數據分析師應備的知識架構

在互聯網高速發展的今天，大數據依然滲透到我們的生活和工作。作為數據分析師，無論最初的職業定位方向是技術還是業務，最終發到一定階段后都會承擔數據管理的角色。因此，一個具有較高層次的數據分析師需要具備完整的知識結構。清理數據對傳統行業來說，上來就說要搞大數據，一般都會是一種噱頭，因為之前的數據量不會很大，所以基本上都是一些統計分析內容為主。在這一階段，你對數據理解就尤為重要！也就是說你要做數據分析，數據在哪里很是重要，當你不清楚你的數據的位置的時候，你的分析也就無所談起。這里也有一個4：3：3的原則，你原始的數據要從測試，訓練，驗證這三個維度來訓練你的數據，這樣構成一個循環，好讓你的數據最終的成功度提高。而當你的數據入庫的時候，就采用結構化還是非結構化的時候，這點也非常重要。也是決定著你后期讀取的快慢！

分析數據分析數據，這一點也關系到你的項目的成敗。這一點個人感覺也是產品經理需要重要把握的地方。首先，做為產品經理，你不可能對所有行業都了解的很清楚，在這種情況下，就勢必要求你能夠最大限度的來理解數據的價值。在這一步，你要與業務人員深入交流，確保對數據的詳細了解，然后才能夠在接下的環節中脫穎而出。

算法選取在算法選取方面，個人感覺也是要結合業務來實施。首先，要弄清楚業務那邊主要關注的是什么指標。而與這一個指標相關的參數有那些，這些參數都是如何來影響這些指標的。至于算法的準確度，這一點，可以通過對數據顆粒度的細化來不斷提高。不同的代碼對系統的資源調度是不同的，而若你對算法的了解程度最大限度決定了你最終產品的反應快慢！

需求分析有人說，這一塊是最為重要的。因為深刻的感受到，在傳統行業，用戶的需求不明確，或者說不是那么明確。又或者是用戶的需求是可以被引導的。一直以來，個人都將用戶的需求分為四種：強需，弱需，真需，假需。因為不同行業，不同公司對人的需求是不同的。如何去挖掘用戶的需求，并將這些需求轉換成為可以落地實現的產品。

部門溝通大數據產品，我將它分為三個線，一個是產品，一個是業務，一個是研發。這樣就涉及到了部門之間的溝通。業務有許多的用戶需求要經過產品的人來向研發反饋，而研發也需要產品的人把自己的工作落實到實際的項目中來。這就需要產品人員來給領導層以通俗的語言來講明白。而對合作廠家來說，要有正確的引導，才能夠讓對方看到合作的可能。從而為項目的發展提供動力。