
前段時間在微博上看到一張某集團的數(shù)據(jù)分析師職位層級表,由于表格太大,在網(wǎng)頁上顯得字體太小,很難看清楚,因此我將它簡化處理成如下兩張表格,分為層級1和層級2:
從表中可以看出,專家級的數(shù)據(jù)分析在分析方法的要求方面與資深數(shù)據(jù)分析師是相同的,層級2與層級1的能力差別主要體現(xiàn)在業(yè)務(wù)分析能力、管理能力和影響力等方面。要從“使命必達”的助理數(shù)據(jù)分析師,成長為“獨擋一面”的數(shù)據(jù)分析專家,其中必然需要學(xué)習(xí)很多知識、積累很多經(jīng)驗、提升很多技能,這對從事數(shù)據(jù)分析的人有一定的指導(dǎo)意義,在做職業(yè)規(guī)劃時可以參考。
按照不同分析方法所能給人帶來的智能程度,可以把分析能力劃分為以下8個等級。
![]() |
1. 標(biāo)準(zhǔn)報表 回答: 發(fā)生了什么?什么時候發(fā)生的? 示例:月度或季度財務(wù)報表 我們都見過報表,它們一般是定期生成,用來回答在某個特定的領(lǐng)域發(fā)生了什么。從某種程度上來說它們是有用的,但無法用于制定長期決策。 |
![]() |
2. 即席查詢 回答:有多少數(shù)量?發(fā)生了多少次?在哪里? 示例:一周內(nèi)各天各種門診的病人數(shù)量報告。 即席查詢的最大好處是,讓你不斷提出問題并尋找答案。 |
![]() |
3. 多維分析 回答:問題到底出在哪里?我該如何尋找答案? 示例:對各種手機類型的用戶進行排序,探查他們的呼叫行為。 通過多維分析(OLAP)的鉆取功能,可以讓您有初步的發(fā)現(xiàn)。鉆取功能如同層層剝筍,發(fā)現(xiàn)問題所在。 |
![]() |
4. 警報 回答:我什么時候該有所反應(yīng)?現(xiàn)在該做什么? 示例:當(dāng)銷售額落后于目標(biāo)時,銷售總監(jiān)將收到警報。 警報可以讓您知道什么時候出了問題,并當(dāng)問題再次出現(xiàn)時及時告知您。警報可以通過電子郵件、RSS訂閱、評分卡或儀表盤上的紅色信號燈來展示 |
![]() |
5. 統(tǒng)計分析 回答:為什么會出現(xiàn)這種情況?我錯失了什么機會? 示例:銀行可以弄清楚為什么重新申請房貸的客戶在增多。 這時您已經(jīng)可以進行一些復(fù)雜的分析,比如頻次分析模型或回歸分析等等。統(tǒng)計分析是在歷史數(shù)據(jù)中進行統(tǒng)計并總結(jié)規(guī)律。 |
![]() |
6. 預(yù)報 回答:如果持續(xù)這種發(fā)展趨勢,未來會怎么樣?還需要多少?什么時候需要? 示例:零售商可以預(yù)計特定商品未來一段時間在各個門店的需求量。 預(yù)報可以說是最熱門的分析應(yīng)用之一,各行各業(yè)都用得到。特別對于供應(yīng)商來說,能夠準(zhǔn)確預(yù)報需求,就可以讓他們合理安排庫存,既不會缺貨,也不會積壓。 |
![]() |
7. 預(yù)測型建模 回答:接下來會發(fā)生什么?它對業(yè)務(wù)的影響程度如何? 示例:酒店和娛樂行業(yè)可以預(yù)測哪些VIP客戶會對特定度假產(chǎn)品有興趣。 如果您擁有上千萬的客戶,并希望展開一次市場營銷活動,那么哪些人會是最可能響應(yīng)的客戶呢?如何劃分出這些客戶?哪些客戶會流失?預(yù)測型建模能夠給出解答。 |
![]() |
8. 優(yōu)化 回答:如何把事情做得更好?對于一個復(fù)雜問題來說,那種決策是最優(yōu)的? 示例:在給定了業(yè)務(wù)上的優(yōu)先級、資源調(diào)配的約束條件以及可用技術(shù)的情況下,請您來給出IT平臺優(yōu)化的最佳方案,以滿足每個用戶的需求。 優(yōu)化帶來創(chuàng)新,它同時考慮到資源與需求,幫助您找到實現(xiàn)目標(biāo)的最佳方式。 |
上面的8級劃分源自SAS網(wǎng)站的Eight levels of analytics,由IDMer編譯而成,個人覺得其中的8張圖片非常形象生動,網(wǎng)友@數(shù)據(jù)小宇軍用兩個圖表將它們更好地展示出來了:
數(shù)據(jù)分析師的級別
1、數(shù)據(jù)跟蹤員:機械拷貝看到的數(shù)據(jù),很少處理數(shù)據(jù)
雖然這個工作的人還不能稱作數(shù)據(jù)分析師,但是往往作這樣工作的人還都自稱是數(shù)據(jù)分析師,這樣的人,只能通過×××系統(tǒng)看到有限的數(shù)據(jù),并且很少去處理數(shù)據(jù),甚至不理解數(shù)據(jù)的由來和含義,只是機械的把自己看到的數(shù)據(jù)拷貝出來,轉(zhuǎn)發(fā)給相應(yīng)的人。這類人發(fā)出來的數(shù)據(jù),是否有意義,怎么解讀,他自己是不知道的,只能期望收到數(shù)據(jù)的人了。
2、數(shù)據(jù)查詢員/處理員:數(shù)據(jù)處理沒問題,缺乏數(shù)據(jù)解讀能力
這些人可以稱為分析師了,他們已經(jīng)對數(shù)據(jù)有一定的理解了,對于大部分數(shù)據(jù),他們也知道數(shù)據(jù)的定義,并且可以通過監(jiān)控系統(tǒng)或者原始的數(shù)據(jù),處理得到這些數(shù)據(jù)。統(tǒng)計學(xué)的方法,這批人還是很精通的,統(tǒng)計學(xué)的工具,他們也是用起來得心應(yīng)手,你讓他們做一下因子分析,聚類肯定是沒問題,各類檢驗也是用的爐火純青。他們的不足是:1、如果不告訴他們命題,那么他們就不知道該應(yīng)用什么樣的方法去得到結(jié)論了。2、對于數(shù)據(jù)的處理沒問題,但是卻沒有一個很好的數(shù)據(jù)解讀能力。只能在統(tǒng)計學(xué)的角度上解釋數(shù)據(jù)。
3、數(shù)據(jù)分析師:解讀數(shù)據(jù),定位問題提出答案
數(shù)據(jù)分析師這群人,對于數(shù)據(jù)的處理已經(jīng)不是問題了,他們的重點已經(jīng)轉(zhuǎn)化到怎么樣去解讀數(shù)據(jù)了,同樣的數(shù)據(jù),在不同人的眼中有不一致的內(nèi)容。好的數(shù)據(jù)分析師,是能通過數(shù)據(jù)找到問題,準(zhǔn)確的定位問題,準(zhǔn)確的找到問題產(chǎn)生的原因,為下一步的改進,找到機會點的人。往往科班出身的人,欠缺的不是在處理數(shù)據(jù)上,而是在解讀數(shù)據(jù)上,至于將數(shù)據(jù)和產(chǎn)品結(jié)合到一起,則是其更缺少的能力了。
4、數(shù)據(jù)應(yīng)用師:將數(shù)據(jù)還原到產(chǎn)品中,為產(chǎn)品所用
數(shù)據(jù)應(yīng)用,這個詞很少被提到。但是應(yīng)用數(shù)據(jù)被提的很多,分析了大量的數(shù)據(jù),除了能找到問題以外,還有很多數(shù)據(jù)可以還原到產(chǎn)品中,為產(chǎn)品所用。典型的是在電子商務(wù)的網(wǎng)站中,用戶的購買數(shù)據(jù),查看數(shù)據(jù)和操作的記錄,往往是為其推薦新商品的好起點,而數(shù)據(jù)應(yīng)用師就是要通過自己的分析,給相應(yīng)的產(chǎn)品人員一個應(yīng)該推薦什么產(chǎn)品,購買的可能性會最大的一個結(jié)論。國內(nèi)能做到這個級別的數(shù)據(jù)人員還真是少的可憐,甚至大部分人員連數(shù)據(jù)的視圖都搞不定,而真正意義上的能數(shù)據(jù)應(yīng)用師,可以用數(shù)據(jù)讓一個產(chǎn)品變得更加地簡單高效。
5、數(shù)據(jù)規(guī)劃師:走在產(chǎn)品前面,讓數(shù)據(jù)有新的價值方向
數(shù)據(jù)規(guī)劃師,不能說水平上比數(shù)據(jù)應(yīng)用師高多少,而是另外一個讓數(shù)據(jù)有價值的方向。往往在實際的應(yīng)用中,數(shù)據(jù)都是有其生命周期的,用來分析、應(yīng)用的數(shù)據(jù)也是,這點上,尤其是在互聯(lián)網(wǎng)公司更加明顯,一個版本的更新,可能導(dǎo)致之前的所有數(shù)據(jù)都一定程度的失效。數(shù)據(jù)規(guī)劃師在一個產(chǎn)品設(shè)計之前,就已經(jīng)分析到了,這個產(chǎn)品應(yīng)該記錄什么樣的數(shù)據(jù),這些數(shù)據(jù)能跟蹤什么問題,哪些記錄到的數(shù)據(jù),應(yīng)該可以用到數(shù)據(jù)中去,可以對產(chǎn)品產(chǎn)生什么樣的價值。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10