数据分析三年建议指导(书籍等)

Posted limingbs

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了数据分析三年建议指导(书籍等)相关的知识,希望对你有一定的参考价值。

还有一个多月,我工作就满3年了。在职场上,3年是个坎,意味着从初级转到中高级,但前提是能力跟得上工作年限。

我第一份和第二份工作,是做的数据运营,现在这份工作,title是商业分析师。因为专业不是数学、计算机类的,所以相当于转行,但也是理工科,有编程基础,所以相对文科生来说会稍微轻松点,但转行之路并不轻松。

之前看到很多想转行的朋友,会问比如,女生适不适合做数据分析、文科生能不能做好数据分析、数据分析做什么的,这样的问题。

今天想写的,是三年来的一个总结,也写一下我是如何从一个连Excel都不会的菜鸟慢慢成长的经历。想必像BAT这样的大牛不会是我的读者,那我就自作主张的把读我这篇文章的朋友当作曾经的我——刚入门的小菜鸟。

工作第一年——菜中之菜

我的第一份工作在一家小公司,用户非常少,产生的数据也很少。虽说职位是数据运营,但运营的活占了一大半,也就是每天上下线产品,传图片啊、和产品技术扯皮啊之类的。数据相关的工作,就是每天的日报,其实也就几行数据,都是从后台导的。好在我有个比较逗比的领导,教了我不少东西,我有不懂的他都会给我讲。再就是工具Excel,最初连公式if、vlookup这类最基本的都不会用,更别说那些公式嵌套、数组这样的了。

每天没事情的时候我就学Excel,关注了好几个公众号,每天跟着推送的小技巧学,觉得有用的我就用小本本记下,再自己创建数据练习一遍。

用一次是背不下来的,但是能够有个概念,碰到问题的时候,脑袋里有个印象知道这可以用快捷方式实现,也能知道用什么关键字去百度。

不过那段时间我陷入了另一个误区,死命学习数据分析工具。因为实在不想待在那家几个老板撕逼的公司了,为了能够跳槽,每天早上六点起床学spss、VBA、powerBI。那时觉得学了这些技能,在简历上写得会好看些(手动捂脸)。但是学了并没有什么卵用,工作上没用到,几个月之后就忘了。

工作第二年——初级数据分析师

第一份工作干了七个月,实在受不了就走人了。去了一家金融公司,数据量依旧比较小,但是涉及的面比较广,好几类数据(用户端、合作方端、平台端)。第二份工作成长比较快,因为部门就我一个做数据的。虽然运营的活也在做,好歹数据和运营一半一半。

在这期间,我是通过背数据了解业务的。嗯,没错,背数据。

头部产品日均uv,注册,销售额等等,月度数据、周数据等等,每天早上去到公司第一件事情就是先背一遍最新的各种指标。久而久之,我也就做到了“心中有数”。开会领导问起来,我可以不用看数据表就能说出相关数据和转化,也能一眼看出哪些数据有异常,赶紧测流程,发现bug及时止损。对于投放产品的定价,也能给商务一个有价值的建议。

这份工作带给我的,是数据敏感性和对业务的理解。很多数据分析的职位JD 里都提到了数据敏感性,其实作为普通人(可能连高数都学得头大的),像电影里那种对数据过目不忘的天才是很少的,数据敏感性就是建立在对数据的了解和熟悉上,一个一直在做电商数据分析的人,可能对游戏业务的数据一知半解。

所以,若是你没有特异功能,先背数据吧。

业务的了解,是在工作中得来的。对于新人来说,每天都会涉及到新的东西,比如uv、ip、pv、埋点、日活、月活、转化率,怎么评估转化率的高低,怎么评判产品的表现等等。多学,多问,脾气好,谦卑。当然问之前先去百度,别什么不会都转头就问,别人的时间不是拿来浪费在你身上的。

这份工作中,另外收获比较大的,就是学会了python,并且学以致用。

日报周报月报都是我做,每天的数据不多,但是非常杂,如果用Excel,我得重复十几次同样的操作。我是个很懒的人,重复几次就要冒火了。原本也是在学python,正好知道python能够当Excel用,也就更加努力的学了。

每天我是部门第一个到的,9点上班,我一般八点半之前会到。到了公司,就坐在工位看网络课程。比如安装、使用、代码,先做个大概得了解。之后就是用文档学,比如电子书、知乎、打印出来的教程等等。从安装,到import pandas、read_excel,一步一步也就编了一段完整的代码,代替了重复操作的Excel。

最初日报要花一上午做,用了python之后半个小时搞定,包括下载数据,美化表格,写邮件。因为工作效率的提高,领导也交给我更多的事情,接触的业务也就扩大了。

工作第三年——中级数据分析师

第三份工作,也就是现在做的,就纯属于数据分析了,没有运营那些杂事。数据量比之前的两个公司大了很多倍,日报用Excel还行,周报、月报就只能用Python了,Excel根本带不起来。技能方面,又新增一个oracle。sql其实是比较简单的,在网站上随便学一个下午,再下个navicate for mysql练个几天,入门轻而易举。

但是复杂的查询就需要花费时间去训练了,毕竟sql的逻辑和Python的不太一样。今年年初,领导要做一个2018的年报,需要12个月的数据。以我现有的Python水平,处理12个月的就很卡了。只能捣鼓oracle,别说,还真是快,非常之快!

对于业务的理解,当然是比两年前更透彻的。但是作为一个数据分析师,最重要的事情,不是去描述事件什么时候发生、如何发生、产生了什么影响,而是要根据这几样,去告诉业务组或者领导,如何去优化,之后会往什么方向走,怎么提升业绩,这才是最重要的。

当然,现在对数据的处理效率、工具的使用熟练度,已经妥妥的应付得了目前的工作了,若是以后还需要提升,肯定也会加倍努力。不过对于我来说,更重要的是理解业务,拓宽眼界,了解行业。

道阻且长——几个忠告

  1. 技术、业务,想清楚自己想走哪条路线

我是一开始就想走业务,因为我比较想接近前线一些,能够更了解部门业务甚至整个行业的变化。所以职位编制也一直在运营部门。如果是技术路线,编程功底是不能少的,java、python、hive、hadoop之类的是比较主流的。此外就是算法、统计、数学功底也要扎实,计算机和统计专业的比较有优势。

一般大公司要求很高,做技术方向可以学到很多东西,而且待遇也很好。小公司的话,如果宣称什么大数据、人工智能之类的,呵呵哒,不是骗用户就是骗投资商了。

2. 中年焦虑,躲不过

相信我,只要你选择了互联网,不论你是做技术还是产品还是运营还是数据分析,都逃不过中年焦虑。如果害怕这一点,还是选传统行业吧。但是只要做好自己的事,想必天无绝人之路,年过三十也不是大罪,不至死。

3. 初级、中级、高级

对于刚入门的小朋友,做好本职工作,领导交待的一定要认真对待,而且及时反馈很重要。在业余时间想方法提升效率,比如刚做的表格,是不是有更快的方法实现,图是不是能够做得更清晰好看。这个时候你是不会承担起部门的数据分析和指导性角色的,老板也不会很重视你的意见,但是慢慢发光,做的东西出来会让别人眼前一亮,想必领导会注意到你。

也别吝啬帮助别人,很多时候帮一下同事,可能你会有新的知识可以学到。而且你帮助他了,下一次你有什么问题,想必他也不会断然拒绝你的。

对于中级,这个时候已经开始承接部门的数据和专题分析工作了,对于ppt的撰写,图表的呈现一定要专业,可以学学各大咨询公司的报告,看看别人的报表风格。比如艾瑞咨询的报告,我个人很喜欢这类风格,所以我的图很多也是模仿他的。在ppt或图表上融入公司的主题色(前台或者logo的颜色),会增色不少。

对于高级,我也是在摸索。目前对于数据的处理、表达上已经没什么问题了,足够应付现有工作。但是如何从数据提取的信息,去提升业务,优化流程。这一点我也还在学习,从现有的数据表现,提出有建设性的意见给运营、产品、领导,这是很考验人的,不仅要确保数据准确无误(这样才能得出没有偏差的结论),还得对业务产品了熟于心,还有对行业的一个全局观,

路阻且长,行则将至。

专栏列表

数据分析与Python:【Python代替Excel】1:Python与Anaconda

数据分析与Python:【Python代替Excel】2:数据的读取

数据分析与Python:【Python代替Excel】3:数据的预览

数据分析与Python:【Python代替Excel】4:数据的清洗

其他文章推荐

数据分析与Python:如何转行数据分析师?应届生如何自学?

数据分析与Python:【数据分析入门】之:如何用Python代替Excel(1)

数据分析与Python:【数据分析入门】如何用Python代替Excel(2)

数据分析与Python:从入门到精通,10本数据分析必看书籍

数据分析与Python:拉勾爬了1200个职位,告诉你什么是数据分析

以上是关于数据分析三年建议指导(书籍等)的主要内容,如果未能解决你的问题,请参考以下文章

通知《深度学习之图像识别》再版工作启动,欢迎指导和提出建议

书籍推荐:大数据全家桶:Hadoop,Spark,Strom,Druid实战,机器学习算法

生信学习周如何系统入门Perl

1月中旬值得一读的10本技术新书(机器学习Java大数据等)!

java学习历程,一年三年五年计划

前端书籍集合