那个“数据统计分析师认证”考试有必要参加吗？_数据分析师

数据分析师不要只站在岸边看业务岗位的同事们游泳。半年都不懂业务的数据分析师是没有进入状态的。从技术人员到公司核心，数据分析师需要用开放的好奇心不断拓宽知识的疆界。
数据分析师作为一个出现时间不长的工种，大数据时代下，具有良好的发展前景，但成为螺丝钉还是成为龙头，这里面的裂变和跃迁，需要每一个数据分析师怀着好奇心精神不断拥抱新的领域，尝试新的可能。

数据分析师日常工作，大概有如下的几方面(当然，各公司业务发展阶段不同，稍有差异)，核心都是围绕数据，挖掘其价值：

•提供基础报表，满足基础需求
•分析业务和产品，提供业务运营和产品优化建议
•提供战略分析和战略性报告
•开发数据产品

•数据分析师，工作涉及到数据提取，数据整理，数据分析，数据报告等几个方面。

•数据提取这块，目前SQL是必须要掌握的，上面也提到了。另外，有些时候可能也会用到爬虫，爬取一些数据;

•数据整理这部分，python和R，二者取其一就够了。不多说。简单的数据，Excel就够用了。目前做数据分析师用Excel打天下的，估计有90%。

•数据分析，这部分理解为探索性数据分析吧，比如做一些统计图，统计方法来分析一些问题，研究方差变化，等等。这个方面，软技能更需要，比如问题的定义，问题的分析，等等。当然，为了更大程度的挖掘信息，会用数据挖掘的方法，等等。

“大数据分析师就是一群玩数据的人，玩出数据的商业价值，让数据变成生产力。”而大数据和传统数据的最大区别在于，它是在线的、实时的、规模海量且形式不规整，无章法可循，因此“会玩”这些数据的人就很重要。

数据分析师，其特点是就业面广，行行需要，薪金高，职业稳定，而且越老分析手段越多越有经验而不会被淘汰，并且可以在家里办公。

随着大数据的发展，大数据相关人才却出现了供不应求的状况，大数据分析师更是被媒体称为“未来最具发展潜力的职业之一”。

大数据时代已经到来！您准备好了吗 ？

数据分析师在如今大数据时代有着举足轻重的地位。一个出色的数据分析师是能够通过自身对公司业务的理解，为各个层面提供有效，可靠的信息，并对其进行评价和预测。
作为一名数据分析师，了解公司业务是关键。分析师不是单纯地把公司各部门对数据的需求展示出来，而是更有前瞻性的思考提出这些需求的原因。

数学知识是数据分析师的基础知识。
对于初级数据分析师，了解一些描述统计相关的基础内容，有一定的公式计算能力即可，了解常用统计模型算法则是加分。
对于高级数据分析师，统计模型相关知识是必备能力，线性代数（主要是矩阵计算相关知识）最好也有一定的了解。
而对于数据挖掘工程师，除了统计学以外，各类算法也需要熟练使用，对数学的要求是最高的。

业务理解说是数据分析师所有工作的基础也不为过，数据的获取方案、指标的选取、乃至最终结论的洞察，都依赖于数据分析师对业务本身的理解。
对于初级数据分析师，主要工作是提取数据和做一些简单图表，以及少量的洞察结论，拥有对业务的基本了解就可以。
对于高级数据分析师，需要对业务有较为深入的了解，能够基于数据，提炼出有效观点，对实际业务能有所帮助。

对于初级数据分析师，逻辑思维主要体现在数据分析过程中每一步都有目的性，知道自己需要用什么样的手段，达到什么样的目标。
对于高级数据分析师，逻辑思维主要体现在搭建完整有效的分析框架，了解分析对象之间的关联关系，清楚每一个指标变化的前因后果，会给业务带来的影响。

数据可视化说起来很高大上，其实包括的范围很广，做个 PPT 里边放上数据图表也可以算是数据可视化，所以我认为这是一项普遍需要的能力。
对于初级数据分析师，能用 Excel 和 PPT 做出基本的图表和报告，能清楚的展示数据，就达到目标了。
对于高级数据分析师，需要探寻更好的数据可视化方法，使用更有效的数据可视化工具，根据实际需求做出或简单或复杂，但适合受众观看的数据可视化内容。