數據分析師的自我修養

大數據時代到來，如何從數據中提取、挖掘對業務發展有價值的、潛在的知識，為決策層的提供有力依據，為產品或服務發展方向起到積極作用，有力推動企業管理的精益化，對于每個企業都意義重大，而這些工作，大多需要數據分析師才能完成，但如何才能成為一個合格的數據分析師呢？

我這里提四個方面，如果你是一個新手，想從事數據分析師這個職業，那么，你可以看看，當然如果你是個分析老鳥，在苦惱如何更進一步，也可以看下，可能于你也有益哦，數據分析師學無止境，總在痛并快樂著。

Part 1  數據分析師的基本素質

數據分析師最需要的基本素質是什么，很多人會回答，不是要統計學知識嗎，不是要會一些工具嗎，說得對，也不對，統計學等只是數據分析的術，而我更強調的卻是道，做好數據分析與寫詩文一樣，真正的關鍵在技巧之外，即業務能力、思考能力及溝通能力三樣，這些能力很多人天生就有，而很多人需要艱苦的訓練獲得，甚至訓練也不可得。

不要聽什么數據分析速成的教程，任何有經驗的數據分析師對此都會嗤之以鼻，要成為數據分析師，沒個3年下不來，當然具體周期依賴于公司業務的復雜程度。只要真的在實踐領域從事過數據分析工作，就會明白所有分析的重中之重都是業務知識本身。而業務知識的學習和掌握，需要的積累之深，培養一個業務專家，需要的周期之長，都遠遠超過后面所說的那些基本技能，成為業務專家實屬不易，數據分析師其實是之于業務專家之上的更深層次的思考和總結，否則，誰指導誰都是個問題。業務學習的方式很多，比如將以前的分析報告和取數案例都拿過來研究一下，不懂就問，總是一個漸進的過程，但需要時間和行業的沉淀。數據分析師最需要不斷提升的能力就是行業和業務知識，沒有之一。

數據總是在那里，它不會說話，你不僅要基于業務能力理解它，還要學會推演和分析，從中發現規律，迅速定位某個商業問題的關鍵屬性和決定因素，形成自己獨創性的見解，所謂心思縝密，滴水不漏，沒有思考邏輯沒有數據分析。而要形成獨特的見解，則來自于個人不斷的學習和思考，這里的學習更多的強調是跨領域和專業，思考則更多的強調養成思考的習慣。

跨領域的的知識會給人帶來不同的思維方式和看問題的角度，每學習一個新的領域，相當于打開了一扇全新看世界的門，很多企業經?；ㄖ亟鹫堊稍児編兔ψ鲆恍┓治鰣蟾妫ó斍白稍兎治霾辉傧褚郧俺韵?，不是企業不需要，而是他們也需要與時俱進），是有其原因的，企業往往看重咨詢公司廣闊的分析思路和全局的視野，比如經常提的最佳實踐。在各個跨領域專業中，經濟學、心理學、統計學等對于數據分析的輔助又最強。

另一個思考能力是養成思考的習慣，所謂“學而不思則罔，思而不學則殆”。思考本身是一種實踐，它可以將你的知識更加系統化和深入化，數據分析一定程度上是用來驗證思路和啟發靈感的，“數據分析”從來不是“數據分析”本身，而是以“數據分析”為手段和表象，對業務的深刻理解、思考和判斷。

數據分析貫穿BIT、數據、技術、業務整個鏈條，數據分析師將BIT最終轉化成決策者理解的語言，跨越的流程很長，你需要面對不同的崗位，碰到不同的角色，采用不同的語言，表達你的要求和獲得你需要的東西，成為數據和業務的橋梁，沒有足夠的溝通能力很難。所謂上得了臺面，下得了廳堂。同時，大腦很多時候是非理性的，但如果你容易聽取他人的意見，特別是智者的意見，則可以幫你找到另一條出路，你犯錯的概率就會降低，相應的，你的分析就更有力量和說服力

從這個角度講，企業的管理者實際是最強的數據分析師，這個毋容置疑哦。數據分析師道的養成，絕非一日之功。

Part 2  數據分析師的養成課程

除了數據分析的道，再來講講數據分析的術，即工具和手段，如果你進入了一個企業，希望盡快成長為一個數據分析師，還需要在以下4個方面加強學習，當然僅供參考，不用盡信，筆者相信每個人都需要形成自己的學習軌跡，不需要照搬它人：

業務學習有一個毛病，比如你看案例，往往接觸到的數據或使用的數據是局部的，因此，你的視野會受局限，在大多數公司里，很多數據分析師其實缺乏全局的數據視野，因為他不知道到底有多少數據，因此，永遠只能在已知的數據里轉圈圈，當然，可能也夠了，但我這里要說得是做得最好。

數據分析師應該主動的向IT部門拿到最全的數據字典，對于數據字典進行持續的學習，了解每張表甚至字段的業務含義，理解的越透徹，你的分析潛力就越大。更有甚者，筆者還建議你去理解源系統，從業務實現流程角度出發去理解對應數據的含義，因為有時候，簡單的業務描述在數據上的表達卻是非常復雜的，業務語言與數據語言很多時候是1對多關系，打個比方，你看到業務系統上某個菜單的功能，對應到系統中的數據是怎樣的，你能還原出來嗎？

當然，大多數數據分析師可能不需要進行系統數據學習，反正實踐中慢慢熟悉好了，但自頂向下的數據學習方式可以讓你有一個更好的基礎和更全局的數據視野。

有幾個層面的東西要學，依賴于實際的場景和你希望達到的階段：

首先，你要學會從數據庫或者其它源頭獲取數據，很多數據分析師仍然依賴于IT人員獲取數據，但大數據時代，真的有必要自己動手了，因為依賴他人效率太低了，起碼你要會SQL，SQL甚至基本上是為統計取數而生的方便工具，圖形化的透視方式也遠遠沒有SQL的表達能力強，這是基本功，其實， SQL就能解決大多數統計取數問題。

其次，你要會一些數據分析工具，EXCEL是最基本的，其實大多數數據分析基于EXCEL應付已經綽綽有余了，EXCEL的圖形表達能力也已經夠強。

最后，如果你希望更深一層，那就學習R語言、PYTHON、SPSS，SAS等，他們提供了更強大的挖掘能力，可以幫你把統計學的數據挖掘精髓發揮的淋漓盡致。

當然，如果有可能，你也要熟悉一下你所在企業的數據倉庫或大數據平臺，懂得一些基本的操作，對于你提升分析的自由度和靈活性也大有好處，比如自己搞個腳本定時跑數據，打造個人的數據集市，現在數據分析的概念也越來越大，很多公司把對于大數據平臺的數據處理能力也納入到數據分析師的技能范疇。

以上層層遞推，其實數據分析師每在IT上前進一步，帶來的效益是幾何級的，比如你懂Hadoop，那么，你就可能離大數據更近一點。

終于講到大家都很關心的統計學知識了，推薦一些書吧：

《深入淺出數據分析》：講了數據分析到底是干什么的？數據分析都包含什么內容？對新人們還是有一定的作用，難度容易。

《深入淺出統計學》：要了解常用數理統計模型（描述統計指標、聚類、決策樹、貝葉斯分類、回歸等），重點放在學習模型的工作原理、輸入內容和輸出內容，至于具體的數學推導，學不會可暫放一邊，難度容易。

《極簡統計學》：對統計推斷部分的闡述十分清晰，適合非統計背景的人工閱讀

《統計學：從數據到結論》：簡明精要，統計概念和R可以一起學習

《數據挖掘導論》：最近幾年數據挖掘教材中比較好的一本書，被美國諸多大學的數據挖掘課作為教材，筆者也最近買的，很好，很多概念解釋的比較清楚，難度中上。

《統計學習方法》：李航老師的扛鼎之作，難度難。

這些都是很實用的書籍，但結合了實踐學更好，對于特定的業務場景，就找對應的書看吧，網上推薦的也很多了，大家自己搜索。

作為數據分析人員，PPT制作能力是極其重要的一項能力，你總要通過某種形式表達出你的觀點，很核心的一點是需要有嚴密的邏輯，甚至滴水不漏，可以通過思維導圖來訓練自己，但實際的格式表達卻有點八股，一般都是現狀分析，原因剖析、分析結論和后續措施啥的，萬變不離其宗，當然你需要花一點時間來了解如何做重點突出，如何圖文并茂，PPT的寫作決非一日之功。

Part 3  數據分析師的學習計劃

下面是我以前研究的一個新人學習計劃表，供參考。

當然也需要定期對學習成果進行檢查

Part 4  數據分析師的實踐

當然最重要的永遠是實踐，成為數據分析師最好的方式就是完成一個項目，如果有個老師就太好了，經過實踐獲得的知識才是你的，數據分析能力只能在實踐的熔爐中提升、升華，永遠問自己：

1、做過多少個分析或項目？

2、涉及多少業務場景？

3、做過多少種類型的模型？ 

4、基于模型做過多少次完整的marketing閉環？

5、到底你的分析為企業帶來了多大的實際價值？

以上五個問題，足以秒殺大多的忽悠和菜鳥了。

最后，再推薦一本科學技術思維的書，也是我最近看完的吳軍的《數學之美》，其科普了部分模型，有利于克服數學恐懼，其實從本原出發，數學和統計并不是那么的枯燥，傳統教育真要反思哦。