中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

對數據分析師來說，要想避免淪為取數、跑數的工具人命運，就明確并鞏固自己的優(yōu)勢與價值。因此明確數據分析師的成長路徑、能力要求、能力提升方法就顯得格外重要。而筆者作為數據分析專家，也就此分享了自己的思考與見解。

數據分析師那點事

最近很多人都在問我，如何能夠成為一名數據分析師，我需要掌握哪些技能和工具？我的進階路線是什么？將來是不是有發(fā)展?jié)摿Γ?我原來是運營能轉數據么，我產品能轉數據么，我技術，我視覺設計，我…能么？我…

在我有限的職業(yè)生涯中，遇到過很多文科生轉數據分析的例子，可以說屢見不鮮，那么你覺得你們能行么，那必須行??！

不光是文科生，我還見過許多不同職位，比如運營、產品、技術、市場、視覺設計師等等的小伙伴轉成了數據分析師，在這里我很負責地告訴大家，你一定行的！解鎖數據分析師的成就，你也值得擁有！

以往我都是以增長為主題，可能大家看得有些蒙圈，需要一定的門檻；同時2020年的開年就被暴擊了，大家都在開玩笑的說能否重啟2020年，這個肯定是沒戲了，但是我可以，對，數據分析師是可以重啟的。

那么今天我就給大家?guī)硪黄A性的文章，告訴大家數據分析師需要哪些能力（工具）、未來進階路線、職場的小建議以及工作中的小案例等。

想成為數據分析師的小伙伴可以做參考學習相關技能；已經是數據分析師的小伙伴呢，可以看一下成長路線與職場建議，希望大家看完文章各取所得，方法全知道，分析不吃灰。

言歸正傳，在接下來的章節(jié)里，我們一起來聊一聊數據分析師的常見種類、職責與晉升軌跡。最后我為大家總結了一下數據分析師需要的8種基礎能力和日常生活工作中的一些分析小案例，供大家參考。

一、數據分析師的種類、職責與升級路線

在國內數據分析師一般分為5大種類：數據產品、數據分析師、數據建模師、數據工程師與數據科學家，這5類人才的必備能力和成長路線我們來逐一介紹。

1.1 數據產品

數據產品概覽圖

在產品的基礎上，增加數據思維。

數據產品不僅懂得埋點原理，能夠通過抓包等工具抓取數據并進行分析。同時還能夠參與數據化產品的制作，如BI報表、CRM系統(tǒng)、AB test試驗后臺等。

老板會說：“去給我做個神策、GrowingIO那樣嬸兒的平臺出來”，然后你就根據老板的需求，轉化為詳細的技術需求，提給技術去開發(fā)，這就是數據產品的日常。

1.1.1 成長路線：CGO、增長專家、產品總監(jiān)、數據產品總監(jiān)、數據運營總監(jiān)

1.1.2 必備能力

• ① 數據技術
• ② 可視化
• ⑤ 業(yè)務思維
• ⑦ 專業(yè)能力
• ⑧ 溝通能力

（①②⑤⑦⑧是啥？下文詳解）

1.1.3 成長建議

1. 數據產品一般會對編程、數據處理、統(tǒng)計等專業(yè)知識方面較弱，建議加強數據分析能力，做個有技術、分析能力的產品。
2. 既然有產品屬性，那就涉及到與技術無止境的扯皮之中，如何提升自己業(yè)務與溝通能力讓自己更專業(yè)，同時使工作流程更加順暢，這便是數據產品的王者能力。

1.2 數據分析師

數據分析師概覽圖

這就是我們常說的商業(yè)化數據分析師，主要負責01搭建可視化監(jiān)控報表，利用數據挖掘和洞察業(yè)務，為需求部門提供數據支撐、分析報告、商業(yè)化模型等服務，這里面的key word是監(jiān)控、挖掘、有價值和服務，在公司里擔任領導的眼睛與大腦的角色。

1.2.1 成長路線：CGO、增長專家、數據咨詢專家、數據分析總監(jiān)、數據運營總監(jiān)

1.2.2 必備能力

• ① 數據技術
• ② 可視化
• ③ 統(tǒng)計學基礎
• ⑤ 業(yè)務思維能力
• ⑦ 專業(yè)能力
• ⑧ 溝通能力

（①③③⑤⑦⑧是啥？下文詳解）

1.2.3 成長建議

（1）一定要重視可視化

為什么呢？

因為數據分析師花90%的時間用在處理數據上，只貢獻了10%的價值，而老板看到你的報告，卻用了不到10%的時間便做出決策，貢獻了90%的價值，所以說BI可視化尤為重要。下圖給大家展示可視化的正反兩個例子A和B：

可視化對比圖

同樣是數據分析師做出來的AB兩張圖，看了圖A的老板點頭肯定，看了圖B的老板肯定想弄死你，正愁沒人裁，有沒有？

（2）分析師要有自己的業(yè)務思維能力

什么意思？比如老板經常會問你今天的DAU怎么暴漲了，留存怎么掉了等等。

許多大神都有自己的獨立業(yè)務思維，對答如流，迅速解決問題，并有自己的一套思維，什么留存“六脈神劍”啊，增長“九宮格”啊啥的，這都是業(yè)務思維沉淀形成的。

（3）千萬不要把數據分析師做成取數的、跑數的，那樣你的可替代性太強

如果明天要裁一個數據分析師，那么這類“工具人”就是首選。數據分析師的價值是挖掘數據中的價值并讓領導知道你這么做的價值，不要你覺得，要你的領導和你都覺得，這才是最重要的。

（4）溝通能力

這個是我面試經常會問的問題，你覺得數據分析師最重要的能力是什么？

對，就是溝通能力，如果你連需求方想要的是什么都嘮不明白，那你如何服務于他，目標錯誤高效的執(zhí)行就是災難，咔咔做了2周，發(fā)現(xiàn)不是人家想要的，這種事在工作上并不少見，所以說溝通真的很重要。

（5）要養(yǎng)成大局觀

作為數據分析師不能總局限于自己業(yè)務的那些數，也要抬頭看看市場上大盤變化，以及競品變化。

分析格局的大小源自看待問題的高度，這一點非常重要，初期可以慢慢養(yǎng)成，這也是高階分析師必備的能力。

1.3 數據建模師

數據建模師概覽圖

數據建模師也叫算法工程師，是數理統(tǒng)計知識、編程與業(yè)務思維集一身的模型大師，通過建立數學模型、利用算法實現(xiàn)增長，可以說是一家產品的靈魂工作者，你就說信息流產品的推薦算法核不核心、金融行業(yè)的反欺詐和信用評級厲不厲害，P2P的智能配標優(yōu)不優(yōu)秀。

1.3.1 成長路線：CTO、技術總監(jiān)、資深算法工程師

1.3.2 必備能力

• ① 數據技術
• ③ 統(tǒng)計學基礎
• ④ 建模能力
• ⑤ 業(yè)務思維能力
• ⑥ 大局能力
• ⑦ 專業(yè)能力

（①③④⑤⑥⑦是啥？下文詳解）

1.3.3 成長建議

（1）技術不用說，那必須杠杠的，但容易鉆入數據的黑洞，沉迷于算法但又無法與實際業(yè)務相結合，最終項目流產

谷歌眼鏡厲不厲害，炫不炫酷，最終慘遭壓箱底，暫停個人消費者服務的命運，為什么？

出發(fā)點很好，但花費過高、周邊技術不完善等因素，使其不具備商業(yè)價值，最終倒在了5G之前。

我還認識一個彩票公司的小哥，自稱研制出了一套“迷人”的算法，能夠讓公司收益最大化，可最終…呵呵。

我想說的是技術一定要結合實際業(yè)務，通過技術變現(xiàn)這才是王道，并不是所有公司都有錢有精力去做“華而不實”的事情，尤其是在目前的大環(huán)境下。

（2）大家都認為技術不需要溝通，我們的通用語言是R、python、java、自然語言，很冰冷很cool

但熟不知你若會技術又有業(yè)務頭腦，那總監(jiān)的位置是不是在向你招手；你若懂業(yè)務、懂管理又會為人處世，拿下CTO這個位置是不是志在必得。

當然也有喜歡鉆研算法，不摻乎管理層的資深技術，所謂事了拂衣去，深藏功與名，說的就是這些人。

不管怎么說，之所以能夠有今天的成就，除了過硬的技術外，很好的溝通能力也是必不可少的。

1.4 數據工程師

數據工程師概覽圖

數據工程師的職能更偏向技術工程，主要的工作職責是搭建數據倉庫、創(chuàng)建ETL、進行數據治理、數據安全等方面的工作、通過提升運行速度，優(yōu)化數據結構，更好地服務于數據使用方，比如數據分析師、數據產品及數據建模師。

1.4.1 成長路線：CTO、技術總監(jiān)、資深研發(fā)工程師

1.4.2 必備能力

• ① 數據技術
• ④ 建模能力
• ⑤ 業(yè)務思維能力
• ⑦ 專業(yè)能力

（①④⑤⑦是啥？下文詳解）

1.4.3 成長建議

（1）我們不生產數據，只是數據的搬運工，搬好了是我們應該的，但搬不好任務流程掛掉，BI報表自動化任務失敗就要扣薪水

這是許多數據工程師接觸都遇到的問題，這個時候就考驗專業(yè)能力，如何優(yōu)化流程，監(jiān)控及預警就尤為重要了。

舉個我自己的親身經歷吧，之前做了流失用戶自動召回系統(tǒng)，每天定時按照算法算出目標用戶并發(fā)送短信、push和紅包。

邏輯簡單的說是這樣的，A表是全量用戶表，B表是活躍用戶，那么A-B=C，C表就是目標用戶，即不活躍的流失用戶。

突然有一天因為一個BUG，導致B表掛掉了，B表變?yōu)榭毡?，那么A-B=A-0=A=C，就相當于把A表全量用戶都發(fā)送優(yōu)惠券及信息。

這事故僅次于PDD那次紅包事故了，當時我們沒有推卸責任（畢竟績效已經沒了），迅速制定了數據異常預警，人工短信確認等機制，避免了類似事故發(fā)生。

這次事故給我的教訓就是，人無遠慮必有近憂，錯誤是不可避免的，但如何提升專業(yè)水平，降低錯誤發(fā)生概率，提前預知錯誤，以避免資源的浪費。

（2）溝通、溝通還是溝通…

1.5 數據科學家

數據科學家概覽圖

綜合性人才，數據分析能力、統(tǒng)計學基礎、業(yè)務能力、算法與溝通能力集聚一身的人才。市面上有很多不懂技術只會嘴炮的領導，也不缺不懂結合業(yè)務的技術大拿，但做到樣樣精通，實屬不易。向下能夠了解前沿技術并指導下屬進行研究開發(fā)，向上能夠很好的與領導溝通，讓領導理解這么做的價值。

• 跟數據分析師比分析能力，數據分析師卒；
• 跟算法工程師過算法能力，算法工程師卒；
• 跟數據工程師拼技術能力，數據工程師卒；
• 跟數據產品嘮業(yè)務能力，數據產品卒。

就是這么強大，不過這類人才乃是可遇不可求，正所謂流氓會武術，誰也擋不住；科學家會武術，流氓也擋不住，實在是社會…社會…

1.5.1 成長路線：沒啥可建議的，挺好的哥…

1.5.2 必備能力：全部①-⑧

（①②③④⑤⑥⑦⑧是啥？下文詳解）

1.5.3 成長建議：沒啥建議，都挺好的，就是建議給別人留條活路，卒。

二、數據分析師的8種能力

2.1 數據技術

既然是數據分析，就要了解數據在各個環(huán)節(jié)是如何運轉的，同時還能運用工具讀取和分析數據，在這里我將其分成基礎、數據提取、分析工具。

基礎：office軟件

包括且不限于excel、VBA、ppt、word，尤其是excel很深很深，大多數人只用了excel中1%的功能，到現(xiàn)在我只敢說會用excel，談不上精通，也許我只用了2%吧，但應付日常數據足矣。

數據提?。篠QL、HiveSQL

都是類SQL軟件，會一個就能精通所有，大家不要覺得編程很難就望而卻步，其實SQL是最簡單的語言，不夸張的說，用心學SQL不到一個月就可以干活了，什么你還學不會？你只是缺個人逼你而已。

分析工具：SPSS、SPSS modeler、R、Python、SAS

不是每個人都有機會接觸SAS，如果沒機會也不要緊，這里推薦大家一定要學SPSS，可以理解為升級版的excel，也很簡單；然后Python和R任選其一即可。

2.2 可視化

Excel、PPT、Tableau、Echarts、powerBI

數據可視化的工具很多，除了Python、R、JAVA這類的之外，上面列的幾種算是比較常見的BI可視化工具。先說Excel和PPT，沒錯它們也算可視化軟件，如下圖：

Excel可視化

這是用我用excel做出來的dashboard（看板），也還可以吧，應付一般老板那是夠夠的。但要想玩的洋一點，就得用例如tableau、powerBI等軟件，畢竟老美都用tableau么，樣式如下圖所示：

新增用戶熱力圖

不管是用什么工具，能夠將抽象的數據用圖形展示出來，便于老板觀察和決策，那就是ok的，至于如何做的好看，那就是進階的課題了。

2.3 統(tǒng)計學基礎

統(tǒng)計學基礎在AB test、數學模型、抽樣檢驗里常常會用到，有的時候你看到的數據并不是真實的，怎么去解釋，我給大家列幾個例子：

示例一 AB test的錯覺：

AB test結果圖

看到這張圖，很多人都會認為B比A的轉化效果好對吧，但是這里有多大的可能是因為一些隨機的因素導致這樣的區(qū)別呢，這就要用到統(tǒng)計學的假設檢驗了。

我們來假設B不會比A效果好，然后試圖通過樣本來推翻這個假設，如果樣本足以推翻假設，那么我們就可以認為實驗完成了，所見即所得；否則我們會認為B比A好只是偶然現(xiàn)象，這組AB test沒有任何意義，需重新測試。

示例二 R平方值的重要性：

DAU預測圖

上圖是一個簡單的回歸模型用來預測DAU，紅色是指數回歸，綠色是多項式回歸，哪種模型更精準呢，這時候就要看R方。

R平方值是趨勢線擬合程度的指標，取值范圍在0到1之間，它的數值大小可以反映趨勢線的估計值與對應的實際數據之間的擬合程度，擬合程度越接近1，趨勢線的可靠性就越高。

同樣是預測，3個月后指數預測比多項式預測高出30%，選哪個模型才能使誤差率最小化呢，這個時候R方的重要性就體現(xiàn)出來了。

以上列舉了2個統(tǒng)計學的小例子，在實際工作當中還會遇到很多統(tǒng)計學的知識，比如顯著性、置信度、離散度等等，統(tǒng)計學會讓我們的分析結果更加專業(yè)，更加嚴謹。

2.4 建模能力

根據不同的業(yè)務需求，會使用一些模型，下面簡單的介紹集中常用模型供大家參考。

分類：基于歷史用戶行為構建模型，套用到新用戶身上，預測用戶可能發(fā)生某種行為的概率，常用的分類模型有C5.0、決策樹、隨機森林、邏輯回歸等，如下圖運用邏輯回歸，預測用戶是否下單：

模型概念圖

聚類：按照個體的特征將他們分類，讓同一個類別內的個體之間具有較高的相似度，不同類別之間具有較大的差異性，常用于給用戶打標簽，如下圖K-means聚類所示：

聚類概念圖

回歸：在③提到的指數回歸和多項式回歸就是典型的例子，常用于預測銷量、人口等數據。

評估：評估模型市面上分為2大類，回歸和標準化模型，多用于對品牌投放、效果投放、會員積分的評估，如下圖所示：

渠道評估模型（AHP標準化模型）

除了上述的4大類模型外，還有很多種類的模型，根據實際業(yè)務去選擇對應的模型就ok了，在這里不過多贅述。

2.5 業(yè)務思維能力

數據是冰冷的，若想開啟真相的大門，業(yè)務思維便是我們的鑰匙。

舉個簡單的例子，老板發(fā)現(xiàn)2019年6月份的汽車成交量突然猛增，想讓你分析一下原因。

這時候你會發(fā)現(xiàn)產品、渠道、技術等等都沒問題，那會是什么原因呢？

如果你沒有業(yè)務思維就會埋在一堆數據里，如果有業(yè)務思維就會去想，國家規(guī)定2019年7月1日開始執(zhí)行國六排放標準，國五汽車將不能再辦理牌照，這時候經銷商、4s店應該怎么辦？那當然是降價清庫存啦，你降價了用戶當然是買買買啦。所以說業(yè)務思維非常重要，不要死看數，看死數。

2.6 大局能力

知己知彼，百戰(zhàn)不殆。作為分析師亦是如此，知己好做，知彼怎么做呢？

那就是競品分析，從競品數據及競品策略層面分析對手。

職場上老板也經常會問咱們的數據怎么樣？

然后你會說大幅增長，形勢一片大好。

老板又問了，競品數據怎么樣？

這時候你就傻眼了，不是回答不上來，就是數據沒有競品好看。

優(yōu)秀的數據分析師則會這樣去說：

“我們同比增長XX，環(huán)比XX，競品的數據是XX，我們哪些方面優(yōu)秀，哪些不足，接下來應該如何如何?！?/p>

這樣一套操作下來，領導會覺得你的工作做到位了，不是一問三不知，也不是自己“閉門造車”。

2.7 專業(yè)能力

數據產品如何構建埋點，數據分析師如何輸出有價值的商業(yè)洞悉報告，數據工程師如何優(yōu)化數據結構，數據建模型如何針對不同業(yè)務建立最優(yōu)模型，數據科學家如何把大數據中的規(guī)律傳達給BOSS從而影響產品，流程和決策。

2.8 溝通能力

我在面試的時候問的最多的問題是，你覺得數據分析師最重要的技能是什么？

對！是溝通，什么數據敏感度、增長思維、方法論都是瞎扯，你連話都聽不清楚，說不明白，你能知道老板想要的是什么，你又怎么能把分析出來的價值讓老板知道，所以說排名第一位的能力是溝通！溝通！溝通！

今天給大家介紹的數據分析師基礎篇就到這里了，文章向大家講解了如何成為、畢業(yè)即成為、轉行成為、打斷腿也要成為數據分析師所需要的基本能力及后期的進階路線。只要大家方向正確，接下來奧力給就完事了。我們遇到什么困難，也不要怕…干就完啦，沒毛病吧，奧…奧…力給（鬼畜3分鐘）

寫在后面

在這里感謝人人友信的技術專家李云翔，快手增長專家安寧宇，360數據產品張博偉，易車大數據負責人徐彥輝給本文提出的寶貴意見和建議。希望這篇文章可以幫助廣大的運營人士，也能夠讓用戶了解平臺運營方式，同時歡迎同行與愛好者一起交流學習，提出您寶貴的意見。

作者：姜頔。碩士畢業(yè)于日本早稻田大學，前人人貸高級數據分析師，現(xiàn)易車網數據分析專家。主要負責數據運營和用戶增長。

本文由 @姜頔 原創(chuàng)發(fā)布于人人都是產品經理。未經許可，禁止轉載。

題圖來自Unsplash，基于CC0協(xié)議