回顧|滴滴數據專家：數據分析師求職指導與職業規劃

回顧|滴滴數據專家：數據分析師求職指導與職業規劃

來自專欄太閣講堂6 人贊了文章

你知道哪些行業需要數據分析師嗎？你想知道數據分析師面試一般會考哪些內容嗎？身為數據分析師，你有哪些發展方向？業務和技術，你又該如何選擇？未來轉行，你有哪些可能？在分享中，上述一系列困擾大家的問題都在視頻中一一解答。來不及看視頻？沒關係，花五分鐘閱讀總結文，尋找答案吧！

主講人介紹：

宮艷琢，現就職於滴滴出行大數據分析專家崗，8年數據分析經驗，有多年電信/互聯網/保險/銀行/零售行業的數據分析/挖掘項目經驗。對數據處理和特徵提取有自己的經驗和套路，並喜歡用通俗易懂的方式與別人分享。對於數據分析行業的發展歷史和未來有著自己獨到的理解和看法。

數據分析師——不同行業造就不同能力

數據分析講究的是分析能力。在業內，分析人士很少直接拎數據，而是通過分析把數據整合成資源。數據分析是一個新的行業。宮艷琢告訴我們，在國內，數據分析師的發展超不過十五年，也就是說，擁有十年以上經驗的數據分析師是非常罕見的。

那麼，數據分析師這個職業是如何產生的呢？當數據量龐大的時候，僅僅依靠人腦已經不能及時解決問題，因此，出現了專門做數據分析的人。他們在企業中往往起一種輔助作用，為真正決定事態發展的關鍵職位上的關鍵人提供決策支持。

「企業發展的越快，儲存的數據越多，對於數據分析師的要求也便逐漸遞增，數據分析能力逐步增強，解決業務瓶頸，促進了企業業務的增長，形成了一個良性循環。」

數據分析師需要掌握兩方面的技能。第一方面是BI，（Business

Intelligence商業智能）。在舊時代，公司里的BI做常規報表、臨時數據需求等評估類業務。而新時代的數據分析師，還需要做預測。換句話說，舊時代側重於事後的評估，新時代側重事前的預測，這是兩個時代最大的區別，也是數據分析師需要掌握的兩大方面技能。舉個例子，傳統數據建模師需要根據模型預測會流失的客戶，從而進行召回。而現如今，數據分析師也必須學會這點，這比過去的要求更全面。

互聯網行業、數據服務、電信行業等都需要數據分析師。但不同行業的數據分析師具有不同的特點。舉個例子，如果你從事於服務行業，你可能各方面能力是最全面的：強的溝通能力、數據分析建模能力、方案落地能力。如果你在互聯網行業工作，你的大數據技能肯定強於他人。這就是你的行業造就了你。

當你成為一名數據分析師後，你的部門會是什麼樣呢？常規來講，分為兩種情況。第一種，一個公司專門成立數據分析部門，所有的數據相關人員都在這個部門裡集中管理。第二種，由於業務與能力要求差別較大，各個數據分析師會被直接植入各個部門，直接為部門分析相關數據。

數據是你的「武器」，但絕對不是你的全部

宮艷琢說：「數據分析師可不僅僅依賴數據。數據，只是一個定語，修飾分析。所以一個數據分析師首要具備的能力就是分析能力。」一個好的數據分析師要具備非數據的分析能力，才能把數據用好。

其次就是溝通和表達能力。數據分析師往往不是為了自己而做數據，你需要與業務部門或者客戶溝通。如果你沒辦法展現自己的數據且實現落地的話，是很難得到認可的，因此你的口碑也會受影響。

硬技能是必須的。身處大數據領域裡的互聯網行業，數據分析師必須掌握最基本的硬體與軟體技能。隨著大數據時代的到來，傳統數據分析技能已經遠遠不夠，對於新興行業，你必須具備大數據分析技能，如hive，spark，R/Python，Hadoop與tableau等等。宮艷琢為大家詳細介紹了幾種必備硬技能在工作中的要求。

SQL

SQL是數據分析師每天使用最多的一種技能，也可以說是數據分析師的「敲門磚」。SQL作為基礎，會的話加分不多，但是不會的話絕對減分。你只有掌握了SQL，才能逐步往上走，學習更多技能。觀看下圖，如果你覺得裡面的知識點模塊十分陌生，那你的SQL技能絕對需要狂補。如果你連基礎部分都沒有掌握，那麼你這時候去面試，是絕對不會過的。也就是說，你至少要達到下圖的進階部分，才能算具備數據分析師必備的SQL技能。

R/ Python/ Tableau

同理，你還需要掌握別的硬技能。R/Python是數據加工、建模的有效工具，而Tableau是展現數據的好工具。當你使用tableau使數據可視化時，你的老闆會認為你的能力比與你同等級的人要強。這三種工具是重點掌握的，但一名好的數據分析師，絕對不僅僅需要這三種硬技能。

機器學習演算法

接下來就是機器學習演算法。機器學習演算法屬於比較難的一部分，在就業競爭如此激烈的情況下，多學習一些總是好的，這是很明顯的加分項。機器學習的流程就是從資料庫里抽出數據進行批量處理，然後把數據代入機器學習的模型里計算，進行結果應用。

也許有人會問，那機器學習這麼深奧複雜，我該從哪裡開始學？宮艷琢總結出了幾個小模塊幫助大家學習（見下圖）。圖裡列出來的各種演算法都有利於掌握建模，加深對機器演算法的理解。當然，在面試關於機器學習的技能時，如果你能對其中一兩個演算法有著自己獨特的看法並且知道怎麼應用的話，無疑是面試官眼中的加分項。

Hive/ Spark

在大數據爆發後，整個數據分析行業也提升到了一個新的層級。宮艷琢認為，hive數據倉庫掌握的越多越好，應該學精，這個技能非常通用。Spark計算平台也是一大法寶，有利於解放生產力，它在數據處理方面發揮的作用是毋庸置疑的。Spark是面試里的加分項，如果你會的話，說明你肯定掌握了R/python/SQL等至少一個語言介面。而如果只做數據分析且講究性價比的話，Linux系統簡單命令和操作與Hadoop可以不要求那麼高。

軟技能

那麼，軟技能方面又有什麼要求呢？從平時與人溝通的經驗與實際案例分享中，宮艷琢總結出以下幾點：

第一， 你必須學會傾聽，不能理所當然的認為這個事情就必須這麼執行。

第二， 學會溝通，即溝通過程中注意過濾、總結與確認，從而達到效率最優化。

第三， 換位思考。通過換位思考，你能代入了解更多的需求，從而做的更好，讓業務方對你刮目相看。

接下來就到了面試環節該注意的問題。數據分析師的面試內容會根據工作經驗而有所差異，側重點不同。對於新人或者轉行的小夥伴來說，SQL絕對是必不可少的要求。R/Python與機器學習演算法是絕對的加分項。當然，面試官還會考察你的邏輯性與思路。對於具有三年以上經驗的數據分析師，面試官會讓你分析案例解讀，硬技能方面考察機器學習與R/Python/spark。當然，你之前的管理經驗也會被提問。對於畢業生來說，學校里的許多方面是與企業相反的。學校里的數據量往往沒有企業那麼大，對於企業工作來說，結果更重要，聚焦在產出。

能力決定你能做什麼，愛好決定你要做什麼

當你真正成為一名數據分析師時，職業道路又該如何規劃呢？你能一輩子做數據分析師嗎？

也許看完上面的介紹，許多小夥伴都想嘗試一下這個全新的職業。然而，轉行業是慎重的事情，無論如何是要付出代價的。宮艷琢建議，除非你已經具備了完整的數據分析套路，而且有能力、有興趣，才能考慮轉行。你要問清楚自己，你到底為什麼轉行？轉行可以因為熱愛與專業，但絕對不能只因為好奇與跟風。轉行失敗的人成千上萬，原因也無非是找不到工作興趣、沒有成就感。因此，轉行能不能成功，關鍵還是看個人因素。

數據分析師也常有兩種工作方式，一是被動，二是主動。被動型的工作方式按需求來，你給我多少活我就做多少，能力上限被束縛。而主動型則會不停考慮，把自己的能力運用進去，把事情做得更好，做到數據驅動，上限是共同的。

「人最可貴的一點就是了解自己的能力。你要很清楚自己會什麼，不會什麼」宮艷琢說，「你要知道自己是想和人溝通，往前去，還是往後走，我就安安靜靜寫代碼，做個工程師」。

數據分析師也講究可持續發展，軟技能和硬技能缺一不可。提高溝通能力、發展自己項目落地的能力是軟技能。務實基礎、緊跟潮流是硬技能上的要求。行業內是殘酷的，你會的大家可能都會，你不會的話就會被淘汰，技能不斷再變，你一定要學習新事物。

良禽擇木而棲，同理，數據分析師也需要選擇好的僱主，一家好的公司是達到成功的重要載體。選擇公司最重要的自然是公司品牌以及公司規模。很多剛成立的小公司會到大公司里挖去人才，正是因為大公司里的人能力自然會被認為更強。到更加具有影響力的公司就職，如果你想跳槽離開，將會有更多的選擇機會，面臨的質疑自然也會更少，新公司對你工作能力的認可也會更高。

觀看完整版視頻，享受分享的精彩！

PC登錄?

apphoelc2fn6289.h5.xiaoeknow.com

歡迎加入 數據分析與科學交流QQ群：740319838

推薦閱讀：