为啥要做数据分析师：职业规划很重要

Posted 2023-02-24

“数据分析”作为近几年最火热的词汇，越来越受到大家的关注。但和一些应届生或者数据分析师沟通时，发现很多人都对数据分析的职业规划很迷茫。今天我们主要从业务方向的数据分析入手，聊聊数据分析的入门条件及职业规划。

“0基础入行数据分析要掌握哪些技能？”

“怎么能最快找到数据分析工作？”

“数据分析师未来的发展方向是什么？”

数据分析是什么？

数据分析是有关“数据”类岗位的总称。从事这些工作的人，通过分析数据发现业务问题，洞察商业机会点，为运营活动、业务增长及企业发展提供合理建议及参考依据。

数据分析主要是与数据打交道，但数据分析≠分析大数据，所以大家不要对这个职位产生恐惧感，零基础转行数据分析是可行的。要入门的话，3个月的时间也是足够的。

需要注意的是：

1.如果本身对数据不敏感，或者看到复杂的数据就眼晕头疼，那说明你可能不太适合这个岗位。

2.目前数据分析已不再是专职技能，而是职场人必备的通用技能，建议每个职场人都可以学一下，会让你在职场竞争中更有优势。至于是否从事数据分析工作，还是看你对数据的敏感程度以及你对这个岗位的热爱程度。

数据分析岗位方向及工作内容

数据分析可以简单分为业务和技术2大方向：

业务方向——数据运营、数据分析师、商业分析、用户研究、增长黑客、数据产品经理等

技术方向——数据开发工程师、数据挖掘工程师、数据仓库工程师等

业务类岗位的数据分析师大多在业务部门，主要工作是数据提取、支撑各部门相关的报表、监控数据异常和波动，找出问题、输出专题分析报告。

在日常工作中，业务部门往往更关心某个指标的为什么下跌或上升、产品的用户属性是怎样的，如何更好的完成自己的KPI等。

以活跃指标为例，数据分析人员通常要解决以下问题：

指标下跌了多少？是合理范围内的数据波动，还是突发式?（what）

下跌是从什么时候开始的？（when）

是整体用户下跌，还是部分用户？（who）

下跌的原因是什么？产品更新？还是某个渠道推广到期？（why）

怎么解决下跌的问题（how）

在经过了数据提取-数据清洗-多维分析-交叉分析等一系列步骤之后，你发现是某个地区的活跃下跌了，但这并不能作为分析的结论。因为某个地区的活跃下跌只是现象，并不是根本原因。

所以数据分析师要解决的是，为什么这个地区的活跃跌了？是政策因素？还是竞争对手？或者是渠道问题，这些都是需要深入分析的范畴。

找到原因后，数据分析师还需要预测未来的发展趋势，根据目前的分析结果输出可执行的改善策略，最后推动业务部门落地，再次复盘效果，最终形成闭环的分析路径。

对数据分析师而言，解决问题只是一方面，另一方面数据分析师的职责是将业务数据体系化，形成一套指标框架。比如活跃下跌，本质上也是指标问题，如“日活”等指标。

技术方向的岗位如数据挖掘/算法专家等岗位有的归在研发部门，有的则单独成立数据部门。与业务方向的数据分析师相比较来说，数据挖掘工程师要求更高的统计学能力及编程技巧。因为数据挖掘工程师对工具的要求比较高，所以数据挖掘的平均薪资也会高于数据分析师。

数据分析师岗位技能要求

对业务方向的数据分析师而言，掌握工具只是基础，还需要对业务有深入的理解以及较强的数据分析能力。

在工具使用上，数据分析师需要掌握Excel、SQL、PPT、Python等工具。

Excel是日常工作中用到的最多的工具，常用的函数及数据透视表都要学。

SQL是数据分析的核心工具，主要学习Select、聚合函数以及条件查询等内容。

Python重点掌握Pandas数据结构、Matplotlib库、Pyecharts库及Numpy数组。

关于工具的部分，需要注意不同行业对工具的要求会有差异，比如金融行业会要求SAS等工具。一般情况下Excel、SQL、PPT、Python这4种工具就能搞定大部分数据分析工作。

除工具的使用外，数据分析师要了解基本的统计学知识及数据分析方法。

统计学知识：环比、同比、概率分布、变量、抽样等。

数据分析方法：假设检验、回归分析、漏斗分析、多维分析、对比分析等。

针对0基础的小伙伴，建议大家先将精力放在数据分析的思路和训练上，多去看一些商业数据模型和数据分析案例的资料，最终形成自己的分析思路。千万不要一上来就啃Python，可以先上手Exce+SQL这2个简单的数据分析工具来入门。有SQL基础后再学Python会相对容易些。




数据分析师的成长路线

业务方向的数据分析师有2条发展路径。

一条是专精业务，晋升成为商业分析师、战略分析师或管理岗。从业务型发展上来的好处是具备商业网洞察能力，这点是直接做数据挖掘所不具备的。

另一条是提升技术能力，成长为算法专家或数据科学家。




如何快速入门数据分析


应届生想要入行数据分析，建议先做学习规划：

明确自己想走业务方向还是技术方向。

充分调研目标领域的行业知识，了解行业背景及行业相关的指标（在行业的选择上，擅长的、热爱的和有发展前景的即是最佳行业领域）

了解目标行业常用的数据处理工具、数据生产流程及数据应用。针对数据工具进行系统性学习。

0基础转行数据分析，建议先罗列自己的个人优势和行业背景，找到最佳突破口：

如果有运营相关经验，基础工具掌握一般，可以先学习SQL，再从数据运营岗入门。

如果有产品经验，对交互设计和用户体验有深入的理解，可以选择数据产品经理。

如果有金融、物流等行业工作经验，可以借用行业优势，转到相关行业的数据分析岗位。

也就是说，转行数据分析的路径不只有一条，我们要做的是根据自己的背景及优势，找到最适合自己的那条路。




总结：

作为一名合格的数据分析师，你需要至少以下三点技能：

必要的SQL、Excel+python\\R技能；

正确的理解业务；

基本的数据使用意识和学习能力。

转行过程中个人必要技能的锤炼是很重要，但保持良好积极的心态也是转行成功的必备要素之一。

参考技术A 数据分析”作为近几年最火热的词汇，越来越受到大家的关注，而且这一行业就业面很广，薪资相对来说很高，就吸引了大多毕业生青睐。任何行业随着深入发展，都分为3个阶段：初级，中级，高级。

初级要求熟练使用Excel即可；

中级需要的核心技能：

高级需要掌握统计概率，精通SQL，编程语言Python或者是R。

数据分析岗位方向及工作内容可以简单分为业务和技术2大方向：

业务方向——数据运营、数据分析师、商业分析、用户研究、增长黑客、数据产品经理等。

技术方向——数据开发工程师、数据挖掘工程师、数据仓库工程师等。

业务类岗位的数据分析师大多在业务部门，主要工作是数据提取、支撑各部门相关的报表、监控数据异常和波动，找出问题、输出专题分析报告。

学习数据分析师职业规划前景的问题可以到CDA数据分析认证中心了解一下，CDA是大数据和人工智能时代面向国际范围全行业的数据分析专业人才职业简称，具体指在互联网、金融、咨询、电信、零售、医疗、旅游等行业专门从事数据的采集、清洗、处理、分析并能制作业务报告、提供决策的新型数据人才。 参考技术B 数据分析师是未来发展的大趋势！ 参考技术C 数据是信息时代的“新能源”。从银行到零售，从电商到体育，数据科学都成为成功决策的基础，广泛应用在营销优化、风险控制、客户关系等商业领域。
企业想要在竞争激烈的市场中胜出，决策的速度和反应的效率尤为重要。根据调查显示，75%的企业在面临拟定策略时，常常无法获得实时且有根据的决策信息。什么样的数据、要透过什么样的方法，才能快速且实时的转变成决策时有用的信息，是现代企业所面临最迫切性的问题。
学数据分析，上cda.cn 参考技术D

数据分析师主要工作就是通过数据去解决企业实际遇到的问题，包括根据数据分析的原因和结果推理以及预测未来进行制定方案、对调研搜集到的各种产品数据的整理、对资料进行分类和汇总等等
发展前景很好，毕竟数据分析这一行在国内才刚刚起步，很多企业都需要这方面的人才，是很有潜力的，这一行偏商科，技术辅助。真正的大牛不是数据分析工具技术，而是用数据帮助企业在产品、价格、促销、顾客、流量、财务、广告、流程、工艺等方面进行价值提升的人。像我本人就是自学的数据分析师然后毕业后去了决明工作，现在基本实现了财务自由，但想成为大数据分析师的话，需要日积月累坚持沉淀下去，相信你总有一天也能达到这个层次。