學會把數據分析作為一種能力來培養

從廣義來說，現在大多數的工作都需要用到分析能力，特別是數據化運營理念深入的今天，很多公司強調全員參與數據化運營，所以，把它作為一種能力培訓，將會讓你終生受益。

從數據分析的四個步驟來看清數據分析師需具備的能力和知識：

數據分析的四個步驟(這有別于數據挖掘流程：商業理解、數據理解、數據準備、模型搭建、模型評估、模型部署)，是從更宏觀地展示數據分析的過程：獲取數據、處理數據、分析數據、呈現數據。

(一) 獲取數據

獲取數據的前提是對商業問題的理解，把商業問題轉化成數據問題，要通過現象發現本質，確定從哪些緯度來分析問題，界定問題后，進行數據的采集。此環節，需要數據分析師具備結構化的思維和對商業問題的理解能力。

(二) 處理數據

一個數據分析項目，通常數據處理時間占70%以上，使用先進的工具有利于提升效率，所以盡量學習最新最有效的處理工具，以下介紹的是最傳統的，但卻很有效率的工具：

Excel：日常在做通報、報告和抽樣分析中經常用到，其圖表功能很強大，處理10萬級別的數據很輕松。

UltraEdit：文本工具，比TXT工具好用，打開和運行速度都比較快。

ACCESS：桌面數據庫，主要是用于日常的抽樣分析(做全量統計分析，消耗資源和時間較多，通常分析師會隨機抽取部分數據進行分析)，使用SQL語言，處理100萬級別的數據還是很快捷。

Orcle、SQL sever：處理千萬級別的數據需要用到這兩類數據庫。

當然，在自己能力和時間允許的情況下，學習新流行的分布式數據庫及提升自身的編程能力，對未來的職業發展也有很大幫助。

分析軟件主要推薦：

SPSS系列：老牌的統計分析軟件，SPSS Statistics(偏統計功能、市場研究)、SPSS Modeler(偏數據挖掘),不用編程，易學。

SAS：老牌經典挖掘軟件，需要編程。

R：開源軟件，新流行，對非結構化數據處理效率上更高，需編程。

隨著文本挖掘技術進一步發展，對非結構化數據的分析需求也越來越大，需要進一步關注文本挖掘工具的使用。

(三) 分析數據

分析數據，需要用到各類的模型，包括關聯規則、聚類、分類、預測模型等，其中一個最重要的思想是對比，任何的數據需要在參照系下進行對比，結論才有意義。

(四) 呈現數據

該部分需要把數據結果進行有效的呈現和演講匯報，需要用到金字塔原理、圖表及PPT、word的呈現，培養良好的演講能力。

(五) 其他的知識結構

數據分析師除了具備數學知識外，還要具備市場研究、營銷管理、心理學、行為學、產品運營、互聯網、大數據等方面的知識，需要構建完整廣泛的知識體系，才能支撐解決日常遇到的不同類型的商業問題。