結合自己的成長經驗，從一個數據分析師成長為管理過近百人的數據團隊的負責人，也許有不少經驗和走過的坑可以總結，從而幫助大家。所以決定接下來寫一個《數據分析師》成長記錄。同時也回答收集到的各個問題。本篇寫了數據分析師的入門需要的基本的知識，邏輯，工作方法。

了解數據分析師

數據分析師是企業在未來10年內最重要崗位之一，也許再過幾年，對任何企業中的80%的崗位，都要求掌握數據分析能力。為什么？從幾個層面簡單來說：

①在行業層面：在大數據時代下，互聯網、移動互聯網與各個行業的結合，以及未來即將到來的物聯網，各個企業面臨的競爭壓力越來越大，面對越來越快的用戶需求變化，都需要基于數據來快速做出決策，決策的反饋越來越快?；诮涷灥姆答伈皇遣恢匾?，還是非常重要。但是現在是一個追求速度、追求快速迭代的時代，不管是個人與企業，能把經驗+數據結合的人才也許是未來真正需要的。

②在企業層面：在現在這個大數據時代下，對各種數據的獲取與處理已不是問題，2019年開始，很多企業都在說修煉內功，如何修煉內功，我想這個內功心法就是：“企業數字化”。

③在個人層面：每個人都在企業工作中都會收到各種各樣的數據，面對這些數據，你必須具備的能力是知道怎么處理，怎么解讀，怎么分析數據，怎么去開展工作，你需要基于相關的數據與分析！可以回答：

• 現在業務的問題是什么？
• 為什么要制定這個計劃要，改善與優化什么數據指標？
• KPI目標如何實現，你的計劃分別是什么？
• 如何提升各個環節的效率？
• 做個數據分析報告，看怎么開展下一步工作？
• ……

數據分析師的價值是什么

回到一個公司，數據分析師主要干什么的呢？數據分析師主要的價值體現在哪些方面，這是我幾年前給數據分析師下的定義，現在看來非常適應。

數據分析師是從數據的角度，使用一定的方法與工具，對數據進行加工處理，結合商業場景進行結構化分析。幫助公司相關業務部門監控、定位、分析、解決商業問題，從而幫助公司業務部門高效決策，提升經營效率，發現業務機會點，讓企業取得持續競爭優勢。

例如，在企業內部，數據分析師經?；卮疬@些問題：

• 發生了什么，發生的頻率是怎么樣的？
• 為什么會發生？現在應該采取什么樣的行動？
• 如何提升用戶活躍度？
• 未來的趨勢是什么？
• 是否錯過了生意機會點？
• ……

坦白說，能理解這段定義，基本也知道數據分析師應該干什么，也知道數據分析師要具體什么樣的能力了。

基于以上，數據分析師也必須深刻理解“數據是數據分析師的武器”。數據分析師要“懂數據”，什么叫“懂數據”，同時大家都說數據分析師要懂業務，數據分析師“懂數據”要分二個層面：

①數據是在哪個業務場景產生的，是對應什么樣的業務動作。怎么理解？例如：在外賣這個場景中，配送開始時間是當配送員點擊配送記錄；配送結束時間是當配送員送到后點擊配送結束。當你知道這個數據產生場景的時候，你就針對這個場景，要設計統計某個數據指標應該怎么計算：

該外賣單配送時長=配送結束-配送完成

當你以這個指標去衡量，作為一個很重要指標衡量外賣配送服務的時候，可以與配送設定目標相比，例如：希望是30分鐘送到，那就這個值與30分鐘比；或者說與顧客預約時間上限相比：配送結束時間小于顧客預約時間上限；當定義好這個數據指標：分析師就要基于這個相關數據以這個數據指標為方向，不斷優化數字。

②數據質量。當以這個指標作為KPI，很容易會導致對數據“造假”。配送員遲點開始配送，或者是提前核銷配送結束，以保證這個數值達到KPI目標。這里就是我們提到的第二個層面，數據質量問題。

該數據存在于哪個數據庫，哪個表。需要知道數據存在哪，你要按上面的邏輯去加工，就需要一定的工具，往往是SQL是第一步處理；第二步可能需要更深入需要用到統計方法或者機器學習模型，往往要掌握一門工具，現在比較流行是Python。

小提示：

如果一個數據分析師，在你自己的企業內部，你能這樣去“懂數據”，你會發現你工作就是圍繞幾個核心的“數據指標”開展，你也很清楚自己的價值是什么。

數據分析師的工作是怎樣的

數據分析師的工作是怎樣的，可以通過這個問題來回答： “海洋老師您好，目前轉行在乙方坐數據分析。公司流程原因，沒有機會接觸業務，工作就像人工取數機，顛覆了我對數據分析的認識，而且自己認為只取數沒有成長，而且沒有任何價值。對下一份工作比較迷茫，想去業務想關的，但是不知道方向，謝謝海洋老師?！?/span>

這個情況，可能是甲方通過工單或者需求描述提個需求給你，叫你從數據庫中提取數據，按要求來進行。往往就是要求保證按他的邏輯，或者他的定義來實現。

可能碰到的問題，就是數據提取的反復；往往可能是業務沒有描述清楚導致；當然也有可能是你對底層表不熟悉，或者業務不熟悉在寫SQL的時候或者構建報表的時候邏輯不對。

這個不僅僅在乙方，在甲方也許也有過之而無不及。有處理不完的數據需求，有處理不完的報表需求，哪有時間去思考業務？哪些時間去分析業務？哪些時間去了解業務？

我的成長經驗分享：這都是借口

①對團隊新人，我之前說過；你每天抽1個小時，半個小時時間自己去思考：

• 為什么業務給你提這個數據需求？
• 他提這個數據需求到底解決什么問題？

你和提需求最多的業務伙伴有沒有1對1溝通過。很多時候，約著一起吃飯，帶著請教的問一下需求方，需要我們支持什么？你們現在主要的業務問題是什么？態度好一點，謙虛一點，當你服務一段時間后，你這樣溝通會得到很多業務信息。

②難道你真的007了嗎？

• 你對公司的業務，你面對的業務方都足夠熟悉了嗎？
• 每月你有去體驗一下公司的產品，公司的服務流程嗎？
• 你每月有花錢購買公司服務，從用戶角度去思考問題嗎？
• 你有花時間，看你每天提取數據的表，對應業務哪個環節嗎？
• 相關的環節的衡量的數據指標是什么？
• 業務最想提升哪些指標？
• 如果你是業務你會怎么辦？

思維導圖記錄下來，寫下你的思考；提個數據看看。

③你沒有去關注些行業公眾號或者相關網站，去看看同個行業的人是說什么，在干什么。雖然很多分享與演講是最好的，所以一般是分享的最佳實踐，也許不一定人家已經完成最佳實踐了，但說明人家在路上，你也知道行業是什么樣子的。

看完行業的文章，有沒有結合一下?？纯醋约汗?，自己做到大概是什么程度；對比是為了找到差距，不是抱怨，別人都做的那么牛了，我們還在“原始社會”。對比是為了：

看到別人的方向是什么，為自己或者團隊提供參考。

對著別人的內容，我們可以參考做一做；基于看到的內容，如果自己要做好，自己能力上或者條件上是否還有欠缺。

了解業務是很多方法，比如：

• 自己主動去實踐業務流程；把業務流程與數據產品串上進心來。
• 主動去找業務方或者這個行業的人請教，構建好與業務的關系不管是甲乙都是核心；你是幫助他解決問題，如果你態度不是很差，愿意謙虛一點，大多時候都愿意；
• 往行業的最佳實踐看看，當然其它行業也是可以參考。數據架構，數據分析思考，數據價值實現與傳遞其實都是通的，就像下一部分要說的數據工具與方法一樣，這是通用的。

成長經驗分享：

能幫助企業解決問題，才是你作為一個數據分析師價值的關鍵。業務同學不關心你的掌握了什么技能，會用什么方法。更關注是不是你和說的內容和描述的需求，提出的問題，你能理解，你能和他交流的來（用現在的詞來說叫同頻），他會覺得你懂業務。和你交流或者問題反饋給你應該是靠譜，有希望的。

數據分析工具與方法

對于數據分析方法與工具，是大多數據分析師或者很多人評估一個數據分析師是否有“技術”。你會使用hive，會spark，會python，我懂各種大數據工具，我懂各種機器學習模型。這個非常非常重要，但是可能相對來說：

• 你理解這些工具用來干什么。用來解決什么問題，可能更重要；
• 每個工具要完全精通，可能需要花費很多時間，很多時間；所以我比較建議大家掌握工具最常用的內容。然后在實際工作中，結合自己需要用到的內容來“干中學”；
• 如果你對這個感興趣又有時間，例如：python爬蟲我可以很感興趣，所以我去學習這個技術，以及如何實現。在實際工作中，發現未來也有可能用到，像這種在有時候去學習。把學習好的內容可以寫個學習筆記，寫個文章總結下來；

成長經驗分享：

我之前也花有很多時間去學習各種工具，R語言與python，SQL的各種技巧，excel各種技巧，但發現學習后很多不用就忘記了。其實學習的初心，就覺得學習會這些就很牛B的，就可以找到非常好的工作！成長下來：這是一個必要條件，而非充分條件。我學習的時候非常喜歡把學習筆記，自己的思考寫下來。核心就是為了自己回過頭去看看，去思考，去對比現在與當時。我寫的內容當時主要為自己看，當然順便也幫忙一些小伙伴。

SQL+EXCEL+PYTHON是必備要掌握的工具，SQL是核心，怎么強調都不過分。因為大多數據都數據處理都還是通過寫SQL程度來完成，這個SQL語言不僅是在關系型數據庫，而且現在各種大數據工具都會有SQL引擎，例如：hive，sparksql，clickhouse等都支持寫SQL完成。

EXCEL就不用說了，就用于完成最后一公里；把EXCEL的做圖，透視表，相關函數重點掌握了，一些特定的小技巧，碰到的搜索一下應該都能解決。當然看到一些小技巧也可以記錄下來放到自己博客中，也方便查找。

Python 現在是未來要做統計，爬蟲，機器學習，一些復雜數據處理邏輯必備的工具，所以有空我建議可以去學習；但是PYTHON非常大，還是建議先學習基礎，有基礎后結合實際工作中來用，不然會“云里霧里”。