新闻资讯
如何快速成为数据分析师?
看了前面很多高赞的回答,很多都是关于如何学习数据分析基础技能的,Excel、SQL、Python等,确实是快速入门的捷径,但在数据分析师成长的道路上不建议采用速成大法,我更建议搭建好数据分析的底层逻辑和知识,基本功打扎实,后面才能在职场上走的更远。我所理解的“快速”不是走捷径的快速,而是站在上帝视角少走弯路的快速。
数据分析师属于易入难精的领域,对于想入行的同学来说,只要会SQL、Excel和基础的数据分析方法就可以;但对于数据分析的高端岗位,需要的不仅仅是数据分析的技术,还需要懂商业、战略、财务、运营等各方面的知识以及思维力和影响力。未来,数据分析技能将成为高端岗位的必备技能之一,人人依靠数据来进行决策。
另外,下周末拟分享下数据分析的常用方法,欢迎关注!
下面结合我个人成长经历、面试上百个数据分析师的经验、内部数据分析师的培养课程和国外大学商业分析数据分析的课程 来说说如何快速成长为一名合格的数据分析师。
本回答内容较多,预计全部读完需要15分钟,对于只关心技术层面的同学,只需要关注第二部分数据分析师的核心技能--数据分析能力即可;需要长远以数据分析作为终身职业的同学,建议全部看完,会对你更有帮助。
目录
一、数据流转流程
二、数据分析师的核心技能
A、数据分析能力
B、思维逻辑能力
C、影响力
三、职场小建议
一、数据流转流程
一般互联网企业数据流转主要有以下六个节点:数据获取、数据存储、数据挖掘分析、数据报表搭建、数据分析及可视化、商业分析及决策建议,广义上的数据分析包括后面四项职责:数据挖掘分析、数据报表搭建、数据分析及可视化、商业分析及决策建议
- 数据获取:内部--通过数据埋点获取用户行为、交易行为等各类型的数据;外部--通过网络爬虫获取外部相关的数据;数据获取一般是产品和技术团队来负责。这是互联网企业数据的起点,没有数据“巧媳妇难无米之炊”,对于数据分析师只需了解数据怎么获取的就可以,感兴趣的可以去了解爬虫和埋点的问题
- 数据存储:通过数据仓库进行数据的存储,一般会分为ODS、DWS DWD、ADS、DIM等数据存储方式,这一般是数仓团队来负责,详细内容可以参考专栏文章萨缪尔:数据分析师面试相关:数据仓库相关。对于数据分析师来说,数仓的部分需要掌握,这是你的上游,合作中会涉及到,有些BI性质的数据分析还要自己搭建底表。
- 数据挖掘与分析:一般会有专门的数据挖掘部门通过算法挖掘数据指标的内部联系,大数据分析、BI或算法部门负责完成机器学习的算法实践
- 数据报表搭建:一般会是BI根据数仓的底表,结合业务运营的需要建立指标体系并搭建看板,一般由BI负责,数据分析指标体系也是专门的一个话题,互联网企业重点关注下流量的分析(流量来源和流量转化漏斗),指标体系选取和搭建是决定一个企业未来发展的关键,也是衡量BI下一部数据分析的基础
- 数据分析与可视化:BI、商业分析、业务运营会根据常见指标进行运营或经营数据的分析,并将其可视化,发现其中的机会点或问题点并改进
- 决策分析:根据前述数据的分析的结果,给出业务发展的建议或决策依据,一般由运营、BI、商业分析等部门来完成
广义上来说,数据分析的跨度较大,这也给数据分析师提供了更多的生存空间,既可以向上游数据技术数据产品去走,也可以往下游商业分析去走,未来,数据分析将会是互联网公司职场很多岗位的必备技能
二、数据分析师的核心技能
先说下数据分析师的核心技能要求,然后再展开来讲:
1、数据分析能力(软件技能+数据分析方法)
2、思维逻辑能力(结构化思维+逻辑思维+战略思维)
3、影响力(拿结果的能力、沟通协调能力、项目管理能力PM)
对于希望快速入门的同学,可以着重提升前面两种能力,方法得当的话,一周以内可以基本掌握,三周可以做到熟练,三个月可以成为半个专家。下面我来说说 数据分析能力和思维逻辑的能力
A、数据分析能力
数据分析能力包括以SQL为基础的数据提取能力,以Python、Excel为基础的数据分析建模和可视化的能力;数据分析的基础方法
1、SQL基础:对于互联网公司来说,一般内部数据会使用SQL去做数据提取,这里面需要掌握SQL的基本语句就可以,数据查询、聚合与连接、函数应用
详细入门可以参考这篇文章,详细讲解了常用的语句和使用方法,一般2-3天可以基本掌握。
萨缪尔:查询分析的利器——窗口函数,有时间的话可以再学习下窗口函数,基本成了面试必问题
数据分析的软件技能:SQL数据库+Python可视化和数据分析+PPT Excel2、Python数据分析和可视化:这是最难迅速提升的部分,难度和复杂度相对比较大,零基础的同学入门预计要花2-3周的时间,当然可以用Excel替代,主要包括:
- 数据读取:文件操作有关,学习文件相关内容(高阶可用Pandas),文件读取、格式转化与时间类型、索引与数据筛选。行列数data.shape,数据类型data.dtypes或者用http://data.info()同时查看这两项,用data.describe()查看连续变量的描述统计量
- 数据清洗:先判断所有不合理数据,在删除或填充,所以和判断、循环有关,学习分支相关内容。列分别有多少缺失值data.apply(lambda x: sum(x.isnull()),axis=0),各行分别有多少缺失值data.apply(lambda x: sum(x.isnull()),axis=1),总共有多少行有缺失值len(data.apply(lambda x: sum(x.isnull()),axis=1).nonzero()[0]),删除重复值data.drop_duplicates()
- 统计分析:通过数学方法汇总指标,和方法有关,学习函数、数学模块相关内容
- 图表分析与可视化:通过制作图表进行更深层次的维度分析,学习可视化的相关内容,趋势分析、构成分析、对比分析,可以参考下面的数据分析基础方法的Python实现
- 关联预测:通过的3、4两步进行合理的关联预测,需要学习相应的简单算法,以及代码的实现应用(加分项)
- 保存数据:保存到文件或者数据库,学习数据库相关内容
3、数据分析的基本方法:对比分析、构成分析、趋势分析,这一块基本看完之后练习下就可以掌握,算是一天吧
- 对比分析,就是给孤立的数据一个合理的参考系,从而判断数据的差异,如不同企业或不同业务的增长对比
- 构成分析是为了更明确地分析各个组成元素的占比,以便于看清楚事物发展的全貌,如分渠道、分地区、分用户、分产品等
- 趋势分析用于产品核心指标的长期跟踪,并找出趋势波动的原因,为业务发展寻找解决方法,如营业收入趋势分析、用户数趋势分析等
B、思维逻辑能力
这是数据分析师最重要的能力,也是短期内不容易掌握的能力,需要花大量的时间去练习掌握。
1、结构化思维:金字塔结构+MECE原则,主要掌握象限法(BCG矩阵+RFM模型)、流程法(漏斗分析+AARRR)和公式法
2、逻辑思维能力:逻辑树分析、归纳演绎、多维分析法
这部分的内容不详细展开了,详细的讲解可以参考我的Live:商业分析师必备技能:思维逻辑
3、战略思维:终局思维+产业思维,这是对数据分析师提出的更高的要求,要以终为始的看问题,要站在产业发展的维度上看问题。
终局思维:看清楚未来的发展趋势和方向
- “终局思维”就是在做一件事的过程中,要时常思考一下这件事最终达成的目标,然后“以终为始”,站在未来看现在,修正自己当下正在做的事情。
- 未来,会以概率的形式“穿越”到现在;“终局思维”就是以时间为矢,找到其中概率最大的可能
- 原则而是未来在现在的概率投射的最大区间,是一种专门应对“突发事件”的“终局思维”(安利下达里奥《原则》
产业思维:产业思维是从社会发展的角度来分析整个产业的进化趋势,社会发展主要包括人口结构的变化、人口移动的变化、技术的进步、经济的发展以及政策等因素,从中寻找适合企业实际的最佳战略选择
C、影响力
影响力的构建是一个长期的过程,需要经历专业性--项目管理能力--共同合作拿到结果,通过每一次内外部合作取得认可,职场上每一个项目每一个发言都算数。
如果想快速入门,掌握第一项能力就可以了,如果想拿到TOP的企业的Offer需要考虑逻辑思维的能力的提升,这则是需要长期去做的了。
三、职场小建议
无论你从事哪一行,你都不只是别人的员工——你还是自己职业生涯的员工。你随时都在和上百万和你一样经营着职业生涯的人竞争,有些人或许学历背景比你优秀,有些人或许比你工作背景更好,有些人或许比你更热衷于职场。所以,如果你想在职业生涯中表现优越,你就必须维持你的竞争优势。
全球化和互联网技术革命对每个人的职业生涯规划都有致命的影响。没人欠你一个饭碗,你必须自己当家。你每天都得和上百万人竞争,得想办法提升自己对工作的贡献,加强自己的竞争优势。你需要随时学习并适应新环境,必要时可能还的从这家公司跳槽到那家公司,或者是从一个产业跳槽到另一个产业。关键就在于你要认清,只有你是自己的主人,如此你才不会成为这场战争的牺牲者。
你是自己职业生涯的老板,每天都要提高自己的产能,提供更好的产品和服务以满足你老板的诉求,以提高你的“存活率”。
最后,有同学在评论区
问“有什么靠谱的数据分析机构?”个人给想入门数据分析师的同学或数据分析师成长路上遇到瓶颈的同学可以关注下 CDA认证考试,边学习边考试,既能快速系统化的入门,又能获取企业的认可,同时帮你建立起数据分析专业发展的脉络。CDA认证分为三个阶段,可以根据你当下的情况选择等级,循序渐进,体系化结构化的建立起数据分析的能力。
CDA Level Ⅰ
面向范围:人人皆需的职场数据思维与通用数据技能
1. 零基础就业转行者、应届毕业生
2. 产品、运营、营销等业务岗与研发、技术岗在职者
3. 企业创始人、经理人、管理咨询类岗位从业者
岗位去向:商业(业务)分析师、初级数据分析师、(数据)产品运营、(数字)市场营销、数据专员等
CDA Level II
面向范围:企业数字化发展中必备的数据分析流程与技能。
1. 产品、运营、营销等业务部门与研发、中台、技术类部门数据分析相关岗位在职者。
2. 数字化转型企业创始人与数字化流程中相关负责人。
岗位去向:数据分析师、(数据)产品运营经理、(数字)营销经理、风控建模分析师、量化策略分析师、数据治理(质量)等
CDA Level III
面向范围:企业数字化发展中必备的高级数据分析方法与技术。
1. 业务岗与技术岗从事数据分析、数据挖掘、机器学习等技术在职提升者。
2. 从事算法科学、深度学习等工作的科研人员、分析师与工程师等。岗位去向:
岗位去向:高级数据分析师、机器学习工程师、算法工程师、数据科学家、首席数据官等
详细内容可以参考CDA认证官网:CDA数据分析认证中心-官网
回复列表