一、數據分析師主要工作

數據分析師的日常概括一下就是：

1. 為什么需要數據（目的）
2. 需要什么數據（指標）
3. 跑數據（獲取數據）
4. 總結數據并整理成好懂的圖表和人話（清洗+整理）
5. 根據數據得出結論，制定策略或提出建議（分析）

下面分別展開說說：

1、目的

數據分析一定有目的，這樣才能確定需要的數據是什么，從什么角度來分析。

我自己是運營，平時日報、周報、月報等常規數據統計，就是為了確定我們各平臺賬號的情況，數據好是為什么好，數據差是為什么差，數據波動是外因還是內因……

有時候要做活動，就得先確定活動原因，比如銷售、獲客、激活老用戶……側重點不同，需要匹配用戶畫像不同，活動的成本不同，需要的重點數據也不同。

2、指標

針對不同的目的，要重點參考的數據是不同，比如平時的周月報數據，看重的就是瀏覽、點贊、評論等，帶貨的話，肯定會更注重轉化。

這部分工作需要掌握指標體系，一級目標也就是業務的kpi，是最終數據，二級指標是影響一級指標的因素，三級指標是對二級指標的進一步細化。

舉例來說，如果我想要的數據是利潤，那這就是一級指標，影響銷售額的包括成本、售價、折扣、購買量、退換貨率等……再往下拆分，比如成本，又可以拆分成運輸成本、生產成本等。

如何準確而完整的拆分指標，對數據分析至關重要，如果你的關注點都跑偏、遺漏了，根據數據的出來的結論自然也無法保證有效。

這部分比起數據分析技巧，要更偏向對數據分析思維的要求，是數據分析整體思路的一部分，你得首先有數據分析思維，其次懂業務的整體流程。

但是一種思維方式很難一蹴而就，往往需要長期的聯系，并有人給你糾偏，這樣在錯誤和總結里才能不斷提升，最終能自己做出準確判斷，并形成一整套邏輯習慣。

較快的掌握這個技能和其他一些數據分析思維方面的能力，最好跟著有業務經驗的人學，掌握一些成熟的分析套路，應付常見的問題。

如果你現在找不到一個特別資深的人來學習，也可以在網上找數據分析課程，現在數據分析很火，培訓也很多。

比如知乎就有一個數據分析課程，研發老師自己就曾是IBM的數據分析師，還和50多位互聯網大廠數據分析師進行深度訪談，并和阿里、谷歌、滴滴等公司的資深數據專家合作，結合大廠一線業務案例，能夠深入淺出的講明白那些數據分析理論是如何運用在業務里，而且還有一些個人項目、面試筆試方面的指導，都是落到了求職者需求實處的。

3、跑數據

跑數據就不多說了，sql、python、sas什么的，數據分析工具其實不難學，編程要求也都是基礎的，當然如果你想往數據挖掘大佬方向發展，那就得往深了學。

總之，跑數據其實反而是比較簡單的一步。就是找準確數據來源可能一麻煩點，這個就是不同行業有不同渠道了。

4、清洗+整理

這一步，我個人常用的就是excel，聽起來很簡單，但其實你要真能玩轉excel，一些常規的數據分析就差不多能做了，而且excel不需要編程，對于想要快速入門、轉行、或者僅僅用數據分析輔助工作的人來說，是更好的選擇。

清洗數據就是較對一下，把重復的去掉，看看有沒有小數點錯誤。當然，有時候會發現有些數據大量錯誤，完全不符合現實，可能是找數據的地方有問題，跑來的是虛假數據。

整理就是制作成圖表，畢竟數據分析不能只看數，還得看對比、走向等，如果你是接需求辦事，或者要給別人匯報，那就更要注意把數據轉換成人話，簡單易懂。

5、分析

分析可以說是重中之重，就算你完成了前四部，但給不出建議，形不成方案，你都只能停留在一個工具人階段，接需求，輔助別人做策略，可替代性極強，隨時會被一腳踢開，更別說還會被計算機取代。

想要真正站穩腳跟，還得在分析上下功夫。你得從有了數據分析目標就開始思考，你要什么數據，要用什么方法分析，是5w2h更合適，還是ab測試，還是aarrr模型，還是其他什么分析方法……其實大多時候是要幾種方法結合，如何結合，如何拆分，這都需要整體思維和底層邏輯。

如果你覺得你想要快速入門數據分析的思維，知乎的這個課程真的很適合，而且除了思維，課程還課程還會教大家使用常見的數據分析軟件，包括數據庫什么的，手把手帶練，不會還能隨時問老師，挺方便的。而且還有學習社群，一群人一起學總比一個人瞎學好叭，反正我學東西一定要有人陪。