发帖
雷达卡
10年大厂数据分析大神自述：
在开写之前，先做下自我介绍。我是2014年毕业的，在企业里从事数据相关的工作已经有10年了，目前是某大厂的数据分析总监。在这些年里，我做过咨询顾问、数据分析师、售前工程师、开发工程师、数据分析经理直至总监。
在管理岗上，我带过各种数据分析团队，包括数据分析、数据挖掘、数据产品、数据仓库等，其中带数据分析团队时间是最长的。在任职单位选择上，我经历了国企、传统制造业等，后来随着互联网发展越来越盛，我从5年前又加入到互联网企业。总的来说，比较杂，对数据分析的各行各业也都有涉猎。
从业十年，从职场菜鸟到数据分析总监，期间走过很多弯路，也有不少经验和感悟，尤其是对整个数据的产生、处理、分析直至为企业提供价值的过程有不少体会和思考，接下来想重点分享下我对这个行业的理解和思考，以及数据分析的一些基本要求和方法。
一、数据分析的本质是分析思维
相信不少人在生活中可能都会有一个疑问：为什么一些产品总是能牢牢抓住你的眼球？为什么某些广告总能精准地出现在你最需要的时候？
这背后，其实都离不开数据分析师的功劳。数据分析师就像一位洞悉人心的“福尔摩斯”，他们从海量的数据中寻找规律，帮助企业做出明智的决策。
所谓数据分析，说白了，其实就是一种思维。数据分析从来不是什么新鲜产物，史书上早有记载类似孙膑“增兵减灶”进行数据分析的典故便是最有力的佐证。
这些年，IT技术的高速发展，尤其是借助大数据概念的东风，数据分析形成专业化和市场化，各种各样数据分析平台、中台、算法等等如雨后春笋拔地而起。
分析思维核心——结构化
要理解数据分析的本质问题，数据分析思维是一切分析的源头和核心。分析思维是探索问题的根本原因，寻求问题的最佳解决方案。无论问题大小总会遵循这样的处理过程：遇到问题——分析问题——解决问题，这是一系列事件过程，无不考验着我们应对问题时利用数据进行分析的能力。
分析思维核心——量化
构建关联关系，构建上下层级，构建先后次序，这是一切分析的起点。关于数据分析思维的建立和培养，以及分析思维的结构化并非一两句话可以说清，因此建议大家可以去看麦肯锡咨询专家那本著名的《金字塔原理》。
数据分析是一个从数据中通过分析手段发现业务价值的过程。这个过程的起点是获取一份数据，这个过程的终点是发现业务价值。数据除了数字本身之外，还必须包含数字的来源、度量方式、单位、代表的业务场景（即数据产生的上下文环境）等等，其中场景非常关键。
不能服务于业务的数据分析是没有生命力的，不能产生业务价值的数据分析是徒劳无功的。因此，能否实现业务价值决定了这是否是一次成功的数据分析。而分析工作只是实现了这个过程的第一步，它通过分析师的视角将价值呈现于业务人员面前，分析的结果只有被业务人员理解，并最终通过业务人员的努力转化为业务实施，才可能最终实现价值。CDA数据分析师的一级和二级考试里，除了技术部分，很大一部分就是业务知识，所以这两年考的越来越多，建议大家也都了解一下。 扫码CDA认证小程序，了解数据分析业务相关知识
二、数据分析师要具备的能力
“数据分析师薪资高门槛低”“人人都适合做数据分析师”大家经常被类似的言论洗脑。的确，当今是一个数据时代，几乎各行各业数据分析师的门槛并不高，但也并不是人人都适合做数据分析。
做数据分析首先是熟悉业务及行业知识，其次是分析思路清晰，再次才是方法与工具，切勿为了方法而方法，为工具而工具。
数据分析不仅是个工具，而且是门艺术，优秀的数据分析师不光要懂业务、懂管理，懂分析、还要懂创意、懂设计、懂生活，所以数据分析师也是个艺术家。要做好数据分析，除了要掌握基本的知识和工具外，你至少还需要以下几方面的能力：
1.对数据有着天然的“嗅觉”
想象一下，你就像一位“数据侦探”，面对着一堆看似毫无关联的数据，你需要敏锐地捕捉到其中的蛛丝马迹。你喜欢探索数据背后的故事，并从中发现隐藏的规律和趋势。你可能对数字有着天然的敏感，或者天生就喜欢研究和分析各种事物，对数据充满了好奇心。
举个例子，你可能会对身边发生的现象特别关注。比如，你可能会思考“为什么最近外卖平台的广告总是推销某家餐厅？”，“为什么某个品牌的衣服突然流行起来？”等等。你乐于寻找问题的答案，并且愿意用数据来验证你的想法。
2. 逻辑思维能力强，拥有“数据思维”
数据分析师需要拥有强大的逻辑思维能力，能够将复杂的数据问题进行拆解，并用清晰的逻辑进行推理和分析。你善于将看似杂乱无章的数据，整理成条理清晰的表格和图表，并从中得出有价值的结论。
当你遇到一个问题时，你会自然而然地思考解决问题的步骤，并试图用数据来验证你的猜想。你能够独立思考，并用逻辑和理性来判断问题，而不受情绪和主观因素的影响。
3. 善于沟通，能够将“数据故事”讲好
数据分析师不仅要会“读懂”数据，还要会用通俗易懂的语言将数据“讲”给别人听。你能够将复杂的分析结果转化成简单易懂的图表和报告，并用清晰简洁的语言，将数据背后的故事娓娓道来。
作为一名数据分析人员，你应该乐于与他人分享你的发现，并能够用数据来支持你的观点，说服他人接受你的结论。同时，你也能积极倾听他人的意见，并根据他们的反馈进行调整和改进。
4. 持续学习，保持“数据敏感”
数据分析领域是一个快速发展的领域，新的技术和工具层出不穷。你乐于学习新的知识和技能，并不断提升自己的专业能力。你对数据分析领域保持着持续的关注，并积极探索最新的数据分析方法和技术。
所谓的数据敏感度，其实就是在大脑内建立了数字和业务之间的联系，而优秀的数据敏感度，就是能够一眼看出数据的问题和背后可能的原因。
时代的变化日新月异，对于从事数据分析的人而言，你不能满足于现有的知识储备，而是不断挑战自我，追求更深层次的理解和应用。
三、需要数据并不等于需要数据分析师
企业需要数据并不等于需要数据分析师。为什么这么说呢？
如果仅是想看数据，其实有很多企业可以提供这样的服务和工具。比如流量统计工具GA，比如报表工具Tableau。这些工具都可以在不需要分析师的情况下，对业务人员做简单的培训就可以用起来。
分析师承担的是相对复杂的、个性化的、以分析为目的（而不是查询）的任务。如果是以下几种情况，那么就可以考虑组建专业的数据分析师团队了！
决策需要数据支持：决策层通常不是只看到数据就可以做出决策的，他们需要知道的是数据变化的原因、预测某个决策可能造成哪些指标及如何变化的结果，这是一个相对复杂的分析任务，不是工具或者非专业人士可以回答。
数据统计口径混乱、可信度低：有的企业存在数据孤岛的情况，每个部门掌控着一部分数据，会造成同一个指标，由不同部门出结果不同。此时需要重新梳理指标口径定义、数据采集、计算，找出数据之间的差异。当然，最后要彻底解决问题，则需要解决数据孤岛的问题
业务需求不清晰：业务有需求，但很模糊：比如，我想知道最近某某业务的运营效果如何？但是该看哪些指标则不清楚。此时需要分析师深入了解业务需求的背景和目的，将业务需求指标化。
对于企业管理者而言，一定要认识到这么一个事实：数据分析并不是数据分析师的专属能力；市场、运营、产品等大量接触数据的人员，都需要有一定数分能力。
对于职场小白或想转行数据分析的小伙伴们来说，建议一定要从现在开始培养自己的数据分析能力。有条件的话，强烈建议考一个CDA的数据分析师证书。
CDA数据分析师考试对于求职很有帮助。在刷招聘软件的时候可以看到，很多企业在招聘时会注明CDA数据分析师持证人优先。这个证书含金量比较高，非常建议考过。
扫码CDA认证小程序，获取更多资料
京公网安备 11010802022788号
