数据分析师资格证书好考吗_数据分析师

数据分析师，主要是两类人，一类是数据挖掘工程师，另一类是业务分析师。前者更偏技术，后者更偏业务。数据分析师需要敏锐的数字洞察力，因此，统计、会计、保险、工程经济、金融、数学、计算机等专业的同学对这个行业有明显优势，但其他行业的同学如果对这个职业感兴趣，通过日常学习，掌握一些统计必备技能，亦可以从事此类工作。

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。

数据分析师的职业发展一般分为三个层级：助理数据分析师、数据分析师、高级数据分析师。数据分析师的分级主要是依据业务分析能力、执行和管理能力、业内影响力等来划分的。当然，以上的分级主要是从数据分析的能力方面考虑的，当成为高级数据分析师之后如何发展，往往有很多的选择，大致分为三类：1.继续专注于数据分析的研究，在数据分析尤其是算法与模型研究上不断突破。2.掌握核心技术与资源后创业。3.成为与公司业务深度结合的职业经理人，即懂数据分析也懂产品、运营。

数据分析贯穿BIT、数据、技术、业务整个链条，数据分析师将BIT最终转化成决策者理解的语言，跨越的流程很长，你需要面对不同的岗位，碰到不同的角色，采用不同的语言，表达你的要求和获得你需要的东西，成为数据和业务的桥梁，没有足够的沟通能力很难。

你要学会从数据库或者其它源头获取数据，很多数据分析师仍然依赖于IT人员获取数据，但大数据时代，真的有必要自己动手了，因为依赖他人效率太低了，起码你要会SQL，SQL甚至基本上是为统计取数而生的方便工具，图形化的透视方式也远远没有SQL的表达能力强，这是基本功，其实， SQL就能解决大多数统计取数问题。

优秀的数据分析师要对信息、数据敏感，具备较强的文字功底，能独立撰写研究报告；能熟练使用 SPSS/SAS/Eviews 等统计分析软件，具备数据分析或数据挖掘的综合能力；掌握数据库体系结构及数据架构，具备 Excel/SQL 或 Access 的查询语句运用技能与知识，有良好的数据处理、建立统计模型能力。掌握多元统计分析、应用回归分析、时间序列分析、计量经济学、经济预测研究等统计建模方法，了解行业统计方法的新进展；掌握 SQL/oracle 等数据库的数据整理、查询、提取等方法；熟练使用相关的统计软件，准确解读软件的运行结果；了解相关行业的业务知识和数据构成。

数据分析师要和数据接触，如果本身和业务接触，只是想做数据分析，难度小不少。如果像当初的我一样，既没有义务知识又不懂数据，也是可以的。数据分析的学习注重演绎和推理，业务的学习注重关联和适用，学以致用就是说的这种情况。期间也会用到好奇心和假设，这两点都是加速学习的途径之一。

数据总是在那里，它不会说话，你不仅要基于业务能力理解它，还要学会推演和分析，从中发现规律，迅速定位某个商业问题的关键属性和决定因素，形成自己独创性的见解，所谓心思缜密，滴水不漏，没有思考逻辑没有数据分析。

数据分析师应该主动的向IT部门拿到最全的数据字典，对于数据字典进行持续的学习，了解每张表甚至字段的业务含义，理解的越透彻，你的分析潜力就越大。更有甚者，笔者还建议你去理解源系统，从业务实现流程角度出发去理解对应数据的含义，因为有时候，简单的业务描述在数据上的表达却是非常复杂的，业务语言与数据语言很多时候是1对多关系，打个比方，你看到业务系统上某个菜单的功能，对应到系统中的数据是怎样的，你能还原出来吗？

对于数据分析师而言，这些python、R、SQL、回归分析、决策树之类的仅仅是工具和方法而已，最重要的是对业务的掌握。没有对业务正确的理解，再牛的理论、再牛的工具也是白搭，路走错了怎么可能得到正确的结果呢？所以说一名合格的数据分析师除了对数据的敏感之外，还要对相关业务进行深入的了解，对客户或业务部门的需求的清晰认识。根据实际的业务发展情况识别哪些数据可用，哪些不适用，而不是孤立地在“真空环境”下进行分析。