以下是一位在数据分析领域打滚了N年后的分析师写下的一些总结和体会大家可以借鉴学习!
一、成为数据分析师有哪些要求?
1、理论知识要宽泛,涉及数学、市场和技术。要求及对数据敏感,包括统计知识、市场研究、模型原理等。
2、常规分析工具的使用,包括数据库、数据挖掘、统计分析工具,常用办公软件(Excel、PPT、思维导图)等等。
3、有一定的业务理解能力,能理解业务背后的商业逻辑。因为只有理解了商业问题,才能转换成数据分析的问题,从而满足部门的要求。
4、数据报告和数据可视化的能力。数据分析得再好,如果不能以漂亮的方式“表达”,成效也会大打折扣。
二、把数据分析当做一种能力来培养
现在大多工作都需要你拥有逻辑分析能力,尤其是对数据的分析理解。在数据化运营理念深入的今天,BAT这样的大型互联网公司强调全员参与数据化运营,把数据分析当作一种能力在培训,也必定是未来趋势。
三、数据分析师所需具备的能力和知识(从数据分析的4个步骤来理解)
数据分析的四个步骤:数据获取、数据处理、数据分析、数据呈现。
1、数据获取
数据获取看似简单,但是需要把握对问题的商业理解,转化成数据问题来解决,直白点讲就是需要哪些数据,从哪些角度来分析,界定问题后,再进行数据采集。此环节,需要数据分析师具备结构化的逻辑思维。
推荐书籍:《金字塔原理》、麦肯锡三部曲:麦肯锡意识、工具、方法;
推荐工具:思维导图工具(Xmind\百度脑图等);
2、数据处理
数据的处理需要掌握有效率的工具:
Excel及高端技能:日常工作通用,容易掌握,处理10万级别的数据很轻松。
学习高端Excel需要哪些技能?
学习excel是个循序渐进的过程
基础:简单的表格数据处理、打印、查询、筛选、排序
函数和公式:常用函数、高级数据计算、数组公式、多维引用、function
可视化图表:图形图示展示、高级图表、图表插件
数据透视表、VBA程序开发
按照我习惯的方法,先过一遍基础,知道什么是什么,然后找几个case练习。多逛逛excelhome论坛,平常多思考如何用excel来解决问题,善用插件,还有记得保存。
帆软FineReport:专业的报表工具,日常做报表设计一个模板可通用,只要会写SQL就可上手。相比excel做报表,开发的技术要求较少,能很快地开发常规报表、动态报表,并可以放在移动端和大屏查看。
Oracle和SQL sever:企业最常用的千万级别的数据库,熟练掌握SQL语言。
保持不断的技术学习,比如学习新流行的Hadoop之类的分布式数据库来提升个人能力,对求职有帮助。
3、分析数据
分析数据往往需要各类统计分析模型,如关联规则、聚类、分类、预测模型等等。
因此,熟练掌握一些统计分析工具不可免:
SPSS系列:老牌的统计分析软件,SPSS Statistics(偏统计功能、市场研究)、SPSS Modeler(偏数据挖掘),不用编程,易学。
SAS:经典挖掘软件,需要编程。
R:开源软件,新流行,对非结构化数据处理效率上更高,需编程。
各类BI工具:
Tableau:可视化工具的鼻祖,对于处理好的数据可作自由的可视化分析,图表效果惊人
大数据BI工具FineBI:类同Tableau,可在前端做任意维度分析;数据可在前端继续处理(计算、筛选过滤等),可对接hadoop之类的大数据平台,数据处理性能较好。
推荐书籍:
1、《说菜鸟不会数据分析》系列,入门级书,初学者最适。
2、《数据挖掘与数据化运营实战,思路、方法、技巧与应用》,内容很系统很全面。
3、《市场研究定量分析方法与应用》,简明等编着,中国人民大学出版社。
4、数据可视化呈现
很多数据分析工具已经涵盖了数据可视化部分,只需要把数据结果进行有效的呈现和演讲汇报,可用word\PPT\H5等方式展现。
四、关于数据分析师的职业发展
1、数据分析师通常分两类,技术型分析师和业务型分析师,分工不同,但各有优势。
技术型分析师是在专门的挖掘团队里面从事数据挖掘和分析工作的。如果你能在这类专业团队学习成长,那是幸运的,但进入这类团队的门槛较高,需要扎实的数据挖掘知识、挖掘工具应用经验和编程能力。该类分析师更偏向技术线条,未来的职业通道可能走专家的技术路线。技术型分析师的角色包括数据工程师、挖掘工程师、数据科学家、建模工程师、数据架构师、ETL工程师等,这些称谓都或多或少代表了其工作性质。
业务型分析师是下沉到各业务团队或者运营部门的数据分析师,成为业务团队的一员。他们工作是支撑业务运营,包括日常业务的异常监控、客户和市场研究、参与产品开发、建立数据模型提升运营效率等。该类型分析师偏向产品和运营,可以转向做运营和产品。
2、数据分析师的理想行业在互联网,但条条大道通罗马,走合适你的路线。
从行业的角度来看:
1)互联网行业是数据分析应用最广的行业,其中的电商企业,更是目前最火的,而且企业也更重视数据分析的价值,是数据分析师理想的成长平台。
2)其次是咨询公司(比如专门的数据挖掘公司Teradata、尼尔森等市场研究公司),他们需要数据分析人才,而且相对来说,数据分析师在咨询公司成长的速度更快,专业也会更全面。
3)再次是金融行业,比如银行和证券等行业,该行业对数据分析的依赖需求,越来越大。
4)最后是电信行业(中国移动、联通和电信),它们拥有海量的数据,在严峻的竞争下,也越来越重视数据分析,但进入这些公司的门槛比较高。
五、什么人适合学习数据分析?
这个问题之前有详细写过一篇文章哪些人能做好数据分析?就好比学功夫一样,既要有天赋也要有后天的努力,但我想后者占大部分,铁杵也能磨成针。
六、如何系统地学习数据分析?
学习方法千万种,关键是找到适合自己的,最好能够结合你的工作遇到的问题来学习。
这里我列举一个经典的从0到1的入门方法
第一周:Excel学习掌握
第二周:数据可视化
第三周:分析思维的训练
第四周:数据库学习
第五周:统计知识学习
第六周:业务学习
第七周:Python/R学习
七、最后
请再次问问自己,是否真的喜欢数据分析,能否忍受处理数据时的寂寞?如果是,那就宜早不宜迟,马上开始行动吧。
再次强调:
1、把数据分析作为一种能力培养,让自己在现在的团队中展现出良好的数据分析能力,为你以后内部转岗做好准备。如果内部转岗不成,你可以考虑跳槽到我之前分析的行业中,但我强烈建议你还是需要把系统开发的编程能力学习好,并且对商业智能系统(BI和CRM)有一定了解,这也许是应聘数据分析的优势。如果没有数据分析经验去应聘,相对会难一些,用人单位会考你统计和数据挖掘模型方面的知识,以及工具使用情况。
2、扎实学好一、两门数据挖掘软件,基于你已有得编程基础,可以学SAS或者R,基本能够满足很大部分企业的需求。
3、多看多想多观察,学习业务职能是这样,细水长流,还需要不断工作积累和广泛的阅读。
最后,希望你能够成为你想成为的人!
来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/21472864/viewspace-2137670/,如需转载,请注明出处,否则将追究法律责任。
转载于:http://blog.itpub.net/21472864/viewspace-2137670/