數據分析進階要怎麼做？

01-27

招行招聘數據分析師的其中幾點要求：2.具備深厚的數學、統計學和計算機知識背景，熟悉機器學習等新型數據挖掘、分析方法的基本理論和相關演算法，2年或以上模型開發經驗；

3.熟悉一種或以上傳統數據挖掘工具，如SAS、SPSS等，具有一種或以上大數據分析工具的實際項目開發經驗，如R、Mahout、Weka、Rhadoop等；

4.有良好的分析研究報告撰寫能力者優先；

那問題來了，這些都是很表面的。現在我在的公司每天也數據分析，報告，各種軟體用，可是想知道想大型銀行，或者阿里巴巴、京東等的數據分析到底是怎麼樣的？比如支付寶給出我們十年的賬單，買過什麼東西，相關性，其實這些普通公司都能做，資料庫、伺服器及運維除開，到純數據分析這層好像並沒有太多區別，更高階的分析是怎麼樣的？
像上面那個招聘要求，好似搞過一兩年數據崗的都可以。到底大企業的數據分析還有那些高級的，求指教！現在做數據分析碰到一些瓶頸，上升的空間突然變小，求大神們給個指引。

不邀，自來哈。

各行業、各公司對於數據分析的要求各不一，主要還是看工作內容，而不是「數據分析」本身四個字。

思（cai）路（xiang）：數據分析 = 數據 + 分析。

【數據】數據有其一整條鏈的生產過程，完全弄懂很強大。

題主所說：「資料庫、伺服器及運維除開，到純數據分析這層好像並沒有太多區別，更高階的分析是怎麼樣的？」

你除開的,恰恰是最頭痛的地方，對於「大量」數據而言，數據整條鏈的生產是否完善，其實才是最重要的，採集、存儲、提取等這系列的操作是否真的能系統、規範的做到，才是真正的難點。

「好似搞過一兩年數據崗的都可以」，我覺得過於天真，針對目前很多公司而言，數據的整體規劃都沒有，從零到有，是一個非常頭痛的過程。

【分析】分析必有價值，無價值不分析；那麼問題來了，你的分析是幹啥？是在玩轉數據，參加數學競賽么，no，是針對一系列的業務流程與業務問題，乃至企業戰略，來做分析，這個是基於對業務非常熟悉情況，才能做到有效的分析。比如產品數據分析，你真的懂產品么？你真的玩過這些產品么？產品基於用戶的一系列行為考慮，真的了解么？

剛做幾年數據分析後，有思考的人，都會遇到這樣的問題，數據分析的出路在哪？

數據分析 = 數據（偏jishu） + 分析（偏yewu）；那麼：

【方向一技術路線】數據架構師、數據挖掘工程師等，都是比較好的技術路線，前提要有（da）數（gong）據（si）。

【方向二業務路線】業務顧問，業務諮詢師，產品分析師，戰略分析師等，很高大上的白領路線是不是，前提還是要。。。，你懂的！

專註數據分析，歡迎一起交流！QQ群：數據分析在路上 158328722

謝邀。

看這個：http://www.slideshare.net/datasciencelondon/big-data-sorry-data-science-what-does-a-data-scientist-do

首先先說明數據分析絕對不單是一門簡單技術，而是包羅萬象的，可以反應所有的事物的。然後來回答題主的問題。題主想成為好的數據分析師，那麼需要具備以下幾個技能，數據能力，分析能力，以及個人能力。具體說明總結如下的:

1.數據能力基礎的能力就不再贅述了，像數據收集處理等等，這些如果不會還是自行補課吧。主要為了解決題主所說的瓶頸，所以這裡的數據能力包含以下幾個。

首先，數據來源的獲取能力。這裡包含對於數據的敏感性和捕捉能力，同時也包含個人的人脈關係及社會交往能力。我的朋友在省社科院、百度、阿里巴巴和網易都有做數據分析工作，他們工作的好壞，很大程度取決於數據獲取質量的高低。這裡邊，在打實基本能力基礎的前提下，多通過朋友或者關係獲得數據是5非常重要的。

其次，數據信度的保證。無論是哪裡的數據分析，信度和效度保證都是數據分析師的基本職業操守，當然也是這份數據可靠與否的保證。在大數據時代，數據冗餘垃圾信息泛濫而公眾識別能力普遍又不高。如何能夠讓自己的數據信度效度都提升，同時被他人認可，是數據分析工作重要的一環。但往往被人們所忽視。

2.分析能力

這裡邊首先要有基礎的分析能力。我認為數據分析軟體和辦公組件（如office）非常類似。都是具有極其基礎功能但深入很難得工具。。所以我認為數據分析軟體的學習沒有終點。要不斷通過實例來開發研究學習新功能。除此之外，要掌握新的進階功能。這就要靠有經驗的數據分析人員的指點和自己經驗的積累才能提升了。

3.個人能力

數據分析絕不僅是看圖說話。一個簡單的散點圖甚至能得出眾多的不同結論。而數據分析師的最核心業務就是根據對數據分析出來的結果，給予一定的指導性意見。那麼這裡邊數據分析人員一定要有自己的所長領域，要能結合自身的專業背景知識（例如經濟金融等），分析數據。