去年的CDAS 2016 第三屆中國數(shù)據(jù)分析師行業(yè)峰會上，有一個比較特別的分論壇。這個論壇的嘉賓有些原本并不是業(yè)內(nèi)人士，但經(jīng)過一段時間的學習，他們成功轉(zhuǎn)型，成為一名數(shù)據(jù)分析師。他們也有一個共同的身份—— CDA 數(shù)據(jù)分析師學員。

李運超同學在論壇上分享了自己從一個財會從業(yè)者到一名數(shù)據(jù)分析師的成長歷程。本文根據(jù)李運超在峰會上的分享整理而成。

大家好！我叫李運超，我目前是在中國人壽保險分公司做分析師，我是CDA第四期的學員，也是剛剛從一個數(shù)據(jù)分析的學習者變成從業(yè)人員。

我以前其實是做財務(wù)會計的，在座可能有的人對財務(wù)會計有些了解，它和數(shù)據(jù)分析師中間差別很大。大家會好奇，我是為什么要從財務(wù)會計到一個數(shù)據(jù)分析師呢？

跟大家分享一下我自身思維的轉(zhuǎn)變。我以前是在一個央企做財務(wù)會計的，當時負責整個項目，包括會計的核算、稅務(wù)的管理，整個項目下來大概半年多到一年，通過這份工作對自己大學、研究生的知識有一個充分的應(yīng)用。但是通過工作會發(fā)現(xiàn)，在工作中和你自己想象其實是不太一樣的，我個人對于我自身的一個定位始，終是要將我所學到的一些知識應(yīng)用到企業(yè)的管理上，能夠發(fā)揮自身的一些價值。但是在工作中，我發(fā)現(xiàn)其實長期看，我的工作會是一個項目一個項目下去，對一個財務(wù)人員來說，跟我的性格不太相符。我想轉(zhuǎn)變，想發(fā)揮自己更大的作用。

怎么做呢？當時我剛一開始并沒有想一步跨越到數(shù)據(jù)分析師這個職業(yè)上來，當時我是想做偏向于財務(wù)預(yù)算的，但是在不斷地了解過程中，發(fā)現(xiàn)我原來上學時，對于工具使用和數(shù)據(jù)分析方面的知識儲備不足，后來我找工作的時候都會提出要求懂一些數(shù)據(jù)庫的東西，當時就感覺蒙了，就不知道自己原來差得這么多。

經(jīng)過幾個月的考量，我最后決定用一段時間去系統(tǒng)地學習一下這個東西，做數(shù)據(jù)分析相關(guān)的工作。這樣可以讓數(shù)據(jù)的應(yīng)用發(fā)揮一個更大的價值，而不僅僅是對于一些事務(wù)性的簡單的處理。就這樣，我從一個財務(wù)人員逐步地走到了數(shù)據(jù)分析這個行業(yè)里來了。

要做數(shù)據(jù)分析，我們要學習的東西其實還是很多的，包括一些工具、數(shù)據(jù)庫，還有一些財務(wù)統(tǒng)計的知識，以及一些算法。

從工具來說，我們首先會應(yīng)用到的是Excel。我們在后期應(yīng)用一些專業(yè)的工具進行處理的時候，對于數(shù)據(jù)的格式還是有要求的，還有數(shù)據(jù)的拆分。我們所應(yīng)用到的最基礎(chǔ)的工具就是Excel，除了可以數(shù)據(jù)拆分，還能進行數(shù)據(jù)分析。

當時我做的一個工作就是將數(shù)據(jù)產(chǎn)品拆分出來，剛開始我想用SAS進行拆分，我的機子比較老，就帶不動，后來我發(fā)現(xiàn)Excel可以輕松地搞定。Excel有很多函數(shù)，可以進行一對一的匹配。另外，Excel有些數(shù)據(jù)透視表，對分類的匯總，以及后期把數(shù)據(jù)帶入到工具里面是很有用的；數(shù)據(jù)透視圖，可以做可視化展現(xiàn)的方式。如果你對Excel的VBA再熟悉一些的話，處理數(shù)據(jù)就很方便了。

另外，學完Excel之后，我又學了STATA和SAS。這些軟件相對來說比較菜單化，能夠做很多東西，包括一些簡單的統(tǒng)計分析，求一下最大值、最小值，中位數(shù)，還有可以做一些上學學到的分析檢驗等。但不僅僅停留在這個層次，數(shù)據(jù)分析會涉及到包括回歸、聚類和分類、時間序列等方法。

比如回歸，學的就是一個方程，這是最基本的，其實還可以擴展。它是干什么用的呢？就是對于發(fā)生額的預(yù)測。比如說一條訂單記錄會有一些變量，包括性別、年齡、收入等等。通過它其實我們就可以列出一個方程來，預(yù)測一個未來值，在我們銷售和一個發(fā)生值相關(guān)的時候，就可以定位?？梢园芽蛻舴殖蓭最?，哪些人屬于高價值的客戶，哪些人屬于相對來說一般的。

還有一個與此相關(guān)的邏輯回歸，看名字很相似，之所以放到一塊是因為它最后的展現(xiàn)形式。不同的是邏輯回歸是一個事件的發(fā)生概率，這個事情發(fā)生不發(fā)生，他會不會購買，這是我們常會遇到一個問題。通過邏輯回歸就可以根據(jù)原有數(shù)據(jù)歸納出結(jié)論。

回歸和邏輯回歸通常來說都是綜合結(jié)合來用的，比如說我們把預(yù)測出來的金額分成十個檔，第一是金額最大的，那么在分析的時候還會有一個問題，這就是種購買金額最高的人，他購買的發(fā)生概率是什么？這需要做一個橫向的匹配，這樣的話我們就會歸納出在實際應(yīng)用中，發(fā)生額和發(fā)生概率的排序。我們企業(yè)資源都是有限的，在實踐應(yīng)用中我們會根據(jù)排序截取前50%的比例，或者20%的比例進行資源投入，這樣會獲得最大的收益。

聚類和分類，這兩個東西看起來很相似，都是跟類別有關(guān)系，它們的不同在于聚類是一個無監(jiān)督學習，分類是一個有監(jiān)督學習。

聚類是干嗎的？我們其實不知道這里邊有幾類，弄到一堆這就是聚類。這對一些未知領(lǐng)域的探索很有幫助，我們在聚類的時候都會把它規(guī)劃成一圈，在聚類之前做一個分析。這樣的話可以降低緯度，避免一些緯度災(zāi)難。

做好了聚類之后下面就可以分類了，比如說可分成三堆，又來了一個東西，看看它跟哪個是一堆的，就分類了。其實我們常用的算法，包括前面提到的邏輯回歸，到決策樹、神經(jīng)網(wǎng)絡(luò)都是可以用來分類的。

還有第三類就是時間序列，炒股的話就會發(fā)現(xiàn)股票的價格會隨著時間的波動而波動。還有銷量，從某種意義上講時間是有相關(guān)性的。

數(shù)據(jù)并不是直接拿過來就能用。更多的情況下，企業(yè)會把數(shù)據(jù)放在數(shù)據(jù)庫，量大的話還會放在數(shù)據(jù)倉庫里面。我在面試的時候遇到的兩個常見的問題，第一個你為什么會做數(shù)據(jù)分析師，另外一個就是你的數(shù)據(jù)庫應(yīng)用能力。數(shù)據(jù)庫的接收是不需要掌握的，主要是數(shù)據(jù)庫的查詢，數(shù)據(jù)庫里面各種資料的認識是必須要具備的，我們常用的一個整體查詢就是各種字段，從哪個表分類一下，分類端再做一個排序，一般都會涉及到多張表。

對于數(shù)據(jù)庫這塊還是要多掌握一些知識。常用的數(shù)據(jù)庫都是關(guān)系型數(shù)據(jù)庫，如果有能力非關(guān)系型數(shù)據(jù)庫還是要多學習一下，還沒有工作的同學可以把精力投入一些，找工作數(shù)據(jù)庫不行的話就直接被Pass掉了。

除了數(shù)據(jù)分析的工具，也懂數(shù)據(jù)庫，在數(shù)據(jù)分析里邊還有一些內(nèi)在的思想，包括一些傳統(tǒng)的統(tǒng)計方法，還有算法。算法很多，因為時間有限，我不打算多講。邏輯回歸、決策樹、神經(jīng)網(wǎng)絡(luò)都可以學一下，這些算法有一些是常用的和非常用的，有些是針對同一個問題有不同的角度，如果時間有限的話，可以專精于某一類。不管是做回歸，還是做分類、聚類，你可以挑一兩個算法進行研究，算法研究精了之后對數(shù)據(jù)分析可以有很深刻的理解。

下邊一個問題是數(shù)據(jù)的可視化的問題。不管你是用了回歸還是聚類，最后一個問題就是展現(xiàn)，展現(xiàn)給你們的Boss你到底做了什么？不見得要展示你的成果，更多的是對于企業(yè)里面的各種信息的生動展示。

我個人用得多的是Excel和Tableau，我們從集團到各個下面的子公司都在用這個東西。我覺得在數(shù)據(jù)可視化這一塊要遵循兩點，第一點就是化繁為簡。我們每個月報給最高層有一份報告是50多頁，當時我看了都頭大。最后我們同事之間大家相互協(xié)作，把50多頁的東西弄成了9頁，它的緯度卻可以細化到中層子公司。不要再把一堆Excel表、PPT拿出來了，那樣就很Low了，你要想到的第一個問題如何將你的大量的工作成果展現(xiàn)在很少的一個界面上。

第二帶你就是直觀。最簡單的，比如在Excel里用數(shù)據(jù)透視圖，做一個柱狀圖和一個線，反映未來的趨勢，或者橫向的對比，都是一個直觀的展現(xiàn)，你能做到化繁為簡、深入淺出，你的可視化是很成功的。

說了這么多，我們最終還是要有一個系統(tǒng)的數(shù)據(jù)應(yīng)用。

第一步是獲取數(shù)據(jù)，數(shù)據(jù)的來源很多，包括Excel表、數(shù)據(jù)庫，還有通過其他的一些網(wǎng)上的抓取，包括爬蟲、網(wǎng)絡(luò)分析等。

第二步是處理數(shù)據(jù)。在我實際的工作中，包括我與其他同行溝通，數(shù)據(jù)處理的過程可以占到整個工作任務(wù)的將近70%多。為什么呢？數(shù)據(jù)價值的認知是一個逐步完善的過程，很多企業(yè)原先對于數(shù)據(jù)的認識沒那么強，可能就是某個部門，比如企劃、風控、運營等部門，會把數(shù)據(jù)庫里面有關(guān)的數(shù)據(jù)拿出來，自己做報告?，F(xiàn)在又上升到一個更高的層次，做數(shù)據(jù)分析、數(shù)據(jù)可視化的時候，就發(fā)現(xiàn)數(shù)據(jù)亂七八糟，看了之后就頭大，就需要通過各種工具，用SAS，Python進行整理，一方面把數(shù)據(jù)整理成自己需要的形式，整理成一定的字段和緯度，這樣才可以做分析。

其實目前我在工作的這一段時間中并沒有用到很復雜的算法，應(yīng)用的主要是三個方面。

第一，我會用Python、Tableau對數(shù)據(jù)進行處理。我和同事進行了反復的溝通，不斷地了解這些高層人員到底想看什么，我按照自身的理解把它展示出來，后來老板說這個東西沒有把核心的需求拿出來。

這其實就犯了一個毛病，我在剛一開始的需求分析就不夠深入。其實也是可以理解的，因為剛一開始接觸工作，對于整個行業(yè)也是一個初步的認識，你可能拿捏不好。隨著業(yè)務(wù)的逐步深入，你首先要了解你這個業(yè)務(wù)整體老板的需求是什么，再去通過數(shù)據(jù)、分析、展示，這樣才能有的放矢。老板其實不太關(guān)心你用了什么復雜的方法做了這個東西，他關(guān)心的就是我想要展示什么。

上周我還遇到一個問題。從2015年1月份到2016年6月份整體業(yè)績的達成情況，最初是用柱狀圖展示折現(xiàn)額，老板說這個東西對我來說沒用，因為我更關(guān)心的是同期之間的對比。我就只能去改了，其實這就反映一個問題，我們要抓住領(lǐng)導所關(guān)心的關(guān)鍵的業(yè)務(wù)需求。

第二就是數(shù)據(jù)共享中心的建設(shè)，我司目前的系統(tǒng)有很多，包括財務(wù)組織系統(tǒng)、還有AGC、ERP的，數(shù)據(jù)很分散，整體系統(tǒng)是由IT系統(tǒng)管理。我自身在做Tableau所以可視化也在做，我就找到一些接口，它其實并不完備。從總公司的角度來說，不僅要掌握財務(wù)數(shù)據(jù)，還要掌握運營的數(shù)據(jù)，前端企劃的數(shù)據(jù)，包括風控的數(shù)據(jù)等。建設(shè)數(shù)據(jù)共享中心就是要把各個數(shù)據(jù)做一種整合。

其實這就是一個數(shù)據(jù)字典的問題，我們原來有200多個指標，好多重復的、口徑不同的。做數(shù)據(jù)分析的時候，如果同一個問題有不同的名稱、不同的口徑，后期根本就干不了。我在入職之前有一個同事做預(yù)算的時候就很頭大，最簡單的一個業(yè)務(wù)費用，分解到中心子公司之后，從企劃或者其他方面拿過來的口徑是不同的，需要再反復各處去了解，調(diào)整口徑的調(diào)整。這是分析人員最怵的問題，很耗費精力。

因此我覺得，在工作中一方面就要加強自己對于需求端的理解，不跑偏，少走彎路。第二，如果公司的數(shù)據(jù)現(xiàn)狀不好，你要發(fā)揮利用自己的一些知識和整體地推動公司建設(shè)，這個推動過程中不僅對公司的管理有很深入的認識，對于數(shù)據(jù)分析能力的提高也很有幫助。

CDAS 2017 中國數(shù)據(jù)分析師行業(yè)峰會火力全開!

峰會報名

掃碼回復“峰會”進群了解活動詳情


聯(lián)系我們

嘉賓及商務(wù)合作                              
王海龍                                                      
電話:  13488782942                    
郵箱:  whl@cda.cn
微信:  w25092205

票務(wù)及渠道合作
王仲謀
電話：18311031693
郵箱：wzm@cda.cn
微信：18311031693

媒體合作
高萌
電話：13611274210
郵箱：gaomeng@cda.cn
微信：13611274210