問答專欄Q & A COLUMN
這些都是工具，6K估計是給你開的你所會的這些工具的價格，至于你值多少錢或者將來你在這個崗位上能值多少錢，這首先要看是否人崗匹配，崗位的設定和你會的東西是不是絕大部分吻合的。如果匹配那么就要看你用這些工具能產生多少有價值的增量信息，這個才是關鍵。
業務分析要熟悉行業特點，了解公司業務及流程，有針對性的抓住運營管理的痛點和關鍵點，才能有自己獨到的見解和分析視角，才能給業務部門提供可靠的數據分析。若脫離行業認知和公司業務背景，缺少管理思維，無準確的分析視角，分析的結果只會是脫了線的風箏，無法給運營提供指導，就沒有太大的使用價值。
一般來說需要具備業務及管理知識和IT技術，如下圖。根據所掌握的知識不同一般分為三種類型：
世界很喜歡和我們開玩笑，我們會的知識絕大多數不會太值錢，你需要打破邊際，補充了不會的知識之后才會更值錢。
解決方法一般來說有兩種：
總之，工具不是決定你的價值的主要因素，你的輸出是什么，能解決什么，決定了你的市場定位和價值。
評論0
加載中...
還是老生常談的那句話，數據分析師先學工具是本末倒置。
我一直不提倡想要入行數據分析的人蒙頭就學各種分析工具，學會了R、Python和各種BI工具后就覺得已經成為一名合格的數據分析師了，這根本就是錯誤的想法，也就會出現題主所說的數據分析師只有6K的薪資。
當然不能用薪資來衡量數據分析師的價值，但是一個好的數據分析師平均薪資一定高于這個數。
很多數據分析的書籍和課程都是從統計學知識入門的，很多人在被一堆概念洗腦之后，反而不知道該如何入手。
先要有分析思路
其實在實踐中學習是最快的成長路徑，假設你已半路出家或者正在做分析項目，在此過程中遇到的難題，就是你成為分析師所需要具備的能力。
做數據分析師十之八九都會面臨以下情景：
“我們有一堆數，你分析分析吧，看看能有什么結果。”
有經驗的分析師因為經驗老道，會清楚地知道從什么角度分析，可以解決哪些問題，適用于哪些場景，預計產生什么結果，會將業務問題轉化為數據分析問題。因此數據分析師要具備用數據分析思路和方法，具備分析思維來考慮問題的能力。
那作為小白，在沒有項目經驗時候，可以充分利用模仿技能，參考他人優秀的分析思路和方法。實際業務分析的大多數問題都是有前車之鑒可以學習的。很多分析已經是成熟的分析方法，例如客戶畫像，營銷提升，網站運營，信用卡評分，欺詐作弊等等。
學習領會他人的分析思路，轉化為自己的知識，是邁出分析的第一步。
業務知識重要性
所有數據分析師都會告訴后來人“業務知識很重要”，因為大家在踩了坑之后才恍然大悟分析中遇到的很多難題問題都源于對業務的不了解。數據分析可以說是一門通用的技術，可以運用于各行各業，但是想在行業中成功則需要結合行業知識。
例如，同樣是對客戶進行分析，互聯網電商的客戶與保險客戶具有明顯區別，前者重視來源，活躍度，購買率，流失率，后者關注渠道，報價，理賠風險，投訴。業務知識包括這種大方向的行業知識，也包括公司內部特殊情況，了解得越詳細可以避免繞很多彎路。
例如，有些行為是內部人員參與的造成的數據異常要提前做處理，有些業務開展是帶地區特性的，分析時候要區分對待等。
惡補專業知識
當模仿別人的分析思路和方法時候，分析大方向已經確定了，具體部分需要結合自己的項目情況進行細化。如果只是簡單的數據匯總就能解決的問題就可以直接進入實操階段，但是如果發現需要運營一些復雜的分析方法，則不得不惡補專業知識。
例如做營銷提升，看到多數分析思路中都提到了產品關聯分析。什么是產品關聯分析，需要具備哪些數據，用什么算法，結果怎么應用，產品關聯分析適不適合你目前的場景，這些問題需要惡補分析知識才能回答出來。
眼花繚亂的分析工具
真正做分析時候，你會發現市面上有太多的分析工具，需要掌握的實在是太多了，其實不必糾結于此，依據個人能力，配合當前的數據分析環境，適用的工具自然會被選出。
數據分析過來人都會說80％的時間都在做數據處理工作，所以數據處理能力是必須的，簡單工具有Excel、SQL，復雜的有R，Python，Java。商業工具的報表finereport，SASS。
然后分析建模的能力，鑒于目前有豐富的算法與成熟的模型調用機制包括商業軟件，開源工具等，多數時候僅需要懂得算法原理，然后在實際中調用工具實現即可，不必驚慌。最后是分析結果展示能力，如果是報告或報表則需要運用圖表，有效表達分析觀點，使分析結果一目了然。圖形的選擇、版式的設計、顏色的搭配等等，需要掌握一定技巧。如果是線上應用則需要掌握部署的能力，利用接口調用連接分析與業務。
啰嗦了很多，總結一下數據分析師應該從思維開始，以業務與專業知識為助力，以實際動手操為入口，開啟新征程～
評論0
加載中...
好歹也是想走數據分析師的路，那至少得有分析邏輯吧，在哪里做什么行業的數據分析，以前從事過什么工作做過什么項目，工具掌握到什么水平，期望的工作什么技能需要，幾個問題都不說清楚怎么分析？
評論0
加載中...
工具會的多不如會的精，會的精更要懂業務，否則一地雞毛。數據如果沒有清洗/分析只是冰冷冷的符號，數據本質上是對現實世界的映射。
作為業務數據分析師，首先要懂業務深入了解業務，學習結構化思維形成思考的邏輯，利用工具處理分析數據。
業務數據分析師不是嚴格意義上的數據分析師，業務數據分析師一般在企業是業務督導/銷售管理崗/統計與分析等崗位，從崗位名稱我們也可以知道，他要對行業與業務有很深的了解與見解，沒有業務的深度，即使你邏輯能力和分析工具都很強也是虛的，毫無意義。所以你要有一線的業務經驗或者對一線業務了如指掌，能夠深度挖掘數據，不被表面數據所蒙蔽，也就是能真正分析出有意義的結論。比如看到某個組織人員滿編率很低你要知道為什么很低，可能是滿足學歷的人太少，可能是公司待遇不好，也可能確實是管理層的問題，分析這些必須要掌握一定的業務，否則分析半天也分析不出愿意。
其次業務數據分析師還要有好的邏輯思維與數據分析能力，數據分析師是輔助領導做分析與決策的，類似以前的師爺團隊。數據只是冰冷的符號，只有當它被利用起來才是價值，但數據被利用起來需要很好的邏輯能力，如果沒有很強的邏輯能力，數據就會被歪曲被誤會從而走向錯誤的方向，錯誤的數據分析解讀比沒有分析還可怕，當然任何工作都需要有邏輯能力，數據分析師的嚴謹性要求其要有更強的邏輯能力，關于邏輯能力的書可以推薦基本，一本是《金字塔原理》，還有《麥肯錫意識》，都是前麥肯錫人寫的，看完你會煥然大悟。數據分析能力也是數據分析師必備的，最簡單的就是有數據感，看到數據就像看到業務場景一樣，能夠獲取信息了解業務基本情況，再深層次一些統計與數學好，數學與統計是數據分析的基礎。
至于說工具，對于業務數據分析師來說，沒有太高的要求，玩轉Excel/Word/PPT，會用sql提取數據基本差不多，至于統計分析軟件，數據分析工程師用的比較多，那個對數學與統計學要求高一些，業務數據分析師沒有必要學那么多。
看你要學習一堆工具，多說一點工具的，SQL是結構化查詢語言，是通過SQL語言去數據庫提取數據，對于數據分析師來說就是提取數據，Python/r/spss是統計分析工具，用來處理分析數據，對數據作可視化操作，Excel也是基本的數據分析工具，也是用來分析數據/可視化數據的，只是可操作數據量相對小，最大可操作數據100萬行，量再大就需要使用數據庫了，但處理方便，門檻低，是絕大部分業務數據分析師的基礎。
評論0
加載中...0
回答0
回答0
回答0
回答0
回答0
回答0
回答0
回答0
回答0
回答
