数据分析师提醒您：从事数据分析工作要懂得思考和总结

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

数据分析师提醒您：从事数据分析工作要懂得思考和总结

也许很多人觉得，自己成为了一名数据分析师，从事着数据分析师的工作，自己就算是在这个岗位上高枕无忧。是这样的吗？显然不可能。从事数据分析工作，最忌讳的就是不懂得在工作中思考和总结。每天的数据都是日新月异，每天的模式和展示都是时点式的展现，如果我们不懂得在数据分析的工作思考和总结的话，我们只会固步自封，很难懂得如何举一反三或顾全大局，思考和总结的力量，往往就是我们提升和上位的力量。

1.什么是数据分析?

基于现有的业务知识和统计学基础知识及基本思想的理解与掌握，通过数据库及统计分析工具对数据的调取与处理、分析，达到对现有问题or主题的探索与剖析，最终实现业务问题的解决or优化。

2.数据分析需要的知识、技能及工具?

业务知识：最重要

业务分析能力：业务问题的拆解、探索与定位，也包括一些思维导图工具的使用(VISIO,XMIND,MINDMANAGER)

数据分析能力：基本的统计学及数学知识及较强的逻辑思维能力及分析工具的掌握SPSS,R,PYTHON等。

数据提取能力：在数据库中能完成较为复杂的数据查询及预处理的能力(SQL使用能力)。

数据处理及展现能力：主要指excel及ppt的使用，也有信息图制作能力的要求。

较强的沟通能力：能无障碍的理解业务人员(包括产品经理)及技术人员的想法并与之进行沟通交流

3.长期只处理数据的诟病【for分析人员】?

对于分析人员来说，若无实际分析经验，但经常提取数据，作为一个数据库工程师的角色开展工作时，容易形成一种惯性思维：从数据角度出发去看问题。这是很危险的，因为一条连贯、清晰的业务逻辑中间会产生各种数据，同时由于业务人员操作的相对灵活以及数据录入和ETL处理的问题会导致某一业务节点产生不同值的数据，若不清楚业务流程，业务知识，很难确认异常值的合理性及异常值产生的关键原因。长此以往，这种数据角度出发的惯性思维就很难改变了，进而任何分析，出发点都是错的，分析过程和结果可想而知。

4.对于“数据敏感”的理解?

数据敏感主要包括三方面：对异常or极值数据识别的敏感;对特定数值背后代表的业务含义的敏感;对业务数据重要、机密程度的敏感;

5.如何体现一个数据分析人员的工作能力强弱?

相关学历背景及工作年限;

对数据预处理的重视程度;

对细小业务问题解决方案及流程的抽取固化能力;

算法知识的应用能力;

业务知识的深度和广度;

任务的整体把控和分配能力;

沟通及表述的逻辑清晰程度;

6.数据分析人员、应用型数据挖掘人员、算法型数据挖掘人员的区别?

数据分析人员算法应用比较少;

应用型数据挖掘人员在数据预处理及模型调参上下的功夫最多;

算法型数据挖掘人员在数据预处理上下的功夫叫少，模型理解及实现能力较强，偏开发;

7.数据分析人员的角色定位——企业贤内助

工作内容上：精准营销时的用户群筛选及营销数据方案的确定;业务现状的拆解与分析;业务问题及业务发展瓶颈的监控、探索与分析;数据产品的数据逻辑及模型的方案确定。

沟通对象上：基于数据分析结果进行决策的中高管理层;各业务部门业务决策的管理人员;运营部门的运营支撑人员;数据库权限管控的技术人员;产品设计及优化的产品负责人。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏2 回帖

关键词：数据分析师 数据分析 分析师 MindManager 数据分析师的工作 数据分析师 从事数据分析工作要懂得思考和总结 数据分析

对大数据所号称的客观性的另一个期待是对于少数群体的歧视将会减少，因为原始数据总是不含社会偏见的，这使得分析可以在整体水平上进行，从而避免基于群体的歧视。然而，由于大数据能够作出有关群体不同行为方式的论断，它们的使用通常恰恰就是为了实现一个目的———即把不同的个体归入不同的群体中。

今天，成功的互联网公司，电子商务公司，无论是全球的还是中国的，都是利用数据，也就是利用大数据成功进行商业创新的先锋，他们是走在最前面的，是先成功的一批，但是更大的机会在于其它各行各业的企业，所有其它各行各业的企业都可以成为数据驱动的企业，都可以利用大数据促进我们自己企业的成功。

在一定程度上是的。大数据可以提供帮助改善我们城市的宝贵见识，但是它对我们的帮助仅此而已。因为数据在生成或采集的过程并不都是平等的，大数据集存在“信号问题”———即某些民众和社区被忽略或未得到充分代表，这被称为数据黑暗地带或阴影区域。因此大数据在城市规划中的应用在很大程度上取决于市政官员对数据及其局限性的了解。

我们正处在一个数据呈爆发式增长的时代，移动互联网、移动终端和数据感应器的出现，使数据以超出人们想象的速度快速增长。互联网、物联网每天都在产生大量的数据，这些庞大的数据资源，为人们依据数据更全面地了解世界提供了可能。

不要为了大数据而作大数据，初以为略有道理，现在发现，仍有很多人埋在这个坑里，为了大数据而做大数据，不仅是现在一些创业者和投资者的误区，甚至很有可能在未来的一小股泡沫中，越吹越大，这股泡沫什么时候来谁也不知，或许半年，或许两年。

数据还是科客观反映世界的，但是如何从原始数据抽取出能反映客户世界的部分，确是一个值得考验的地方

数据分析和挖掘部门位于科技部门，优点是直接可以了解所有数据，利用最新的大数据计算分析技术来进行数据分析和建模，数据视野好。面对全局数据建立数据采集和分析系统，系统复用程度高，降低重复投资，效率高。但是团队人员商业敏感度低，过度关注技术和架构，重视技术的领先和处理效率，数据商业敏感度低，不重视数据商业化场景，对业务理解程度不够，支持力度不如前者。

互联网金融企业通过获得多渠道的大数据原料，利用数学运算和统计学的模型进行分析，从而评估出借款者的信用风险，典型的企业是美国的Zest Finance。其通过分析模型对每位信贷申请人的上万条原始信息数据进行分析，并得出超过数万个可对其行为做出测量的指标，而这一过程在5秒钟内就能全部完成。

大数据最神奇的地方在于对金融产品的革新。目前国内最有发言权非阿里莫属。据说只要是阿里体系的商家，轻轻一个键，几秒钟之后，阿里的后台就可以通过商家过去几年的经营流水，对商家做出风险定价，计算出额度，并给予贷款。金融的本质就是做风险定价，大数据这本秘笈最关键之处在于能用于金融产品的设计和创新。