開欄第一篇~我是如何從DBA轉行做數據分析師的

從不想談個人的親身經歷,恐怕說出來都是淚~~~從做 DBA 開始,一直是一堆開發中唯一的女生,估計你會想起來這張圖:

沒錯,遇到問題時確實會受到多方支援,但這也僅限於未結婚前~【一下暴漏了 ): 】估計你還會對女 DBA 的長相很好奇,會不會是女漢子啊,反正我不是,哈!再說 DBA 的薪資待遇、發展前途也是不可限量的,估計你又要問,那你為啥不幹了呢?我也一直問自己這個問題,如果轉行的話,代價會不會太大,畢竟積累了多年 Oracle、Mysql 經驗,也曾接受過管理100台主機伺服器的挑戰。

但是,資料庫的問題要處理得在用戶不經常使用的時候處理,而這往往要等到凌晨以後,而且還會時不時會被半夜叫醒處理故障,還心驚膽戰的...(臉上的褶子又增加了一條):),想去高並發高交易的公司去接受更大的挑戰提升自己,但是,技術負責人說,這麼苦逼的工作,還是別讓女生幹了(很受傷很受傷),於是反思了下自己,思考自己的優勢和劣勢,也為未來想了想,自己很喜歡數據分析,市場前景也不錯,另外做數據分析也不算將以前的經驗完全拋棄掉,反而也是自己的一個優勢,做一個既懂技術又懂業務的分析師,豈不很好!那就開干吧!

發現真要著手干,不知道從哪下手,各種查資料,各種學習數據分析工具,Excel、SPSS、weka、RapidMiner、R、 python(Pandas、SKlearn、Numpy等等)學的越多越迷茫,不知道學了這些到底能解決哪些問題?所以你需要先有一套方法論來統籌,先知道要解決什麼問題,從哪下手,再想用哪些工具和手段來解決。

其實數據分析整個領域可以分為兩個方向:

  • 業務數據分析方向

該方向要求對業務感知能力要強,招聘要求裡面常說的商業分析能力,即是要求你要對業務有深刻的理解,對行業對用戶的把握和研究,同時要求你有一定的溝通表達能力,因為你要和各種業務人員溝通打交道,正確理解業務部門的需求,能夠知道如何通過幾張圖的組合分析最大程度的傳達和決策相關的信息,並清晰易懂的表達出來,為公司解決經營和發展的核心問題。

如何才能提高業務感知能力,直接深入一線,獲取最直接和底層的信息,絕對是一個好辦法,不能只停留在數據上,有些問題只看數據是反映不出任何問題的。

如何和各種人打交道也非常重要,在正式和業務去溝通前,一定要做好基本功,起碼對業務領域的專業名詞要提前熟悉,以及業務開展的一般流程是什麼,現在業務面臨的痛點是什麼,目的是為了在和業務溝通時,能夠迅速的展現自己的專業和讓對方感知到你確實在為解決業務問題而努力,這樣才能獲得業務的信任和配合。

當然要解決這些業務問題,首先要有自己解決問題的一套邏輯,即我們要掌握常用的一些業務分析模型和方法論,每一種模型是解決什麼問題的。這裡推薦你學習如下書籍:

《精益數據分析》《增長黑客》《人人都是網站分析師》《運營之光》《產品的視角從熱鬧到門道》《一個廣告人的獨白》《金字塔原理》《零售的哲學》《學會提問》《智能時代》《啟示錄》《用戶體驗要素》《寫給大家看的設計書》《數據化運營速成手冊》《網站分析實戰》

有了方法論的指導,還要有實際解決問題的工具,這就要求你具備一定的技術和工程能力:

1.統計基本功

2.對基本工具的應用能力,比如SQL、Excel、PowerBI、R或Python

這裡推薦你學習如下書籍:

《商務經濟統計學》《赤裸裸的統計學》《深入淺出SQL》《利用Python進行數據分析》《深入淺出Python(影印版)》

3.對演算法以及前沿的機器學習方法的掌握和學習能力,當然這就涉及另一個方向了。

  • 數據挖掘方向

做數據挖掘要求你具有一定的編程基礎,熟悉演算法、數據結構等等,這不是本人目前的研究方向,暫且不表~可以閱讀《數據挖掘》《數據挖掘導論》了解常用的數據挖掘演算法,以及每種演算法實際解決的問題。不過這裡提醒一點,對於面向業務問題的數據科學或者機器學習項目,很多時候,我們的難點並不是卡在某一個具體的技術,而在於數據挖掘的結果是否可解釋,能否一條龍跑通。

最後給你:

一條成功的秘方~

成功的秘方 = 實際業務中的需求和痛點 + 切實有效簡單易懂的解決方案 + 微創新 + 獲得的顯著成效 + 充分溝通 + 成功經驗積累和迭代

一條數據驅動的路線~

數據採集---數據建模---數據分析---數據可視化

一份數據分析最佳實踐過程~

以上是我這些年來,對如何體系學習數據分析的一些思考,希望看到的你能少走些彎路,有方向才不會迷路~~~

本專欄從實際業務問題作為切入點,闡述如何用數據驅動市場營銷、產品、和運營,打開即用~


推薦閱讀:

從入門到精通,數據分析師必看的14篇文章
七周成為數據分析師:從零開始,構建數據化運營體系
基於變數KS最大化的分箱方案
pathon學習手冊(2)——藥店銷售數據分析

TAG:數據分析師 | 數據分析 | 互聯網數據分析 |