作者 | 寶器

來源 | 表哥有話講

在做數(shù)據(jù)分析的過程中，經(jīng)常會(huì)想：數(shù)據(jù)分析到底是什么，為什么要做數(shù)據(jù)數(shù)據(jù)分析，數(shù)據(jù)分析到底該怎么做？對(duì)于這些問題，今天小編從簡(jiǎn)易角度出發(fā)，好好給大家普及一下，數(shù)據(jù)分析那些事兒。

一、數(shù)據(jù)分析概述

數(shù)據(jù)分析指用適當(dāng)?shù)?a href='/map/tongjifenxi/' style='color:#000;font-size:inherit;'>統(tǒng)計(jì)分析方法對(duì)收集來的大量數(shù)據(jù)進(jìn)行分析，將它們加以匯總和理解并消化，以求最大化地開發(fā)數(shù)據(jù)的功能，發(fā)揮數(shù)據(jù)的作用。

二、確定分析目的和思路

主要講數(shù)據(jù)分析的方法論，如何利用管理學(xué)、營(yíng)銷學(xué)等知識(shí)從宏觀上指導(dǎo)數(shù)據(jù)分析的過程，為的是明確分析的目的和思路，以免南轅北轍，分析了很久卻不能解決要面臨的問題。

其中PEST用于對(duì)行業(yè)的宏觀環(huán)境分析，5W2H可以用于用戶的行為、業(yè)務(wù)問題分析、邏輯樹可以將某業(yè)務(wù)問題拆分為子問題進(jìn)行專題分析、4P是一種營(yíng)銷理論，用來信進(jìn)行公司產(chǎn)品的運(yùn)營(yíng)情況分析、用戶行為分析可以用來分析各級(jí)指標(biāo)之間的邏輯關(guān)系。

三、如何準(zhǔn)備數(shù)據(jù)

“巧婦難為無米之炊”。數(shù)據(jù)就好比諺語中的米。做為數(shù)據(jù)分析師更是應(yīng)該知道“米”的兩個(gè)方面。第一：“米的構(gòu)造”「理解數(shù)據(jù)」，第二“米”從哪里「數(shù)據(jù)來源」。

四、數(shù)據(jù)預(yù)處理

在做數(shù)據(jù)分析之前需要將數(shù)據(jù)清洗、加工、轉(zhuǎn)換等一些步驟以使得數(shù)據(jù)成為可以用于建模分析的規(guī)整數(shù)據(jù)。

五、數(shù)據(jù)分析方法（微觀）

當(dāng)完成數(shù)據(jù)的處理之后，現(xiàn)在需要真正的從細(xì)節(jié)上對(duì)數(shù)據(jù)進(jìn)行分析，并且在微觀上也有一套比較固定的數(shù)據(jù)分析方法可供參考使用。

六、可視化圖表及美化

當(dāng)數(shù)據(jù)分析的工作完成之后，需要對(duì)分析結(jié)果進(jìn)行可視化展示及美化。

表6-1 如何選擇圖表

七、數(shù)據(jù)分析報(bào)告

數(shù)據(jù)分析報(bào)告是對(duì)整個(gè)數(shù)據(jù)分析過程的一個(gè)總結(jié)和呈現(xiàn)。通過報(bào)告，把數(shù)據(jù)分析的起因、過程、及結(jié)果完整的展現(xiàn)出來、提供給決策者參考。

數(shù)據(jù)分析工作及相關(guān)崗位幾點(diǎn)經(jīng)驗(yàn)之談

入門數(shù)據(jù)分析并不難，但想成為優(yōu)秀的數(shù)據(jù)分析師并不容易。首先要過硬的數(shù)據(jù)技能，其次要有敏銳的商業(yè)嗅覺，再次是流暢的溝通和表達(dá)能力，最后不斷地實(shí)踐這些能力，在實(shí)戰(zhàn)中應(yīng)對(duì)商業(yè)的變化，提升分析能力，從而發(fā)揮在業(yè)務(wù)端的價(jià)值，甚至產(chǎn)生你的影響（make business impact）。

關(guān)于“數(shù)據(jù)分析”(Data Analyst)這一職位，通常一定規(guī)模的外企和國(guó)內(nèi)的互聯(lián)網(wǎng)、IT、金融等行業(yè)會(huì)設(shè)有專門的數(shù)據(jù)分析崗位，也有著不錯(cuò)的發(fā)展路徑。而在一個(gè)公司里面，數(shù)據(jù)分析師可以存在于不同的部門，銷售支持，財(cái)務(wù)，市場(chǎng)研究，R&D等等。但每個(gè)部門的側(cè)重點(diǎn)也是不一樣的，我原來在銷售支持部門，雖說是數(shù)據(jù)分析，但理解業(yè)務(wù)，與銷售端交流是很重要的。但如果是在R&D，技能上的編程要求，對(duì)架構(gòu)的理解可能更重要。

數(shù)據(jù)分析最擅長(zhǎng)的工具一定包括Excel，通常好的數(shù)據(jù)分析師一定是一個(gè)非常非常專業(yè)的Excel使用者，這其中包括了對(duì)Excel常用公式和功能的理解及使用（數(shù)據(jù)透視表，各種圖表等）。其實(shí)掌握Excel基本功能也是很多其他崗位（Marketing，F(xiàn)inance等職位）的必須。作為一款數(shù)據(jù)處理的基礎(chǔ)工具，市面上有太多的Excel教程。我個(gè)人的建議，可以從一本書+視頻教程+自我練習(xí)的方法來入門或者進(jìn)階。

Excel更進(jìn)階的另一個(gè)大技能是VBA，它是以Visual Basic為基礎(chǔ)的編程語言。但，掌握或者使用并不需要太強(qiáng)的編程背景。這也是為什么知乎上很多用戶推薦用VBA作為高階Excel的技能。VBA用的好可以玩轉(zhuǎn)各大金融投行，咨詢公司的數(shù)據(jù)處理自動(dòng)化，報(bào)表批量產(chǎn)出等。VBA的優(yōu)勢(shì)是跟Excel的無縫銜接，能夠用簡(jiǎn)單的編程實(shí)現(xiàn)數(shù)據(jù)自動(dòng)化，或者金融模型實(shí)現(xiàn)，預(yù)測(cè)分析。即使在今天Python、R非?；馃岬?a href='/map/shujuwajue/' style='color:#000;font-size:inherit;'>數(shù)據(jù)挖掘，數(shù)據(jù)科學(xué)領(lǐng)域，仍然有不少公司選擇使用VBA。

另一大數(shù)據(jù)技能就是SQL, SQL和Excel已經(jīng)成為這一崗位在發(fā)布職位時(shí)的標(biāo)配了。SQL是結(jié)構(gòu)化查詢語言，對(duì)接的是后臺(tái)較大較系統(tǒng)化的數(shù)據(jù)庫。它的優(yōu)勢(shì)是基于不同邏輯的數(shù)據(jù)抓取會(huì)很方便和有效率。基本的語法其實(shí)并不難，會(huì)使用join table、sub query,

case when、rank這些功能其實(shí)不是太難，難點(diǎn)在于通過不同的練習(xí)，訓(xùn)練出一個(gè)良好的邏輯思考能力。簡(jiǎn)言之，就是知道什么商業(yè)需求可以實(shí)現(xiàn)，哪些需求需要更久的時(shí)間。此外，對(duì)業(yè)務(wù)的理解也至關(guān)重要，千萬不要小看這個(gè)簡(jiǎn)單的數(shù)據(jù)抓取，好的SQL實(shí)現(xiàn)者一定是對(duì)業(yè)務(wù)理解透徹，事半功倍的。

如果致力于從事數(shù)據(jù)分析工作，那除了掌握Excel， VBA，SQL之外，還需緊跟趨勢(shì)，學(xué)習(xí)最新技能，但同時(shí)也得夯實(shí)基礎(chǔ)。記得我2011年本科畢業(yè)的時(shí)候，跟現(xiàn)在2018年同樣一個(gè)數(shù)據(jù)分析職位的JD是完全不一樣的。而且公司或者業(yè)務(wù)層面對(duì)數(shù)據(jù)分析的重視程度也不一樣。建議要不斷更新自己的技能儲(chǔ)備，至少了解現(xiàn)在在發(fā)生著什么，什么是基礎(chǔ)，什么是進(jìn)階。這里更想強(qiáng)調(diào)一下對(duì)數(shù)據(jù)和商業(yè)的理解。一般三年以內(nèi)可能還是在磨練技術(shù)，過了三年就開始思考更深一層的東西，就是在有了“術(shù)”的基礎(chǔ)上，往“道”的方向思考。

理解數(shù)據(jù)并非易事，至少需要幾年經(jīng)驗(yàn)的。通常在掌握了基本技能并且熟練使用的基礎(chǔ)上，加上累積的商業(yè)實(shí)踐，一般來講都會(huì)產(chǎn)生一種數(shù)據(jù)直覺。具體體現(xiàn)在：第一：當(dāng)遇到一個(gè)數(shù)據(jù)需求會(huì)先分析，而不是上手就做，因?yàn)橛袝r(shí)候需求并不合理。第二：會(huì)評(píng)估不同數(shù)據(jù)項(xiàng)目的時(shí)間進(jìn)度和反饋頻率，新手很容易不溝通，很苦逼地做了很長(zhǎng)時(shí)間之后發(fā)現(xiàn)結(jié)果不是用戶想要的。第三：當(dāng)出現(xiàn)不合理的數(shù)據(jù)時(shí)第一時(shí)間能夠反應(yīng)過來并調(diào)整。如果能做到這幾點(diǎn)，效率會(huì)大大增加。

職業(yè)選擇

1，堅(jiān)持?jǐn)?shù)據(jù)分析師，當(dāng)然這個(gè)title是可以變化的，但工作內(nèi)容本身還是一脈相承的。比如我現(xiàn)在是在Finance部門下面的Business

Finance做Finance Analyst，但我們team有專業(yè)的CFA分析師，F(xiàn)P&A分析師，我就是做Data

Analysis。

2， 轉(zhuǎn)型為數(shù)據(jù)科學(xué)家（Data Scientist），需要惡補(bǔ)統(tǒng)計(jì)學(xué)，Python和R，還有不斷地應(yīng)用到商業(yè)實(shí)踐。

3， 商業(yè)分析經(jīng)理 (BA Analytics Manager)，該職位商業(yè)性強(qiáng)，溝通強(qiáng)，懂技術(shù)但不用去做基層的“苦力”工作，并且能夠找到得力的下屬做事。

4， 數(shù)據(jù)工程師（Data Engineer），比較后端的職位，技術(shù)性強(qiáng)，對(duì)架構(gòu)，數(shù)據(jù)底層的了解更深，我的理解是比較適合理工科出身，不太希望與業(yè)務(wù)端打交道，代碼邏輯很強(qiáng)的童鞋。

5，咨詢師（Consultant），此職位更偏重商業(yè)分析能力+溝通能力+表達(dá)能力，這個(gè)對(duì)于硬性的技術(shù)要求不高，但軟性特別高。但好的咨詢公司待遇相當(dāng)棒，招人的條件也是很高，名校背景，很高的GPA成績(jī)，自信表達(dá)能力，精準(zhǔn)溝通等等，總之非常不容易。不過一般有一個(gè)咨詢團(tuán)隊(duì)，有前段后端之分，后端（支持段）偏技術(shù)分析，前段偏表達(dá)溝通。這個(gè)職位的跨度就比較大，但是我還是鼓勵(lì)各種可能性的發(fā)生。要敢想。當(dāng)然還有其他很多職位，比如數(shù)據(jù)挖掘，數(shù)據(jù)可視化工程師，產(chǎn)品或策略分析等等，各自有側(cè)重。

職場(chǎng)效率及注意點(diǎn)

技術(shù)永遠(yuǎn)只是手段。產(chǎn)生價(jià)值才是王道。這里面涉及到諸多的能力需要不斷磨練，比如意志力，溝通能力，演講能力，好奇心，創(chuàng)造力，影響力等等。這些都是能不斷塑造一個(gè)好的數(shù)據(jù)分析師的重要素質(zhì)。要去make the change and influence，不只停留在數(shù)字展示。

好的身體會(huì)使你擁有更多能量。職場(chǎng)里面那些充滿能量，對(duì)新鮮項(xiàng)目感興趣，滔滔不絕做presentation的人通常都是有著很好的生活習(xí)慣，處理事情很快，吸收知識(shí)很快，愿意學(xué)習(xí)了解新事物，堅(jiān)持鍛煉的人。這個(gè)法則適用于大多職場(chǎng)。拼到后面其實(shí)是持久的耐力，就是不松懈，堅(jiān)持對(duì)的事情。

別鉆牛角尖，要靈活。如果一種方法試了好久都不行，停下來，問一問，試一試別的，可能會(huì)有新的出路。職場(chǎng)不是一個(gè)學(xué)術(shù)的地方。我們要認(rèn)真做事，但是不要追著一個(gè)小的問題不放，這樣很容易丟失掉大的東西， 負(fù)責(zé)任地講，有很多項(xiàng)目是半途而廢的，有很多數(shù)字不是準(zhǔn)確的，我們要做的是順勢(shì)而為，抓住重點(diǎn)。Always focus on big picture.

先做傾聽者，再做思考者，然后做好的提問者，最后做實(shí)現(xiàn)者。這里每一個(gè)環(huán)節(jié)都重要，先知道別人關(guān)心的是什么，有什么問題，然后要系統(tǒng)性考慮，有時(shí)候不要著急解決小問題，F(xiàn)ocus on big picture，此外，提問出關(guān)鍵問題甚至能夠幫助stakeholder更清楚了解他要的是什么，最后搞清楚了這些之后就是Action。

有意識(shí)地去跟人交流，特別是業(yè)務(wù)相關(guān)人員，以及各個(gè)條線的stakeholder，如果僅僅利用必要的時(shí)間，比如開會(huì)的時(shí)候交流彼此對(duì)業(yè)務(wù)對(duì)分析的看法，通常是不夠的。我們作為分析人員，最好要走在前面，試探性的問問題，交流想法。提升自己舉例子的能力，把復(fù)雜的東西通過簡(jiǎn)單的描述讓別人理解很重要。

不停的總結(jié)，迭代。其實(shí)數(shù)據(jù)分析里面的分支學(xué)科還是很多的，ETL, Data Cleansing, 一些基本分析模型，Data visualization等等，不管是自己做過的項(xiàng)目經(jīng)驗(yàn)，還是網(wǎng)上看來得好文章，或者同行交流來的新的好的內(nèi)容，都可以不停的總結(jié)，試用，反饋，以此循環(huán)。長(zhǎng)期來看是非常有好處的并且容易形成自己的體系。