一、岗位理解
数分不是局限于报告，而是自己能生成能够落地的工具，比如api, web，模型等，分析出对真实业务有指导意义的结论，让数据产生“价值”。
岗位职责：
1. 数据规划：收集整理业务部门数据需求，搭建指标体系；
2. 数据采集：采集业务数据，向业务部门提供数据报表；
3. 数据分析：通过数据挖掘、数据模型等方式深入分析业务数据；提供数据分析报告，定位问题，提出解决方案。
以运营人员为视角的框架可以将数据化运营体系分为四层架构：数据收集层，数据产品层，数据运营层，用户触达层。
数据收集
数据化运营体系的底层是数据收集，数据是整个体系中的石油。数据收集的核心是尽可能收集一切的数据，它有两个原则：宜早不宜晚，宜全不宜少。
宜早不宜晚，意思是产品从创立阶段，就需要有意识的收集数据，而不是等到公司发展到B轮、C轮才去收集。数据化运营贯彻产品全阶段，不同阶段有不同的运营方法。
宜全不宜少，指的是只有不合适的数据，而没有烂数据。像历史数据、变更记录或者细节处的数据，都存在价值。
举一个例子，有一家金融产品，它的征信系统会详细记录用户的行为，用户在借贷时上传担保资料，会记录用户在这些页面的操作步骤和时间。这里有一个假设，上传担保资料普通人一定是谨慎小心的，如果这步骤完成的非常顺畅快速，很可能是会违约和欠款的人群：你操作那么溜，是不是想捞一笔？属于熟练工作案。征信系统会把这些数据作为特征判断风险。
数据加工
数据产品是对数据的加工和利用，它属于技术和自动化的范畴，由计算机对原始数据进行处理。
- Persona，也叫做用户角色，是描绘抽象一个自然人的属性，用于产品和用户调研。
- Profile，是和数据挖掘、大数据息息相关的应用。通过数据建立描绘用户的标签。
我们将数据加工为指标，以其为核心，构建和规划数据产品。如何展现指标（BI），如何提高指标（算法），如何计算出指标（ETL），如何与指标组合（用户画像）。我们现在获得了这些「产品」，接下来就是使用，运营和产品人员就是它们的用户。
数据运营
数据运营层，是运营人员将数据转化成运营策略。以人为主要生产力，和数据产品的计算机自动化对应。
我们系统化的使用各种加工后的数据，以精细和精细为手段目标，以把握未来为方向，指定运营策略。
运营触达
整个体系的前三层用户都感知不到。用户直接感知到的是产品的推送通知、Banner、广告位、活动、文案、商品的展示顺序等。在与产品交互的过程中，用户会以直接的反馈表达自己喜恶。
感兴趣的会点击，喜爱的会够买，讨厌的会退出…这些构成了新一轮的行为数据，也构成了反馈指标：点击率、转化率、跳出率、购买率等。这些指标就是用户触达层的结果体现，也是数据化运营的结果体现。好与不好，都需要验证。
二、技能储备
1. 统计学相关知识
⭕使用聚类分析模型构建用户画像
⭕使用回归预测模型评估整合营销效果
⭕使用分类行为预测用户购买行为
2. Excel的熟练使用，报表关联，数据透视等。
⭕数据透视表
⭕Vlookup函数
3. SQL语法，了解数据库知识
SQL基础教程
SQL必知必会
4. python或则r，需要有建模能力
5. 业务理解能力
⭕理解业务数据，能根据分析目标提取有用数据
⭕使用相关指标分析数据
6. 项目经验
误区
1， 数据分析岗大多数用不到python与r！机器学习更是用不到！
以我目前的工作为例，我用到的工具是google.docs(类excel工具)，和ppt.word.sql等等。而python和r是非必要工具，感觉像是简历中的加分项，当然我也认为数据分析需要必备掌握其的中一门，但是这并非求职中的必备项。机器学习就更不用说了，还是先理清自身公司数据的异常值，数据准确度，数据指标的逻辑等等吧。乱脏数据都没理清，谈何建模。若你想快速进入数据分析岗，python和r可以入岗之后学，专心做一两个项目出来才是关键！
2， 认为数据分析岗普遍工资很高！
在知乎文章看多了，觉得转行就有9K上万，现在想想也是醉了，感觉做到这个数字的人。应该有他的原因，但我认为如果条件和我相差不远的话，很难做到。在广州面试了两个礼拜，拿到的offer的工资都在4.5~6之间！然而这些岗位的招聘条件几乎都是6-1w。印象最深的是有个做邮件推广的公司，招聘时写着7.5-1.2，去到只有3.5(黑人问号??。虽说拿到不少面试邀请（16个拿了8个offer，都是小公司）但满意的真的很少很少，最后找到心灰意冷的时候，终于拿到一个算是满意的offer。而我最满意的三个公司都没有给我复试的机会。想起还有些难受。
3， 误认为数据挖掘岗就是数据分析岗！
面试时候就能强烈的感受到这两者的区别。
一般数据分析岗，招聘标题为：1，数据运营。2，数据分析师。3，数据分析专员。4，数据产品经理。等等
而招聘数据挖掘，标题：数据挖掘工程师。（算法工程师不算）
数据分析岗会偏向对业务的理解，学历大专往上。工具除了excel和sql,也会包括一些流量统计的工具，比如google analytics,百度统计，百度指数等。对编程要求比较少，只是加分项。数据挖掘岗，除业务理解对编程也有一定要求。机器学习必须了解，对工作经验也有要求。
参考资料
七周成为数据分析师 如何快速成为数据分析师？ - 秦路的回答 - 知乎
【数据挖掘】用户画像
用户画像思维导图