数据分析师:从事数据分析需要都需要学习什么啊？

一个优秀的数据分析师应该具有全局观和专业度，从业务实际出发，综合各个方面的可能性，因此，EDM注册转化率骤降的可能性罗列如下：

技术原因：ETL延迟或者故障，造成前端注册数据缺失，注册转化率急剧下降；
外部因素：该时间节点是否有节假日，其他部门近期是否有向用户发送推广邮件，这些因素可能稀释用户的注意力；
内部因素：邮件的文案、设计是否有改变；邮件的到达率、打开率、点击率是否正常；邮件的注册流是否顺畅。

自己做了数据分析师，真的觉得古语说的对，“功夫在诗外”。一名好的数据分析师，接到一个需求时，会更多考虑这个需求本身，包括要做的东西是什么，为什么这么做，还可以怎么做，怎么去做，关键点是什么。都想清楚了，才去动手做。建议任何一名数据分析人员，都能在做以前把问题想清楚，确认清楚，不要等到做完才发现自己做错了，那样会很浪费时间。自己这方面曾犯过N多错误。

企业要提高市场占有率，就是要提高人心占有率，因此数据分析师研究用户心理的工作必不可少。数据分析师若懂得心理学，则能更准确的探测到用户的真实想法。

例如，在做品牌形象分析时，常会用到的是映射法，映射法就是基于心理学的数据采集方法。比如，让你对某所别墅进行描述，很难说得清，但如果让你选择图片，你对图片的认识就映射了你对这所别墅的印象。比如，你选择了劳斯莱斯车，很明显，你认为这所别墅的形象是高端的。

黄小猪 发表于 2015-3-12 15:45
刚毕业不久，找了个数据分析的工作，大学的专业是数学和软件，实习了这么久，又有些迷茫，觉得自己眼界很窄 ...

R SQL python Hadoop机器学习，神经网络   这些都是最基本的吧

一个数据分析师应该选的这家公司，应该凭借数据学来做到自己与其他竞争对手之间的「切割」。请注意，有可能数据学可以用来支持更低的价格，更优质的产品，更快的配送速度，但是它绝对不是实现这些优势的主要原因。直接，且主要的原因通常情况下是规模经济造成了更低的价格，专利和品牌带来了更加优质的产品，自动化的技术使得配送速度提升。如果公司核心竞争力是构建在数据和分析工具上，那么它会迅速跟其他竞争者拉开几个身位。

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。

数据项目工作是循序渐进的过程，无论是一个数据分析项目还是数据产品项目，都需要数据分析师具备计划、领导、组织、控制的项目工作能力。
在业务理解数据的基础上，推动业务落地实现数据建议。从业务最重要、最紧急、最能产生效果的环节开始是个好方法，同时要考虑到业务落地的客观环境，即好的数据结论需要具备客观落地条件。

数据应用是数据具有落地价值的直接体现，这个过程需要数据分析师具备数据沟通能力、业务推动能力和项目工作能力。

数据沟通能力。深入浅出的数据报告、言简意赅的数据结论更利于业务理解和接受，打比方、举例子都是非常实用的技巧。

业务推动能力。在业务理解数据的基础上，推动业务落地实现数据建议。从业务最重要、最紧急、最能产生效果的环节开始是个好方法，同时要考虑到业务落地的客观环境，即好的数据结论需要具备客观落地条件。

项目工作能力。数据项目工作是循序渐进的过程，无论是一个数据分析项目还是数据产品项目，都需要数据分析师具备计划、领导、组织、控制的项目工作能力。

面试时候基本上会问一些”你认为数据分析都包含哪些工作“，”你之前做过什么数据分析项目“，”你印象最深刻的项目是哪一个“，”你觉得数据分析哪部分最重要“，”你在工作中碰到过什么难题“之类的问题，你已经做过一份完整报告所以这些问题应该都能答上来，基本都是开放式问题，没有标准答案，不必紧张。如果碰上让你写代码或者做算法题的，默默退了吧，他们要招的是开发……

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。