數據分析工作的思考與總結

基于現有的業務知識和統計學基礎知識及基本思想的理解與掌握，通過數據庫及統計分析工具對數據的調取與處理、分析，達到對現有問題or主題的探索與剖析，最終實現業務問題的解決or優化。

1.什么是數據分析?

基于現有的業務知識和統計學基礎知識及基本思想的理解與掌握，通過數據庫及統計分析工具對數據的調取與處理、分析，達到對現有問題or主題的探索與剖析，最終實現業務問題的解決or優化。

2.數據分析需要的知識、技能及工具?

業務知識：最重要

業務分析能力：業務問題的拆解、探索與定位，也包括一些思維導圖工具的使用(VISIO,XMIND,MINDMANAGER)

數據分析能力：基本的統計學及數學知識及較強的邏輯思維能力及分析工具的掌握SPSS,R,PYTHON等。

數據提取能力：在數據庫中能完成較為復雜的數據查詢及預處理的能力(SQL使用能力)。

數據處理及展現能力：主要指excel及ppt的使用，也有信息圖制作能力的要求。

較強的溝通能力：能無障礙的理解業務人員(包括產品經理)及技術人員的想法并與之進行溝通交流

3.長期只處理數據的詬病【for分析人員】?

對于分析人員來說，若無實際分析經驗，但經常提取數據，作為一個數據庫工程師的角色開展工作時，容易形成一種慣性思維：從數據角度出發去看問題。這是很危險的，因為一條連貫、清晰的業務邏輯中間會產生各種數據，同時由于業務人員操作的相對靈活以及數據錄入和ETL處理的問題會導致某一業務節點產生不同值的數據，若不清楚業務流程，業務知識，很難確認異常值的合理性及異常值產生的關鍵原因。長此以往，這種數據角度出發的慣性思維就很難改變了，進而任何分析，出發點都是錯的，分析過程和結果可想而知。

4.對于“數據敏感”的理解?

數據敏感主要包括三方面：對異常or極值數據識別的敏感;對特定數值背后代表的業務含義的敏感;對業務數據重要、機密程度的敏感;

5.如何體現一個數據分析人員的工作能力強弱?

相關學歷背景及工作年限;

對數據預處理的重視程度;

對細小業務問題解決方案及流程的抽取固化能力;

算法知識的應用能力;

業務知識的深度和廣度;

任務的整體把控和分配能力;

溝通及表述的邏輯清晰程度;

6.數據分析人員、應用型數據挖掘人員、算法型數據挖掘人員的區別?

數據分析人員算法應用比較少;

應用型數據挖掘人員在數據預處理及模型調參上下的功夫最多;

算法型數據挖掘人員在數據預處理上下的功夫叫少，模型理解及實現能力較強，偏開發;

7.數據分析人員的角色定位——企業賢內助

工作內容上：精準營銷時的用戶群篩選及營銷數據方案的確定;業務現狀的拆解與分析;業務問題及業務發展瓶頸的監控、探索與分析;數據產品的數據邏輯及模型的方案確定。

溝通對象上：基于數據分析結果進行決策的中高管理層;各業務部門業務決策的管理人員;運營部門的運營支撐人員;數據庫權限管控的技術人員;產品設計及優化的產品負責人。