眾所周知，精通Excel不叫精通數據分析，會講述啤酒與尿不濕的案例并不代表你能洞悉數據，PPT做得漂亮也并不能為你的數據分析能力加分……我們做數據分析是為了能以量化的方式來分析業務問題，并得出結論。其中有兩個重點詞語： 量化和業務。

量化是為了統一認知，并且確保路徑可回溯、可復制。 統一認知后，才能保證不同層級、不同部門的人在平等話語權和同一個方向上進行討論和協作，才能避免公司內的人以“我感覺”、“我猜測”來判斷當前業務的情況。而最終只有解決 業務問題分析才能真正創造價值。

一直以來，不少同事、朋友在問我怎么成為一個數據分析師、數據產品經理？都需要哪些知識儲備？今天小億就來為大家系統的分享一下什么是數據分析師，以及該如何快速、深入的學習這些技能與知識？

—01—

什么是數據分析師？

數據分析師指的是不同行業中，專門從事行業數據搜集、整理、分析、并依據數據做出行業研究、評估和預測的專業人員。

換句話說，數據分析師是一個崗位，只要掌握了數據分析方法和思維，做技術的、做業務的，都可以稱為數據分析師， 其工作內容本質上就是從數據中分析出商業價值或者建模發現知識，從而去推動業務，輔助決策。

—02—

數據分析師

如何為企業創造價值？

一個完整的企業數據分析體系涉及到多個環節：采集、清理、轉化、存儲、可視化、分析決策等等。其中，不同環節工作內容不一樣，消耗的時間和產生的價值也相差甚遠，如圖所示。

比如，互聯網企業數據分析體系中至少有三方面的數據：用戶行為數據、交易訂單數據和CRM數據。工程師把不同來源的數據采集好，然后通過清理、轉化等環節統一到數據平臺上；再由專門的數據工程師從數據平臺上提出數據。這些工作占用了整個環節90%的時間，然而產生的價值卻只占10%。

這個金字塔再往上數據分析就和業務實際緊密結合，以報表、可視化等方式支持企業的業務決策，涵蓋產品、運營、市場、銷售、客戶支持各個一線部門。這個部分占用了整個環節才10%的時間，但是卻能產生90%的價值。

一個優秀的商業數據分析師應該以價值為導向，緊密結合產品、運營、銷售、客戶支持等實踐，支持各條業務線發現問題、解決問題并創造更多的價值。

—03—

數據分析師常見的種類

都有哪些？

1.數據產品經理

在產品經理的能力基礎上，增加數據思維。數據產品經理不僅懂得埋點原理，能夠通過抓包等工具抓取數據并進行分析。同時還能夠參與數據化產品的制作，如BI報表、CRM系統、AB test試驗后臺等。

比如老板想搭建一個用戶行為監測平臺，這時就需要根據老板的需求，轉化為詳細的技術需求，提給技術去開發，這就是數據產品經理的日常。

2.數據分析師

這就是我們常說的商業化數據分析師，主要負責0-1搭建可視化監控報表，利用數據挖掘和洞察業務，為需求部門提供數據支撐、分析報告、商業化模型等服務，這里面的核心是監控、挖掘、有價值和服務，在公司里擔任領導的眼睛與大腦的角色。

3.數據建模師

數據建模師也叫算法工程師，是數理統計知識、編程與業務思維集一身的模型大師，通過建立數學模型、利用算法實現增長，可以說是一家產品的靈魂工作者，比如信息流產品的推薦算法、金融行業的反欺詐和信用評級等。

4.數據工程師

數據工程師的職能更偏向技術工程，主要的工作職責是搭建數據倉庫、創建ETL、進行數據治理、數據安全等方面的工作、通過提升運行速度，優化數據結構，更好地服務于數據使用方，比如數據分析師、數據產品經理及數據建模師等。

5.數據科學家

綜合性人才，數據分析能力、統計學基礎、業務能力、算法與溝通能力集聚一身的人才。包含以上所有的技術與能力。

—04—

成為數據分析師

需要具備哪些能力？

1.業務能力

數據分析最終只有解決業務問題分析才能真正創造價值，即 數據分析師需要具備業務能力，而企業每一項業務本質上是公司整體戰略的支撐，因為數據分析師首先要理解了戰略，才能選對分析思路的方向。

其次要對自己的行業有足夠敏感度，及充分理解行業。即多與業務部門核心團隊進行溝通，多關注行業網站，多閱讀行業數據分析報告做好積累，比如處于什么階段，自己所在的位置，當前的重點業務方向在哪里，碰到了哪些挑戰，總體的解決思路是什么。

最后還需要具備業務崗位的實戰經驗，對于業務的理解不是簡單的看文檔就可以的，一定來自于對于公司業務的實際流程、機制、平臺、數據等的充分的理解，最好在實際相關崗位實踐過。

2.數據能力

作為數據分析師，首先需要理解企業的數據指標，每個企業企業都有一套KPI指標體系，圍繞KPI指標還有一系列的執行監控指標，作為數據分析師一定要對企業的核心指標體系有深入的理解，要能從本質上區分指標的差異，就得對指標的生成過程有透徹的理解，包括從哪個表，哪個字段層層計算匯總而來。

其次要擁有全局的數據視野，即在大多數公司里，數據分析師的工作是專業化的，但其實你分析要的數據是全方位的，不會有劃定的專業邊界。在實踐中，數據分析師往往不知道到底有多少數據，其數據分析的深度和廣度由于其視野的狹窄而受限，數據分析師應對數據字典進行系統的學習，自底向上的實踐很重要，但自頂向下的學習也很必要。

最后還需要具備了解數據的深度，數據字典體現的往往只是表層的數據含義，如果你希望分析的更為靈活，就需要理解數據之間的依賴關系和來龍去脈，因為每張數據表都是由下一層次的表關聯匯總而成，但匯總意味著信息的丟失，只有具備追根溯源的能力，你才更有可能基于更多的信息獲得更大的分析自由度，比如看到業務系統上某個菜單的功能，需要對應到系統中的數據是怎樣的。

3.技術能力

作為數據分析師，當然還是需要有必要的技能傍身，比如精通SQL、數據庫原理、Excel/報表/BI工具技能。除此以外，上下游技術領域，比如數據倉庫、數據架構、ETL，需要了解甚至會用，比如：

（1）SQL是最靈活的操作數據的語言，任何一個數據庫都會提供SQL的支持，它架起了業務和數據的橋梁，簡單易學，性價比很高，也是數據分析師的必須要學習的語言。

（2）EXCEL提供了最為靈活的輕量級數據的加工和呈現的能力，對于EXCEL的掌握是任何數據分析師的基本功，透視圖，圖表，公式，計算都是極其方便的工具。

（3）BI很大程度上就是用一些可視化技術來進行指標比較的藝術，有助于你更快、更直觀的發現問題和定位問題，畢竟人腦對圖表、圖像的敏感度更高。

（4）數據挖掘技術，比如聚類，分類，預測等等隨著機器學習，人工智能工具使用門檻的降低，數據分析師要掌握至少一種挖掘的方法。懂得如何構建模型，尤其是在金融、運營商、互聯網、零售等這些數據成熟度較高的行業。

4.溝通能力

對數據分析師來說，溝通能力是非常重要的，因為很多項目需要上層來推動，然后配合的時候需要各業務部門領導去配合你理清需求里數據，執行的時候又需要技術、業務整個鏈條的配合。

溝通本質還是為了解決問題。明確溝通目的，邏輯清晰的表達，然后站在對方考慮知道對方要什么，溝通也沒那么困難。

比如對上溝通，要抓住一切機會去溝通清楚分析的目的到底是什么，領導有什么預期，與此同時，你也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，例如業務如何理解？如何讓數據取得更快？發現數據問題如何盡快的確認原因？都考驗著你的實際人脈和權威。

除此以外，數據分析師還有一個重要的表達，就是匯報數據分析成果，要學會將問題和分析場景串聯起來講故事，要能通過量化的數字和生動的場景來宣導數據的價值。

—05—

如何快速成為數據分析師？

1.Excel數據分析

每一位數據分析師都脫離不開Excel。它是日常工作中最常用的工具，如果不考慮性能和數據量，它可以應付絕大部分分析工作。雖然現在機器學習如今很常見，Excel依舊是無可爭議的第一工具。對于沒有經驗的你，Excel是一款必須熟練的工具。它是日常工作中最常用的工具，如果不考慮性能和數據量，它可以應付絕大部分分析工作。

2.SQL數據庫語言

作為數據分析人員，我們首先要知道如何去獲取數據，其中最常見的就是從關系型數據庫中取數，因此你可以不會R，不會python，但是你不能不會SQL。

DT時代，數據正在呈指數級增長。Excel對十萬條以內的數據處理起來沒有問題，但是往小處說，但凡產品有一點規模，數據都是百萬起。這時候就需要學習數據庫。比如在很多企業的招聘條件中，越來越多的產品和運營崗位，將會SQL作為優先的加分項。SQL是數據分析的核心技能之一，從Excel到SQL是數據處理效率的一大進步。

主要了解數據庫查詢語言，where，group by，orderby，having，like，count，sum，min，max，distinct，if，join，left join，limit，and和or的邏輯，時間轉換函數等。學習SQL最快的方法是能自己下載數據庫管理工具，找些數據練習?？蛻舳诉@里推薦MYSQL。推薦書籍：《MYSQL必知必會》

3.數據可視化&商業智能

數據可視化不僅是一門技術，也是一門藝術，同樣的數據在不同人的手中，展現出來的效果會千差萬別，掌握這門技術會成為職場的加分項。

4.數理統計學

統計學是數據分析最重要的基礎之一，是數據分析的基石和方法論。統計知識會要求我們以另一個角度看待數據。當你知道AB兩組的差異用平均值看是多傻的事情，你的分析技巧也會顯著提高。

這里我們需要從基礎的統計理論(描述性統計、區間估計、假設檢驗等)出發，到基本的統計分析（T 檢驗、方差分析等），最后到商業常用的模型（回歸分析、方差分析等），學習數據分析背后的邏輯，掌握實用統計學的概念和會利用統計的思維去思考問題。推薦書籍：《從零進階 數據分析的統計基礎》-曹正鳳、《統計學》-賈俊平

5.數據分析與軟件應用

SPSS是統計分析入門軟件，如果你想快速入門而又不想學習編程，我推薦使用SPSS。SPSS軟件是世界三大統計分析軟件之一，以其易于操作、易于入門，結果易于閱讀的優點，一直備受數據分析人員的青睞，一般經過短期學習即可用SPSS 做簡單的數據分析，包括繪制圖表、簡單回歸、相關分析等等。

學習SPSS的重點并不在于軟件本身，而是相關的統計學知識，這也是在前面建議大家鋪墊的，也就是你要學會怎樣去分析“輸入數據后，軟件給你呈現的結果”。推薦書籍：《如虎添翼 數據處理的SPSS/SAS EG實現》-徐筱剛、《胸有成竹 數據分析的SPSS／SAS EG進階》-常國珍、《SPSS統計分析基礎教程+高級教程》-張文彤

6.數據分析行業應用和數據分析思維

對于數據分析師來說，業務的了解比數據方法論更重要。當然很遺憾，業務學習沒有捷徑。 推薦書籍：《增長黑客》《精益數據分析》

—06—

小結

在國內不同層次的數據分析師每天的工作場景都不一樣。

基礎的數據分析師，每天基本上都是整理數據報表，寫sql，查數據。任何一個數據分析師都無法跳過這個階段，都需要從基層做起。

中層的數據分析師，具備一定獨立工作能力，除了做些數據報表工作，會獨自承接一些獨立問題做專題分析，比如為什么銷售會下降、運營現狀怎么樣，然后搭建一套數據指標體系去描述現狀，分析問題。

高級的數據分析師，或者說部門領導/總監，每天基本上都是在開會。管理層的會議、其他業務部門的會議，都會拉上。他們一般都不怎么碰數據，大部分工作就是溝通。當然除了開會以外，也會分析問題，站在高層的角度，梳理決策建議。

但無論處在什么崗位，數據分析只是起點，用數據驅動業務驅動企業管理，做到這個地步才是真正的價值終點。因此大家多去了解業務?？纯锤鞑块T是如何開展工作的，熟悉業務流程，看看報表，主動思考和發現問題，看觀察他們如何將問題轉化為具體舉措落地的。相信沿著此路線學習，你會在數據分析道路上有所收獲。

報名方式

登錄CDA認證考試官網注冊報名>>點擊報名