數據分析師到底有多厲害?

01-14

看了本未來小說描繪感覺超級厲害什麼通過人語言行為判斷人性格喜好，通過一堆數據預測未來，但小說畢竟是小說，也有誇大的成分，數據分析師到底有多厲害?

以個人淺薄的經驗來看，數據分析師有很多個分支崗位，崗位的劃分和公司的業務相關。對個人而言，崗位的職責不同導致了對技能的要求不同。

1. 數據運營

這種數據崗主要是偏運營方向。工作內容是製作報表，提數據需求給開發人員，產出分析報告，承接其他部門的數據需求四大內容。對技能沒有太多要求，Excel很熟，需求能和開發說清楚，明白什麼外部需求可以處理，什麼不能處理。分析報告自己懂得提取有意思的點，總結導致數據結果的原因。說白了就是怎麼去實現關於數據的任務。

2. 數據產品

這種崗位偏向與搭建數據類的產品。數據類產品分很多種，在公司內部最常見的是數據平台的搭建，或者是針對某個業務邏輯的模型方法。其中，數據平台的產品就是確定我們要看什麼數據，以什麼方式展示出來，能否解決其他部門的數據需求。針對業務邏輯的模型方法，和數學模型沒有半點關係，就是針對用戶的特點，提出一套總結性質的方法，然後跟進這種方法，實現業務邏輯，說白了就是怎麼做事更有效。需要懂得製作產品原型，Excel肯定要很熟。有時需要跟進項目催促開發進度。

3. 數據分析師

工作內容包括從資料庫提取數據給數據運營產品，產出部分分析報告，搭建業務相關的模型（這個一般是數學模型）。有可能會參與到報表開發，數據平台開發。技能包括會SQL查詢（不要求複雜的SQL，不要求寫存儲過程什麼的），會寫腳本（Python，shell），使用數據分析工具（R，Python），懂得一般數學模型，例如 linear regression，logistics regression等等。不需要掌握數據挖掘的技術，組裡有數據挖掘工程師去實現。如果你的公司業務和數據無關，比如說只有日活，存留率，或者PVUV之類的，這個數據分析一般不用搭建模型，價值不大；但如果業務和數據相關，比如是用戶投資公司的產品，數據直接和錢打交道，就需要數學模型去量化這些行為，價值不同。一般這些模型在統計學中都會學到，千萬不要以為線性回歸就是什麼最小二乘法一條直線嘛，好好去找一個統計課本看看裡面的假設檢驗都有哪些，不要對線性回歸停留在中學階段。實現這些模型，就是利用R或者Python。一般是離線計算，把結果放到伺服器上在數據平台展示。如果需要實時性質的計算，數據分析師肯定是搞不定的。

數據挖掘工程師，掌握的技能非朝夕可得，想短期速成不現實。以上三個崗位倒有可能速成。

如果對你有幫助，請點個贊。

數據分析師的概念可大可小，因為是為企業服務，處理數據，實現數據到信息知識之間轉換的那部分人，就可以稱之為數據分析師，但其終極目的都是為業務發展提供合理化的建議和改進。

如果換個背景，那麼數據分析師的內涵就可以擴充到很大的地步，在不同的背景下，就會有許多不同的名字。比如大數據時代，大家稱牛逼的數據分析師為數據科學家。而在古代，為君主們出謀劃策的那些謀士也可視為數據分析師。在行軍打仗中，也可能是軍師。不管是古代的謀士，還是今天的數據科學家，其厲害之處應該是想通的，最終都能完成對人性的把握。厲害的數據分析師到底有多厲害，我也沒見過，或許可以從2000多年前《孫子兵法》中偷窺一二：

1、孫子說，行兵打仗，要考慮五方面的大事，一曰道，二曰天，三曰地，四曰將，五曰法。從政治、天時、地利、人和以及制度等五方面闡述了戰前打勝仗的因素。反觀今天的數據分析師，則應從對應的方面完成對產品、業務、用戶等人員、外部環境等因素有深刻的理解和認識，有自己的一套獨特見解應該算其厲害之一；

2、孫子說：善用兵者，役不再籍，糧不三載，取用於國，因糧於敵，故軍食可足也。此處主要講行軍打仗善於利用外部條件，藉助對手的力量來實現自己的目的，那麼對應之厲害的數據分析師應該是一個善於借勢的人，很好的利用內外部各種資源為我所用；

3、孫子說：

善用兵者，屈人之兵而非戰也，拔人之城而非攻也，毀人之國而非久也，必以全爭於天下，故兵不頓，而利可全。此處主要講行軍打仗如何利用最小的代價而取得最大的勝利，不戰而屈人之兵或許就是這樣一種境界，那麼對應之厲害的數據分析師應該是對人性有精準把控的人，很好的利用人性的弱點來實現自己的策略目標；

4、孫子說：昔之善戰者，先為不可勝，以待敵之可勝。不可勝在己，可勝在敵。故善戰者，能為不可勝，不能使敵之必可勝。此處主要講其防守反擊的策略，先使自己利於不敗之地，然後利用對手的疏忽而一擊制勝。所以厲害的數據分析師應該是善於抓對手漏洞的人，而且有自己獨特的視角，所以孫武在軍形篇中有補充說到：「見勝不過眾人之所知，非善之善者也；戰勝而天下曰善，非善之善者也。故舉秋毫不為多力，見日月不為明目，聞雷霆不為聰耳。古之所謂善戰者，勝於易勝者也。故善戰者之勝也，無智名，無勇功，故其戰勝不忒，不忒者，其所措必勝，勝已敗者也。故善戰者，立於不敗之地，而不失敵之敗也。是故勝兵先勝而後求戰，敗兵先戰而後求勝。」

5、孫子說：善戰者，其勢險，其節短。善動敵者，形之，敵必從之；予之，敵必取之。以利動之，以卒待之。故善戰者，求之於勢，不責於人故能擇人而任勢。此處主要講行軍打仗的借勢與造勢，對應在厲害的數據分析師上一方面是有計劃的做自己的「勢」，利用內部資源和外部對手為自己服務。

6、孫子說：善戰者，致人而不致於人。善攻者，敵不知其所守；善守者，敵不知其所攻。 ……

PS：關於數據分析師的技術和邏輯問題：首先關於數據分析技術上能做的並不是一個人的實力，而是一個團隊實力，技術從某種程度上講只是一種工具，是對邏輯的輔助支持。但對目前市場情況而言，大家都在糾結在技術上，因為沒有技術的前提下，業務邏輯再厲害的人也是白搭，更多的智能靠經驗。

在數據化的道路上，單打獨鬥的時代已經過去，更多的依靠整個數據團隊，厲害的團隊應該能做到對用戶前端行為很好的商業本質還原，說白了，對數據的分析最終還是會落到對人的分析上來。

數據分析師分3個階段，

第一階段是了解自身。

第二階段是老老實實了解自身。

第三階段是踏踏實實重新了解自身。

所謂預測，方法論，模型統計，都沒有了解自身公司的運營狀況來的實際。

說難聽點，整那些虛了吧唧的幹什麼玩意？在做預測之前，公司每年產品有哪些問題分析出來了么？對比其他公司的產品，自己公司產品有什麼優勢分析好了么？購買人群，人群偏好，分析好了么？對於對手你有多了解？自身成本控制和競爭對手之間有什麼差別么？等等等。

什麼明年我們按這個趨勢能怎麼樣怎麼樣。

我們只要加了這個新特性就能怎麼樣怎麼樣。

按我的分析，明年我們只要如何就能怎麼樣怎麼樣。

這些都是扯。預測和分析未來是一件極其愚蠢的行為。因為以後的成敗都是靠人，你能分析人么？

補充一下。

我個人只認可對現有數據進行探索性分析，並使用相關的模型。對推斷，預測抱有悲觀態度，因為很多時候。對推斷結果和預測的不可控因素實在太多。簡簡單單基於數據的推測，實在是抱有懷疑的態度。所以就現階段而言，對現有數據進行深度分析的獲益是最大的。我相信絕大多數的分析師都忙於現有數據的分析，而不是預測。

說個笑話，我預測明天股市會漲

不厲害，就是鍵盤敲得比算盤還快哈。

Hellobi Live | 從BI到AI，數據分析從業人員的的轉型

做數據分析的可以去課堂學習學習

前段時間買了阿里盧輝的《數據挖掘與數據化運營實戰思路、方法、技巧與應用》。隨便淺淺的看了看，還沒看到後面具體的分析層面，只是簡單的了解了一下數據分析，數據挖掘到底來給公司帶來什麼。裡面的實例很多，看的也是很激動，感覺很吊的樣子，然並卵。。。

具體到了公司，還得看公司的架構以及領導對於此方面的重視程度，以及具體的人員配備，公司沒有這個意識，程序設計的時候收集不到足夠真實的數據，談數據挖掘都是徒勞。

因為我看到我公司那個數據分析師整天只是在做報表而已，美化表格，運營日報，月報，周報種種的。我也是呵呵了，北大數學系的。

極端極端極端運營側數據分析師～～～

窺探歷史：利用數據還原每一個業務場景，將過程量化，指出優缺點。不斷沉澱，積累足夠多的數據總結，業務總結。以業務和數據雙重視角剖析，可以主觀。

對比現在：將積累沉澱的數據結論與現有業務橫向比較，尋找變化點，潛力點。以數據視角剖析，必須客觀。

揣測明天：通過自身強烈的業務敏感性針對變化點，潛力點大膽做數據預測，並映射回業務場景，再以業務視角剖析合理性，可以主觀。

所有的數據結論，業務出發點均由數據分析師提出，期間整個過程需要協調業務部門內絕大多數決策人員參與了解，討論並認同，最終實施。

成績：

a上市公司某業務線業績半年4倍

b上市公司某業務線業績全年5倍

技能（5星為滿分，從上到下是個人理解的優先順序）

對傳統互聯網，移動互聯網，金融3大行業的積累理解認知度，3星

倉庫級商業軟體sql開發，能力4星

office各種文檔編寫，能力4星

某cgi腳本，能力3星

spss及各種模型掌握，能力3星

數據分析師是對信息整合分析的能力。

你想那種分析師是是有的。

不過他主要工作地點是在街頭擺攤子，算命的。

這只是公司業務拓展的流程中一環，數據分析是用來理解用戶的，做的越深理解的越深。因此可以以此為依據並依靠模型和計算機做一些人力不能及的決策，但不能說是預測

可大可小，沒那麼神