怎样成为数据分析师【CDA数据分析师】

这是一个用数据说话的时代，也是一个依靠数据竞争的时代。目前世界500强企业中，有90%以上都建立了数据分析部门。IBM、微软、Google等知名公司都积极投资数据业务，建立数据部门，培养数据分析团队。各国ZF和越来越多的企业意识到数据和信息已经成为企业的智力资产和资源，数据的分析和处理能力正在成为日益倚重的技术手段。

良好的表达能力：数据分析师有个天然的优势，能够直接和老板打交道，这就要求你能站在老板的层面来表达。把一堆堆的数据，很好的呈现给业务人员，帮助他们做出正确的决策。

　　快速动手能力：业务人员提的数据需求，巴不得下一秒都拿到。

　　数据分析的专业能力。

　　兴趣是可以培养的，既然愿意看这篇文章，说明有兴趣。理解、表达、动手能力，是要有意识的训练。数据分析的专业能力，是可以通过学习提升的。

数据分析师一方面要和业务人员打交道，满足业务人员的数据需求，另一方面，要借助 ETL 工程师建模好的数据，以及数据平台工程师开发的平台，来更高效的完成工作。

有些公司在人员紧缺的情况下，会把 ETL 工程师要做的工作，也安排给数据分析师，这样对数据分析师的开发能力和建模能力，就会有更高的要求。最后一点是提供洞察，前面的工作更多的是被动的，数据分析师还要主动的发现数据中的异常，将这些异常指导业务。

当然是要好好学习了，多注重实践，实践的多了自然也就会了

数据分析师一方面要和业务人员打交道，满足业务人员的数据需求，另一方面，要借助 ETL 工程师建模好的数据，以及数据平台工程师开发的平台，来更高效的完成工作。

有些公司在人员紧缺的情况下，会把 ETL 工程师要做的工作，也安排给数据分析师，这样对数据分析师的开发能力和建模能力，就会有更高的要求。最后一点是提供洞察，前面的工作更多的是被动的，数据分析师还要主动的发现数据中的异常，将这些异常指导业务。

围绕数据分析，主要有六种角色。从平台建设线上，包括：
　　数据平台工程师：负责数据平台的研发，牵涉到从数据采集到分析的相关组件开发。
　　数据挖掘工程师：利用机器学习/数据挖掘相关技术，研发算法模型，用于个性化推荐、用户画像、精准广告等。
　　数据产品经理：把数据相关的需求抽象为数据平台的功能产品。
　　从数据流向的角度，包括：
　　ETL工程师：把工程团队的模块产生的数据，不管是日志、数据表，还是埋点的数据，进行清洗、转换，建模成利于数据分析的数据。ETL是Extract–Transform–Load的缩写。
　　数据分析师：利用ETL工程师处理好的数据，满足业务人员的数据需求。
　　业务人员：产品、运营、市场、管理层等，因为产品改进、运营活动、商业决策等，有数据需求。

要成为高级数据分析师的话，一方面是要强化对业务的理解，最好是做到通过数据分析帮助公司决策方向，或者说促进企业快速增长。另一方面，要加强机器学习/数据挖掘的专业知识学习，将机器学习成为数据分析的手段。比如预测用户的流失，对用户进行自动分类等。你能提供的价值就大不相同了。 最后，要强调的是，数据分析师是一个实践的职位，要在实际项目中不断的训练，才能成为高手。

thanks for sharing

数据分析师手中拥有一座宝藏。作为滴滴出行数据分析团队的负责人，刘普成发现了数据分析师通往卓越的秘诀：视野。数据分析提供了这样一种可能：它不是简单的技术工种，它是最具有潜力的一项工作，背后蕴藏着相当多的机会。

看了明白点了，世上无难事只怕有心人的意思。