什么是數(shù)據(jù)分析師(Data Analyst)?

數(shù)據(jù)分析師指的是不同行業(yè)中，專門從事行業(yè)數(shù)據(jù)搜集、整理、分析，并依據(jù)數(shù)據(jù)做出行業(yè)研究、評(píng)估和預(yù)測(cè)的專業(yè)人員。

他們知道如何提出正確的問(wèn)題，善于數(shù)據(jù)分析，數(shù)據(jù)可視化和數(shù)據(jù)呈現(xiàn);輔助公司商業(yè)決策，幫助降低成本，提高收益，改進(jìn)產(chǎn)品，留住客戶，發(fā)現(xiàn)新的商業(yè)機(jī)會(huì)等?？偟膩?lái)說(shuō)，根據(jù)數(shù)據(jù)分析師的級(jí)別，他們主要的工作內(nèi)容可能包括以下：

1. 與IT部門，管理部門，數(shù)據(jù)科學(xué)家(Data Scientist)合作，決定整個(gè)公司的團(tuán)隊(duì)目標(biāo)
2. 從primary research和secondary research中收集提取數(shù)據(jù)
3. 清理和選取數(shù)據(jù)，去除無(wú)關(guān)信息
4. 熟悉使用統(tǒng)計(jì)軟件和其他技術(shù)分析和解讀數(shù)據(jù)
5. 總結(jié)數(shù)據(jù)里的趨勢(shì)或相關(guān)性
6. 為過(guò)程改進(jìn)發(fā)現(xiàn)潛在機(jī)會(huì)并提出可行建議
7. 提供準(zhǔn)確的數(shù)據(jù)分析和可視化報(bào)告
8. 創(chuàng)建并管理維持?jǐn)?shù)據(jù)庫(kù)
9. 修改代碼相關(guān)的問(wèn)題

[[176069]]

數(shù)據(jù)分析師的就業(yè)前景怎樣?

隨著科技的發(fā)展，人類社會(huì)產(chǎn)生的數(shù)據(jù)規(guī)模呈指數(shù)級(jí)增長(zhǎng)。每時(shí)每刻都有大量數(shù)據(jù)被產(chǎn)生存儲(chǔ)下來(lái)，尤其在電子商務(wù)、網(wǎng)絡(luò)游戲、社交網(wǎng)站、旅游、在線教育等領(lǐng)域?，F(xiàn)在，全世界每天產(chǎn)生的新數(shù)據(jù)超過(guò)400萬(wàn)TB。數(shù)據(jù)分析師則成為當(dāng)前炙手可熱的職業(yè)之一。

[[176070]]

必備技能

要成為一名成功的數(shù)據(jù)分析師，需要的技能主要有兩大塊：硬技能(包括掌握一些數(shù)據(jù)分析的軟件等)和軟技能(良好的溝通技能，PPT技能)。

硬技能(Hard Skills)

知識(shí)體系

統(tǒng)計(jì)學(xué)的基本知識(shí)和對(duì)machine learning的了解：大部分對(duì)消費(fèi)者的分析都離不開描述統(tǒng)計(jì)方法(平均數(shù)，中位數(shù)，顯著性等等)

計(jì)算機(jī)軟件

對(duì)于數(shù)據(jù)分析師來(lái)說(shuō)，可能每個(gè)項(xiàng)目的70%到80%的時(shí)間都是在收集和處理數(shù)據(jù)，他們需要首先想好需要什么樣的數(shù)據(jù)，比如timeframe是一年還是十年。選定好需要的數(shù)據(jù)后要進(jìn)入一個(gè)或多個(gè)數(shù)據(jù)庫(kù)去收集數(shù)據(jù)，最后需要對(duì)數(shù)據(jù)進(jìn)行一些處理，看看是不是有missing value或者outliers等等。

這個(gè)過(guò)程之后得到了可靠的數(shù)據(jù)，然后便進(jìn)入到核心的數(shù)據(jù)分析。為了能更好的從數(shù)據(jù)里提取到需要的信息，以下這些軟件就是數(shù)據(jù)分析師們常用的。Querying language和statistical language主要是用來(lái)做一些初步的數(shù)據(jù)分析，例如可以出一些圖表，看一下數(shù)據(jù)的分布，從而對(duì)數(shù)據(jù)有個(gè)了解。而scripting language則可以用于建?；蛘邷y(cè)試一下hypothesis。因此總的來(lái)說(shuō)，這些軟件對(duì)于數(shù)據(jù)分析師來(lái)說(shuō)就像廚師的刀，是必不可少的工具。

1. 查詢語(yǔ)言(Querying Language)：SQL; Hive; Pig
2. 腳本編程語(yǔ)言(Scripting Language)：Python; Matlab
3. 統(tǒng)計(jì)語(yǔ)言(Statistical Language)：R; SAS; SPSS
4. 數(shù)據(jù)表(Spreadsheet)：Excel

軟技能(Soft Skills)

明確問(wèn)題(Defining the Problem)

將分析范圍縮小是很重要的技能。如何將復(fù)雜的問(wèn)題去掉細(xì)枝末節(jié)，抓住重點(diǎn)需要良好的溝通能力和對(duì)商業(yè)需求的充分理解能力。注意：避免向客戶遞交太多對(duì)解決核心問(wèn)題無(wú)用的信息。另外，對(duì)公司和行業(yè)的了解也會(huì)使得這個(gè)過(guò)程更加得心應(yīng)手。

了解聽眾(Knowing the Audience)

通常來(lái)說(shuō)一個(gè)數(shù)據(jù)分析師需要面對(duì)PM和CEO。因此，在準(zhǔn)備presentation時(shí)，要注意回答這兩方關(guān)心的不同的問(wèn)題。對(duì)于PM來(lái)說(shuō)，需要的是簡(jiǎn)單無(wú)修飾，多干貨介紹在各種情況下如何進(jìn)行協(xié)作交互。而面對(duì)CEO，需要展示的是稍加修飾的PPT和最重要提供具體的建議。

另外很需要注意的一點(diǎn)是communication。很有可能數(shù)據(jù)分析師們面對(duì)的聽眾并不是有technical的背景，如何將很專業(yè)的術(shù)語(yǔ)轉(zhuǎn)化為商業(yè)語(yǔ)言是十分重要的。而掌握一定的data visualization的技能便會(huì)在此時(shí)讓展示更為有效。

強(qiáng)調(diào)結(jié)果(Delivery)

一定要有研究成果的展示，如果只是分析內(nèi)容的步驟，而缺乏最后對(duì)成果的總結(jié)，將很有可能延滯項(xiàng)目的推進(jìn)。對(duì)于公司或項(xiàng)目的管理者來(lái)說(shuō)，分析的過(guò)程并不是他們最看重的，而分析的結(jié)果和針對(duì)這個(gè)結(jié)果有什么合理的建議或解決方法才是最讓他們關(guān)注的，因此為了更為有效地推進(jìn)項(xiàng)目，重點(diǎn)強(qiáng)調(diào)結(jié)果是十分必要的。36大數(shù)