学习，你会在数据分析道路上有所收获。

如何成为数据分析师？数据分析师的职业路线是什么样的？相关推荐

数据科学家数据分析师_使您的分析师和数据科学家在数据处理方面保持一致
数据科学家数据分析师 According to a recent survey conducted by Dimensional Research, only 50 percent of data a ...
数据分析师需求分析师_是什么让分析师出色？
数据分析师需求分析师重点 (Top highlight) Before we dissect the nature of analytical excellence, let's start wi ...
数据科学家数据分析师_站出来！分析人员，数据科学家和其他所有人的领导和沟通技巧...
数据科学家数据分析师这一切如何发生? (How did this All Happen?) As I reflect on my life over the past few years, even ...
微专业数据分析师数据资料_微数据：元数据的内容
微专业数据分析师数据资料 In HTML most tags are semantic: that is, they carry meaning, but there is no way to pr ...
Python 数据分析师必备的入门学习路线和技能
最近几年,做的这些项目,大多与数据分析与算法应用相关.岗位虽然是算法工程师,但是与数据分析打得交道也很多,双管齐下,最后才能确保算法的落地.在几年前,我还想当然地认为做算法的就应该偏重算法研究与应用, ...
[数据分析师]数据可视化：打造高端的数据报表
本文是<如何快速成为数据分析师>的第五篇教程,如果想要了解写作初衷,可以先行阅读七周指南.温馨提示:如果您已经熟悉数据可视化,大可不必再看这篇文章,或只挑选部分. 前一篇文章列举了常用的分 ...
数据分析师]数据可视化：打造高端的数据报表
本文是<如何快速成为数据分析师>的第五篇教程,如果想要了解写作初衷,可以先行阅读七周指南.温馨提示:如果您已经熟悉数据可视化,大可不必再看这篇文章,或只挑选部分. 前一篇文章列举了常用的分 ...
独家 | 商业分析的职业路线-在数据科学世界里规划你的下一个角色
作者:TAVISH SRIVASTAVA 翻译:Nicola 校对:丁楠雅本文共3400字,建议阅读9分钟. 本文将介绍商业分析领域里有哪些主要角色,并提出一个框架帮助你思考你的职业生涯. 简介: ...
学python对数学要求高吗_人工智能的小男孩大专学历的人没有数学基础想学习python技术未来能往大数据或人工智能方向进行职业发展吗？...
内容由传智播客提供,电器吧机器人网提供人工智能的小男孩相关内容,小编烟酉为您整理并发布于人工智能栏目下,原标题:大专学历的人没有数学基础想学习python技术未来能往大数据或人工智能方向进行职业发展吗 ...
环球网校签约神策数据，数据赋能教育行业创新升级
近日,环球网校签约神策数据,未来神策将以第三方大数据服务商的形式助力环球网校进一步加快教育行业的创新与突破. 环球网校于 2003 年成立,十七年来秉承"教育无域,环球共享" ...

如何成为数据分析师？数据分析师的职业路线是什么样的？

如何成为数据分析师？数据分析师的职业路线是什么样的？相关推荐

最新文章

热门文章