想要成為數(shù)據(jù)分析師，需要學(xué)什么

我想要成為一名數(shù)據(jù)分析師，可是數(shù)據(jù)分析師需要學(xué)些什么東西？

數(shù)據(jù)分析師分布在不同行業(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、評估和預(yù)測。數(shù)據(jù)分析師需要敏銳的數(shù)字洞察力，因此，統(tǒng)計、會計、保險、工程經(jīng)濟、金融、數(shù)學(xué)、計算機等專業(yè)的同學(xué)對這個行業(yè)有明顯優(yōu)勢，但其他行業(yè)的同學(xué)如果對這個職業(yè)感興趣，通過日常學(xué)習(xí)，掌握一些統(tǒng)計必備技能，亦可以從事此類工作.

數(shù)據(jù)分析師主要工作領(lǐng)域：

1、從事投資項目審核審批和招商引資、項目評估、投資決策等工作的政府機構(gòu)、企業(yè)的相關(guān)領(lǐng)導(dǎo)以及從業(yè)人員。

2、在銀行或非銀行金融機構(gòu)、投資管理公司、投資管理顧問公司從事風(fēng)險投資、產(chǎn)業(yè)投資、信貸和投資管理等方面工作的專業(yè)從業(yè)人員。

3、會計師事務(wù)所、資產(chǎn)評估事務(wù)所及稅務(wù)師事務(wù)所、律師相關(guān)專業(yè)人員。

4、學(xué)習(xí)財務(wù)、統(tǒng)計、投資、金融和企業(yè)管理等相關(guān)專業(yè)的在校應(yīng)屆學(xué)生。

5、在企事業(yè)單位從事市場調(diào)查與宣傳工作的人士以及具有策劃與決策工作職能要求的人士。

6、在不同領(lǐng)域嘗試創(chuàng)業(yè)以及在投資、金融、資本運營、房地產(chǎn)和企業(yè)管理領(lǐng)域發(fā)展的各界人士。

數(shù)據(jù)分析師的工作內(nèi)容分為四個層面：

1、處理臨時需求：解決業(yè)務(wù)一次性，臨時性的數(shù)據(jù)需求

2、報表開發(fā)：根據(jù)業(yè)務(wù)需要，與開發(fā)工程師討論進行相關(guān)報表開發(fā)。

3、數(shù)據(jù)分析與挖掘：與業(yè)務(wù)同事一起溝通，分析業(yè)務(wù)問題，提供建議;根據(jù)業(yè)務(wù)需要建立各類挖掘模型。

4、數(shù)據(jù)產(chǎn)品化：通過數(shù)據(jù)產(chǎn)品化方式解決結(jié)構(gòu)化業(yè)務(wù)問題。

數(shù)據(jù)分析師的基本要求：

1、懂得建立目標

數(shù)據(jù)分析是為了解決問題而去分析，不是單純?yōu)榉治龆治觥?shù)據(jù)分析是有目的性的。比如：一季度ABC產(chǎn)品的銷售情況，是按月份為橫坐標建立各部門的圖表;各產(chǎn)品線ABC在一季度的銷售情況，是按部門為橫坐標建立對應(yīng)的圖表。

2、針對不同人群提供不同的結(jié)論報告

數(shù)據(jù)分析要有結(jié)論報告，不同的人群報告的側(cè)重點不同。比如管理層，看的是趨勢和異常點;營銷人員看的是ROI((Return On Investment)產(chǎn)出比率和高用戶質(zhì)量的導(dǎo)入情況;業(yè)務(wù)人員看的是產(chǎn)品對用戶的活躍度等。

3、掌握數(shù)據(jù)分析工具

如果是互聯(lián)網(wǎng)數(shù)據(jù)分析，可以從google GA入門，EXCEL輔助，了解數(shù)據(jù)分析的基本算法。至于SAS,SPSS這些高級工具不一定需要。

4、不同時期要有不同的KPI(Key Performance Indicator,關(guān)鍵績效指標)

不斷的調(diào)整目標和發(fā)現(xiàn)問題是數(shù)據(jù)分析精細化的必經(jīng)過程。

例如：騰訊的數(shù)據(jù)分析關(guān)鍵指標集不斷調(diào)整，從2007年的關(guān)注會員基數(shù)，到現(xiàn)在的會員活躍度、用戶體驗度、性能度等等。建立對應(yīng)的模型，幫助產(chǎn)品和項目的同事更好的了解用戶

Q&A如何迅速成長成為一名數(shù)據(jù)分析師?

如從編程零基礎(chǔ)，知道一些簡單的統(tǒng)計知識的情況下

回答 Terry Meng，Data Scientist

牧心、朱孝軒、春天已經(jīng)不遠了 等人贊同

從業(yè)多年，跨行業(yè)，跨專業(yè)，跨公司文化，跨地域，覺得有些東西可以分享。

我認為數(shù)據(jù)分析/數(shù)據(jù)科學(xué)/商業(yè)智能(或是其它類似名字)的職業(yè)，最核心的部分在于兩點：業(yè)和術(shù)。

“業(yè)”更偏向于你的soft skills，你的理解能力，分析能力，溝通能力，mind-set。其中當然包括最重要的一個能力：

將復(fù)雜的商業(yè)問題轉(zhuǎn)化為數(shù)學(xué)模型，并利用編程能力進行分析，預(yù)測和評估，再轉(zhuǎn)化為合適的Business Plan，執(zhí)行。

你可以看到，這是一個生態(tài)圈，其中并不是只是包含了其它答案所描述的數(shù)學(xué)模型，統(tǒng)計理論，也不只是包含用什么工具sas,r,excel?？偨Y(jié)來說是一種完全設(shè)身處地去為商業(yè)模型思考的mind-set。這是我很多國內(nèi)數(shù)據(jù)從業(yè)者身上很少看到的。很多同事更喜歡強調(diào)自己的統(tǒng)計模型多好，算法多牛，當然，別理解錯，這些優(yōu)化都是好事，但從一個Business function (我把analytic當作一種服務(wù)我們的商業(yè)目標的商業(yè)職能)　的角度來說，這只是一個從過程中的小部分。這可能是因為很多大型企業(yè)，比如銀行，電商，IT，智能太細分導(dǎo)致，很少有人能真正退一步去思考我們做分析的意義何在，如何落地，能賺多少錢。

“術(shù)”更偏向于你的技術(shù)，包括你的數(shù)學(xué)，統(tǒng)計，編程，硬件的技術(shù)。這個技術(shù)對很多技術(shù)愛好者來說是數(shù)據(jù)分析最有意思的一部分，但對很多更喜歡business的朋友來說，很乏味。當然，沒有好與壞，高級和低級的區(qū)別。術(shù)業(yè)有專攻就是這道理，譬如我們公司，Data science for infrastructure engineering負責數(shù)據(jù)倉庫的朋友工資反而最高。 而抽象一點去說：

為了解決商業(yè)問題所需要的技術(shù)，能力。

看到這里你應(yīng)該明白了，很多時候我們說的數(shù)據(jù)分析師實則是這個層面的。而再細分，這個技術(shù)其實分為三層：

1 統(tǒng)計理論，模型

2 數(shù)據(jù)庫查詢類編程SQL

3 底層數(shù)據(jù)存儲技術(shù)hadoop, hive, spark, etc.

成為一個合格的數(shù)據(jù)科學(xué)家，你需要上面1，2的本事。有能力利用統(tǒng)計模型解決問題，也有能力通過編程將這些模型實現(xiàn)，并且自動化。這里很多人爭論SAS,R,Python,SPSS，在我看來，無非只是工具，都是相同的，只要能用就好。而數(shù)理統(tǒng)計，則是要同時結(jié)合Q quant和P quant(具體請參照數(shù)說工作室，具體名字我忘了，一個微信號)。區(qū)別在于一個強調(diào)隨機概率，一個強調(diào)根據(jù)歷史數(shù)據(jù)的統(tǒng)計。所以，基本理論要知道，比如如何判別模型顯著，如何優(yōu)化模型?；灸Ｐ鸵惨獣?，回歸，Clustering, sequence analysis等等。只有精通這些模型，才能知道怎么從統(tǒng)計角度去解決商業(yè)文體。analytic里面經(jīng)常有個說法：

report 告訴你過去發(fā)生什么

BI告訴你現(xiàn)在發(fā)生什么

modeling 告訴你將來發(fā)生什么

其中的意義可以好好體會一下。

再到數(shù)據(jù)庫查詢，那基本SAS,SQL,python的指令要會，這些花不了太多時間去學(xué)，但是用得好就很關(guān)鍵。俗話說80%的時間data cleansing, 20%作模型。大家體會下。因為CS出身，所以編程好些，處理數(shù)據(jù)確實幫我省了不少時間。

這里再強調(diào)一個mind set很重要：作模型，是要在結(jié)論，結(jié)果符合商業(yè)邏輯的前提下進行詮釋。我看到很多剛畢業(yè)的stats的人，很喜歡用復(fù)雜的stats變量用在模型，結(jié)果當然模型很fit,但是卻很難解釋。這一點一直都很有爭議，不是因為用了不好，而是用的話你要知道用這個變量的好與壞是什么。比如很多人喜歡用interaction變量放在回歸模型，2維，3維，請自行體會下。

最后，底層數(shù)據(jù)存儲技術(shù)。這塊我涉足不深，不敢亂說。但基本體會是，有個高效的，高容錯，高吞吐量，兼容性強的數(shù)據(jù)庫是做數(shù)據(jù)分析的基礎(chǔ)。

恩，差不多到這。至于先學(xué)什么后學(xué)什么可以自己根據(jù)實際需求安排下。