都有哪些(xiē)人(rén)想要成為(wèi)數據分(fēn)析師

從我看到想要成為(wèi)數據分(fēn)析師的人(rén)大緻有三類：

第一(yī)類是非計算(suàn)機專業的在校(xiào)生(shēng)，不知道怎麽回事(shì)，反正就(jiù)是對數據感興趣了(le)，然後想畢業之後從事(shì)相關(guān)工作(zuò)，但(dàn)對職位要求、該做什(shén)麽準備一(yī)無所知，處于懵懂期;

　　第二類是互聯網公司的産品經理(lǐ)和運營經理(lǐ)，及少數的市(shì)場(chǎng)經理(lǐ)。這(zhè)些(xiē)人(rén)在實際工作(zuò)中，發現(xiàn)确實數據很有用，但(dàn)對自己的數據分(fēn)析能(néng)力感到不滿意，進而想做出提升;

　　第三類是傳統企業的業務(wù)人(rén)員(yuán)，也(yě)是不知道怎麽就(jiù)對數據感興趣了(le)，想要從事(shì)數據分(fēn)析相關(guān)的崗位，但(dàn)缺少時(shí)間(jiān)系統學習，工作(zuò)經曆又不足以支撐自己跳(tiào)到數據分(fēn)析職位。

　　對于不同的背景，采用一(yī)樣的方法去訓練，顯然是不合理(lǐ)的。我先來(lái)講解一(yī)下(xià)數據相關(guān)的角色以及職責，說(shuō)不定你認識清楚了(le)就(jiù)不想成為(wèi)數據分(fēn)析師了(le)，就(jiù)可以不用往下(xià)看了(le)。如(rú)果還有信心，那我就(jiù)介紹一(yī)下(xià)要學習的基礎内容，然後再介紹進階的内容。

數據相關(guān)的角色

　　圍繞數據分(fēn)析，主要有六種角色。從平台建設線上(shàng)，包括：

　　數據平台工程師：負責數據平台的研發，牽涉到從數據采集到分(fēn)析的相關(guān)組件開發。

　　數據挖掘工程師：利用機器(qì)學習/數據挖掘相關(guān)技術，研發算(suàn)法模型，用于個(gè)性化(huà)推薦、用戶畫像、精準廣告等。

　　數據産品經理(lǐ)：把數據相關(guān)的需求抽象為(wèi)數據平台的功能(néng)産品。

　　從數據流向的角度，包括：

　　ETL工程師：把工程團隊的模塊産生(shēng)的數據，不管是日志、數據表，還是埋點的數據，進行清洗、轉換，建模成利于數據分(fēn)析的數據。ETL是Extract–Transform–Load的縮寫。

　　數據分(fēn)析師：利用ETL工程師處理(lǐ)好(hǎo)(hǎo)的數據，滿足業務(wù)人(rén)員(yuán)的數據需求。

　　業務(wù)人(rén)員(yuán)：産品、運營、市(shì)場(chǎng)、管理(lǐ)層等，因為(wèi)産品改進、運營活動、商(shāng)業決策等，有數據需求。

數據分(fēn)析師的職責範圍

　　通過上(shàng)面的角色劃分(fēn)，我們可以清楚數據分(fēn)析師在整個(gè)數據版圖中的位置。數據分(fēn)析師一(yī)方面要和業務(wù)人(rén)員(yuán)打交道，滿足業務(wù)人(rén)員(yuán)的數據需求，另一(yī)方面，要借助ETL工程師建模好(hǎo)(hǎo)的數據，以及數據平台工程師開發的平台，來(lái)更高效的完成工作(zuò)。

　　有些(xiē)公司在人(rén)員(yuán)緊缺的情況下(xià)，會把ETL工程師要做的工作(zuò)，也(yě)安排給數據分(fēn)析師，這(zhè)樣對數據分(fēn)析師的開發能(néng)力和建模能(néng)力，就(jiù)會有更高的要求。最後一(yī)點是提供洞察，前面的工作(zuò)更多的是被動的，數據分(fēn)析師還要主動的發現(xiàn)數據中的異常，将這(zhè)些(xiē)異常指導業務(wù)。

　　看了(le)這(zhè)些(xiē)工作(zuò)内容，可能(néng)并不會覺得特别高大上(shàng)。我曾經有個(gè)組員(yuán)，幹了(le)一(yī)年多的數據統計工作(zuò)，覺得整天寫腳本太枯燥了(le)，堅決要求再也(yě)不做相關(guān)工作(zuò)了(le)。其實數據分(fēn)析師如(rú)果做的不好(hǎo)(hǎo)，就(jiù)會發現(xiàn)自己無非是在“取數”。業務(wù)人(rén)員(yuán)提了(le)需求，然後把要的數據給提取出來(lái)，自己就(jiù)是一(yī)個(gè)流水線工人(rén)，沒有一(yī)點成就(jiù)感。

　　這(zhè)裏發揮一(yī)下(xià)抽象能(néng)力，就(jiù)可能(néng)把一(yī)些(xiē)重複的“取數”工作(zuò)給解決掉，用機器(qì)代替人(rén)工。所以理(lǐ)解業務(wù)，提供自己的思考與抽象，很重要。

數據分(fēn)析師的基本要求

　　對數據感興趣：是不是看到一(yī)行行的數字就(jiù)頭大，選擇直接跳(tiào)過?還是願意花些(xiē)時(shí)間(jiān)研究這(zhè)些(xiē)數字背後意味着什(shén)麽?如(rú)果你看蘋果的發布會的話(huà)，會看到喬布斯的幻燈片裏出現(xiàn)最多的就(jiù)是數字，賣了(le)多少部，分(fēn)了(le)多少錢(qián)，厚度減少到多少毫米之類的，他相信數字簡單明了(le)。

　　如(rú)果對數據不感興趣，這(zhè)個(gè)角色一(yī)定不适合你。

　　良好(hǎo)(hǎo)的理(lǐ)解和抽象能(néng)力：把業務(wù)人(rén)員(yuán)說(shuō)的隻言片語，抽象為(wèi)明确的數據需求，清楚怎麽從基礎數據中實現(xiàn)出來(lái)。還有把一(yī)些(xiē)重複性的需求，抽象出模式來(lái)，用機器(qì)來(lái)替代。

　　良好(hǎo)(hǎo)的表達能(néng)力：數據分(fēn)析師有個(gè)天然的優勢，能(néng)夠直接和老闆打交道，這(zhè)就(jiù)要求你能(néng)站(zhàn)在老闆的層面來(lái)表達。把一(yī)堆堆的數據，很好(hǎo)(hǎo)的呈現(xiàn)給業務(wù)人(rén)員(yuán)，幫助他們做出正确的決策。

　　快(kuài)速動手能(néng)力：業務(wù)人(rén)員(yuán)提的數據需求，巴不得下(xià)一(yī)秒(miǎo)都拿到。

　　興趣是可以培養的，既然願意看這(zhè)篇文章，說(shuō)明有興趣。理(lǐ)解、表達、動手能(néng)力，是要有意識的訓練。數據分(fēn)析的專業能(néng)力，是可以通過學習提升的。

數據分(fēn)析師要學習的内容

　　統計學：我看一(yī)些(xiē)人(rén)推薦了(le)不少統計學的專業書籍，直接把人(rén)吓跑了(le)。我自己就(jiù)大學時(shí)候學過《概率論與數理(lǐ)統計》，其他統計相關(guān)的内容也(yě)沒怎麽看過。對于互聯網的數據分(fēn)析來(lái)說(shuō)，并不需要掌握太複雜的統計理(lǐ)論。所以隻要按照本科教材，學一(yī)下(xià)統計學就(jiù)夠了(le)。

　　一(yī)是讓你相信統計本身(shēn)是一(yī)門科學，這(zhè)不是星座算(suàn)命。

　　二是在研究數據時(shí)，知道一(yī)些(xiē)特征是負責統計學規律的。我在剛參加工作(zuò)時(shí)，看到百度知道過億的用戶訪問，但(dàn)每天訪問的量波動不超過3%，感覺太神奇了(le)。

　　編程能(néng)力：學會一(yī)門編程語言，會讓你處理(lǐ)數據的效率大大提升。如(rú)果你隻會在Excel上(shàng)複制粘貼，動手能(néng)力是不可能(néng)快(kuài)的。我比較推薦Python，上(shàng)手比較快(kuài)，寫起來(lái)比較優雅。

　　數據庫：數據分(fēn)析師經常和數據庫打交道，不掌握數據庫的使用可不行。學會如(rú)何建表和使用SQL語言進行數據處理(lǐ)，可以說(shuō)是必不可少的技能(néng)。

　　數據倉庫：許多人(rén)分(fēn)不清楚數據庫和數據倉庫的差異，簡單來(lái)說(shuō)，數據倉庫記錄了(le)所有曆史數據，專門設計為(wèi)方便數據分(fēn)析人(rén)員(yuán)高效使用的。 

　　數據分(fēn)析方法：對于互聯網數據分(fēn)析人(rén)員(yuán)來(lái)說(shuō)，可以看一(yī)下(xià)《精益創業》和《精益數據分(fēn)析》，掌握常用的數據分(fēn)析方法，然後再根據自己公司的産品調整，靈活組合。

　　數據分(fēn)析工具：SAS、Matlab、SPSS這(zhè)些(xiē)工具經常有人(rén)推薦，我要說(shuō)的是在互聯網公司一(yī)般都用不上(shàng)。

　　做可視(shì)化(huà)的Tableau，統計分(fēn)析的友盟、百度統計，還有像我們神策分(fēn)析等。

　　這(zhè)些(xiē)工具本身(shēn)不一(yī)定能(néng)滿足你的所有需求，但(dàn)會讓數據分(fēn)析變的更高效。我自己整理(lǐ)過一(yī)個(gè)豆瓣書列，有興趣的可以看看：數據分(fēn)析師豆列。上(shàng)面的内容學習後，隻能(néng)說(shuō)成為(wèi)一(yī)名合格的數據分(fēn)析師。

　　要成為(wèi)高級數據分(fēn)析師的話(huà)，一(yī)方面是要強化(huà)對業務(wù)的理(lǐ)解，最好(hǎo)(hǎo)是做到通過數據分(fēn)析幫助公司決策方向，或者說(shuō)促進企業快(kuài)速增長。另一(yī)方面，要加強機器(qì)學習/數據挖掘的專業知識學習，将機器(qì)學習成為(wèi)數據分(fēn)析的手段。比如(rú)預測用戶的流失，對用戶進行自動分(fēn)類等。你能(néng)提供的價值就(jiù)大不相同了(le)。最後，要強調的是，數據分(fēn)析師是一(yī)個(gè)實踐的職位，要在實際項目中不斷的訓練，才能(néng)成為(wèi)高手。