您现在的位置: 首页 > 网站导航收录 > 百科知识百科知识

如何入门数据分析师行业，前景如何？

数据,分析师,工具如何入门数据分析师行业，前景如何？

发布时间：2019-02-08加入收藏来源：互联网点击：

回答于 2019-09-11 08:43:50

【干货】数据分析师怎样干才有前景？我来解答

在这个依靠数据竞争和精细化运营的年代，数据分析师，作为日前炙手可热的大数据技术的前端落地职业，在企业的发展壮大和辅助决策支持方面发挥着重要作用。在日常的工作中，数据分析可以分为两部分工作。

01 常规工作

1.定期的日、周、月报

这类工作是每日必做的常规工作，要当成是能力积累的工作来做。

（1）每日看生产经营指标，保持职业敏感度，从业务变化数据分析原因。

（2）每周进行复盘。一是思考新策略效果，二是按周进行趋势分析。

（3）每月进行总结。一是每月进行指标分析，评估目标阶段性达成情况；二是提出决策建议。

注意：

（1）多用自动化。建设报表系统，自动生成日、周、月报，机器人发送报告……简单繁杂的工作都通过系统自动化完成。

（2）突出价值点。日常工作往往很繁杂，价值点是对报告的解读和提出决策建议。不能陷入杂事，要善于从杂事中找到价值点。

（3）多寻求领导帮助。数据分析涉及问题较多，比如杂事太多可以请领导协助抵御一下，比较敏感的决策分析可以先与领导探讨一下等。

2.临时报表提数

这类工作是技术含量和价值都较低的工作，要尽量减少精力的投入。

（1）管理层需要

这类需求要优先处理，但尽量要少接。

注意事项：

1）要深入了解背景，理解真实需求。

2）务必仔细，保证汇报结果准确无误。

3）汇报成果简明扼要，直击领导最关心的部分。

4）不要马上就反馈，要体现出技术含量，给领导留下较好印象。

（2）一般人员需要

这类工作尽量不接。

注意事项：

1）找到核心人员、了解核心需求，避免做无用功。

2）针对需求形成一套完整方案和系统，然后教会业务人员自己运行，脱离反复的纠缠。

02 专题分析工作

这是数据分析工作的价值所在，也是技术提升最快的工作，要高度重视。考核数据分析师能力的核心指标就是看专题分析的数量和质量，质量指标最重要的是看分析建议有多少能够落地。

主要步骤包括：

1.需求解读

要透过现象看本质，首先要学习业务，将业务问题转换为数据问题。然后要不惜用大量时间挖掘出真实的业务需求，一定要当面的沟通。核心是界定问题。

（1）找到主要问题：

应用二八定理，找到关键问题。主要方法包括：一是先列出所有问题进行头脑风暴，二是根据最大概率法则，选择重要问题，期间可以找leader或业务人员集思广益。

（2）问题的拆解方法：

原则是MECE，不重复不遗漏。

实战技巧：一是先快速按照理解进行拆解，先不用管重复和遗漏的问题。二是将拆解结果先找业务人员核对一次。三是将第二步的完善思维导出给自己的leader审核修改一次。四是将leader的意见修改完后，就可以给业务方或大领导汇报了。这个时候不会有大问题了，否则也不是你的问题。

2.取数和数据预处理。

（1）三类方法获取数据

一是从一些有公开数据的网站上复制/下载，比如统计局网站，各类行业网站等，通过搜索引擎可以很容易找到这些网站。

二是通过一些专门做数据整理打包的网站/api来下载，如果你要找金融类的数据，这种方法比较实用。其他类型的数据也有人做，但通常要收费。另外，淘宝上有很多帮人抓数据的店……

三是自行收集所需数据，比如用爬虫工具爬取点评网站的商家评分、评价内容等，或是直接自己人肉收集（手工复制下来），亦或是找一个免费问卷网站做一份问卷然后散发给你身边的人，都是可以的。这种方式受限制较少，但工作量/实现难度相对较大。

（2）数据预处理

1）数据清洗：排除异常值、空白值、无效值、重复值、缺失值等预处理。通过爬虫等方式得来的数特别需要进行清洗，提取核心内容，去掉网页代码、标点符号等无用内容。

2）数据标准化：排除量纲。

（3）数据整理

一般用Excel来完成这一工作。

如果你的数据已经是表格形式，那么计算一些二级指标就好，比如用今年销量和去年销量算出同比增长率。

如果你收集的是一些非数字的数据，比如对商家的点评，那么你进行下一步统计之前，需要通过“关键词-标签”方式，将句子转化为标签，再对标签进行统计。

3. 数据分析和建模

建立逻辑树进行数据分析。在整个专项活动的过程中，还可以分为活动前、活动中、活动后多层次、多维度的分析。

数据分析主要分为两类：

（1）描述分析，这类分析比较简单

描述统计分为两大部分：数据描述和指标统计。

数据描述：用来对数据进行基本情况的刻画，包括：数据总数、时间跨度、时间粒度、空间范围、空间粒度、数据来源等。如果是建模，那么还要看数据的极值、分布、离散度等内容。

指标统计：用来作报告，分析实际情况的数据指标，可粗略分为四大类：变化、分布、对比、预测。

• 变化：指标随时间的变动，表现为增幅（同比、环比等）；

• 分布：指标在不同层次上的表现，包括地域分布（省、市、区县、店/网点）、用户群分布（年龄、性别、职业等）、产品分布（如动感地带和全球通）等；

• 对比：包括内部对比和外部对比，内部对比包括团队对比（团队A与B的单产对比、销量对比等）、产品线对比（动感地带和全球通的ARPU、用户数、收入对比）；外部对比主要是与市场环境和竞争者对比；这一部分和分布有重叠的地方，但分布更多用于找出好或坏的地方，而对比更偏重于找到好或坏的原因；

• 预测：根据现有情况，估计下个分析时段的指标值。

描述分析的产出是图表。

（2）建模分析

主要流程包括：选择变量和重构变量、选择算法建立模型、设定参数、检验指标、模型计算和落地、迭代优化、开展分析和形成结论。

4.成果展现和汇报。

这一步是数据报告的核心，也是最能看出数据分析师水平的部分。

一个完整的数据报告，应至少包含以下六块内容：

（1）报告背景

（2）报告目的

（3）数据来源、数量等基本情况

（4）本页结论以及支撑的分页图表论据

（5）各部分小结及最终总结

（6）下一步策略或对趋势的预测

（7）落地建议，要非常具体：有人、时间、效果

 2/4   首页 上一页 1 2 3 4 下一页 尾页