如果你问我数据分析师最重要的能力是什么,我的回答是数据驱动决策,这是数据分析师最值钱的能力,没有之一。
因为数据的价值在于挖掘,与业务和市场进行关联,找到机会点。抛开这个,数据本身一文不值,还浪费服务器和人工成本。
一个数据分析师要是没法通过数据发现,为企业带来增长,那所有的其他技能都是扯淡。
说上面这段话是想给准备从事数据分析师的小伙伴打打预防针,如果你考虑问题很少参照数据,看到数字极不敏感、甚至头疼,那还是不要做这行,即使精通Python、R、SAS、SPSS等各种工具,也不适合数据分析师这个岗位。
另外刚毕业的学生,建议不要立马做数据分析岗,因为缺乏业务锻炼,对数据的思考过于单薄。可以在业务岗锻炼两三年,再考虑做数据。
如果你对数据驱动决策仍然感觉到难以理解,建议看看**《精益数据分析》**这本书,就能大概理解数据怎么产生价值了。作者讲了如何通过数据验证自己的设想、找到真正的客户、打造能赚钱的产品,做大做强公司。
有了大前提,接下来我想从四个方面去讨论如何快速成为数据分析师。
1、学历;2、业务;3、理论;4、技术
学历仍然是必不可少的敲门砖
数据分析岗按照我的理解,一般只有互联网或者传统行业中大型公司才会有专门的坑位,因为一般的小企业不需要数据分析,多是拉拉excel表,谁都可以干。
既然是有一定的门槛的职位,必然会有学历要求,大多数公司招聘上都会写本科及以上,理工科优先。这可能也是目前数据分析岗的写照,平均学历只会比招聘启示要求的高,而且学历越来越卷,在一线城市待过的人会知道。
当然不是说本科以下没法从事这个岗位,只不过从分布来看要少很多,幸存者偏差现象很明显。所以如果看到这篇文章的你是高中生,将来想从事数据岗,请务必好好读书考个好大学,这是初入社会最好的背书。
对于学历的建议只能是努力努力再努力了。
没有业务积累的数据分析都是空谈
前面也说过应届生不适合一开始就做数据分析岗,因为毫无业务经验,分析不出个啥。那么同样适用于社招求职,如果你想做数据分析,一定要在自己熟悉的行业去投简历,这样业务经验+数据能力才能帮你拿到offer。
不要说你一个搞五年机械的说要干游戏数据分析,这很难很难很难,除非你真的热爱游戏行业并愿意花大量的时间去学习。
就拿汽车市场数据分析来说,如果你不懂汽车营销行业,便不知道如何设计数据标签、如何搭建漏斗模型、如何做竞品分析、如何提升到店成交等等,因为这些数据都和汽车营销领域业务息息相关,不是光懂编程、算法就能实现的。
提升业务能力除了工作积累外,也可以通过看行业内的资料来实现。
比如说数据营销领域,有宋星老师的**《数据赋能 : 数字化营销与运营新实战》**
电信领域,有**《掘金大数据 : 电信数据金矿详解、挖掘及应用》**
电商零售领域,有**《数据化管理 : 洞悉零售及电子商务运营》**
游戏领域,有**《游戏数据分析的艺术》**
大家可以自己去找自己领域大佬写的书或者博客,撒开膀子学,一定会有很大收获的。
不要忽略了理论知识
数据分析需要有专业的理论知识,这其中主要是统计学、概率论,还有模型思维。
这也是很多人忽略的方面,做数据分析却对正态分布、抽样统计、置信区间等基础统计理论一窍不通,会导致会很多笑话,因为你没法对数据做出科学的处理,不知道什么样的指标适合去做分析。
统计学中涉及的信息可视化、概率计算、几何分布、二项分布及泊松分布、正态分布、统计抽样、置信区间的构建、假设检验、卡方分布、相关与回归几乎都是数据分析建模过程中常用的知识,请务必要重视,特别那些大学数学知识没学好的同志。
我之前看过两个还不错的统计入门书,都是结合着实践案例来讲,大家可以去看看。
第一本是《深入浅出统计学》,相信很多人都听过,也算是网红书了。
第二本是《商务与经济统计》,相比前一本虽然更像教科书,但内容很实用,不信你去看看。
除了统计学知识外,模型思维也必不可少。
因为数据分析是分析商业领域的东西,所以各种商业分析模型是很有用的分析手段,比如说波特五力模型、SWOT分析模型、SPACE矩阵、SCP分析模型等等,这些经典的模型久经考验,既能帮你全面思考问题,还能为你的分析提供很好的理论支持,更容易说服别人。
模型思维说到底就是智慧,你把你的经验、知识、理论总结成模型,可以举一反三、反复利用,这基本等于要赢麻的节奏。
想要练就模型思维可不简单,需要大量的操练,和不断的复盘,才能积累起来。大家可以去看看书,补充基础理论。比如斯科特·佩奇的《模型思维》,就很不错。
总之,把模型用起来,你的数据分析报告会更加的迷人。
技术是充分不必要条件
看很多的人在大喊数据分析要学Python、R、SAS等等,我觉得其实都不是必要的,哪怕你只会excel,也能做一位NB的数据分析师。
那既然说到技术,我觉得在精力能力允许的情况下,是可以多学些工具,毕竟技多不压身,但要注意技术只是数据分析手段,切莫沉迷忘了主次。
下面推荐几个我觉得可以尝试去学的工具,也是工作中用的最多的。
首先是Excel,这是最重要的工具,请各位数据分析师记住!!!Excel功能非常强大,而精通它的人凤毛麟角,数据分析师需要多研究Excel的各种函数、模型用法,这样能节省很多时间。
为什么说Excel最重要,因为你的同事领导都在用,公司里收发表格都是Excel,Excel的沟通成本最小;而且Excel能处理几乎90%以上的数据建模工作,除非你的数据很大,而且用到复杂的机器学习模型,不然都可以用Excel解决。
Excel的学习资源很多,我推荐大家去微软的官方网站去学习,内容最丰富,也最准确。
也可以看看市场的Excel书籍,有的也蛮不错。
其次是Tableau、PowerBI这两个BI工具,选择一个学即可。现在BI应用越来越多,我觉得掌握一门BI工具还是蛮有用的,大家可以去这两个的官网去学习。
PowerBI
Tableau
最后还有个Python,也是目前热度最高的数据分析工具,因为Python生态里有Pandas、Numpy、sklearn、keras等众多明星数据分析库,帮助它几乎可以处理所有数据问题。
学习Python我是建议可以买一两本书看看,先把语法搞会,再不断练习。
选Python书,市场认可的书自然是卖的的最好的,京东上搜一下python,爆款书都排在前面(广告除外)。
爆款技术书内容质量可能不是最好的,但一定是最适合入门者学习的,而且架构合理,错误率低,版本更新快。
作者牛逼,书自然也不会差到哪去。比如说《利用Python进行数据分析》的作者Wes McKinney,他是开源分析库pandas的主要作者;
还有《Think Python》的作者Allen B. Downey,Think系列大牛;其他像《effctive python》、《python cookbook》的作者都是python社区的重量级人物。这些大佬的书值得一读。
初学者可以先看**《Python编程,从入门到实践》**
这应该是世界上最畅销的Python编程书,没有之一。英文名叫作《Python crash course》,作者Eric Matthes是一名高中老师,正是有着丰富的教学经验才会写出这样深得人心的书。
该书的特点是一半基础(语法知识),一半游戏(案例练习),所谓寓教于乐,通过案例练习的方式巩固基础知识。这里的练习和高中数学枯燥的课后练习可不一样,作者把代码放到一个个场景里,学习者在写个小游戏的过程中就把语法掌握了。
看了本书的目录,基本把python的核心语法都讲到了,学完之后可以搞点小事情,比如数据分析、可视化编程、web开发等。
小结
最后,祝看到这里的你顺利找到数据分析工作!