今天想寫這個文章，是對我所見所聞的梳理，作為一個有巨多粉絲的數(shù)據(jù)分析從業(yè)者，我接觸了一般人可能感受不到的一些事情，比如每天面臨粉絲很多五花八門的問題，每天要回答很多人一樣的問題，和許多圈友一起交流職場和分析方法的問題。

日積月累，也讓我形成了一套自己的認(rèn)知體系，對數(shù)據(jù)分析有了一定程度的認(rèn)識。在我的經(jīng)歷中，經(jīng)常會有一些伙伴問以下2類問題，

第一類：小白類

1、我要想入行數(shù)據(jù)分析，應(yīng)該從哪里開始學(xué)？

2、想成為數(shù)據(jù)分析師，我要學(xué)習(xí)那些技能、掌握那些工具？

3、我沒做過數(shù)據(jù)分析，數(shù)學(xué)特別不好，能學(xué)好嗎？

4、我學(xué)的是文科專業(yè)，能從事數(shù)據(jù)分析師嗎？

第二類：迷茫類

1、做了好幾年數(shù)據(jù)分析，感覺看不到以后的晉升線路？

2、我對數(shù)據(jù)分析有一定了解，如何快速用到我現(xiàn)在的職業(yè)上

3、從事運(yùn)營、產(chǎn)品的工作，看過和做過一些數(shù)據(jù)分析，但不專業(yè)，能不能成為專業(yè)分析師

4、以后數(shù)據(jù)分析師會不會發(fā)展不好，未來潛力如何？

但無論是小白類還是迷茫類，我們都要清楚的認(rèn)識到數(shù)據(jù)分析師到底是干什么的，在職場中他們到底有什么不同，只有了解了這些，以上的疑惑才能迎刃而解，我們常用的分析思維就是拆分，就好比樂高一樣，有很多小積木組合，只要我們理解了這些小積木的形狀，我們也就能搭建起自己的夢想。

先說幾個常見崗位的區(qū)別：

財務(wù)分析 VS  運(yùn)營分析

財務(wù)分析主要是財務(wù)報表為主的分析，相對來講財務(wù)的報告很標(biāo)準(zhǔn)化，而運(yùn)營分析主要是以運(yùn)營為核心的分析，是單個的業(yè)務(wù)形態(tài)，比如社群運(yùn)營、流量運(yùn)營、用戶運(yùn)營等，分析的領(lǐng)域相對垂直單一。

戰(zhàn)略分析  VS 經(jīng)營分析

戰(zhàn)略分析主要是項(xiàng)目或業(yè)務(wù)的事前分析，而經(jīng)營分析則是以項(xiàng)目、業(yè)務(wù)的進(jìn)行中的分析為主，戰(zhàn)略主要的數(shù)據(jù)來自外部，經(jīng)營分析數(shù)據(jù)都來自業(yè)務(wù)系統(tǒng)、產(chǎn)品系統(tǒng)等等

數(shù)據(jù)分析，按照嚴(yán)格的標(biāo)準(zhǔn)來看，數(shù)據(jù)分析師應(yīng)該是一個技術(shù)類的崗位，但現(xiàn)實(shí)中并沒有以上這些細(xì)致的分工，只是告訴大家是有一定的區(qū)別的，所以掌握技能的側(cè)重點(diǎn)不一樣。

常見的幾個數(shù)據(jù)分析師劃分，主要包含這6大類，當(dāng)然每一類其實(shí)也有自己的層級，我只是做一個簡單的區(qū)分，讓大家有一個基本的概況

A類：商業(yè)分析師 

特點(diǎn)：上手快、深入難

主要的工作：幫助業(yè)務(wù)、市場以及管理層做一些數(shù)據(jù)的洞察，還原數(shù)據(jù)的本質(zhì)，講述數(shù)據(jù)的故事，要很清楚的了解市場要什么？用戶愛什么？

需要掌握的：

硬性技能：SQL、EXCEL、PPT

軟性技能：表達(dá)能力、視覺思維、邏輯性強(qiáng)、思維清晰，特別是溝通能力?。?！

掌握的方法論：ABtest、AAARRR、SWOT、RFM、28原則、5W2H等

掌握的統(tǒng)計學(xué)：常規(guī)統(tǒng)計指標(biāo)（均值、中位數(shù)、分位數(shù)、T檢驗(yàn)等)、回歸、聚類、因子、決策樹、邏輯回歸等，這些足夠了

加分項(xiàng)：圖表可視化、結(jié)構(gòu)化思維、金字塔原理、千萬級數(shù)據(jù)處理經(jīng)驗(yàn)（這類一般1年遇不到幾次）

注意：掌握一些宏觀數(shù)據(jù)的獲取方式，沒事的時候多收集一些，自己根據(jù)所在行業(yè)而定，從事互聯(lián)網(wǎng)或者移動互聯(lián)網(wǎng)的話，最好掌握一種自助式BI工具，比如Google Analytics、百度統(tǒng)計、taklingdata、神策數(shù)據(jù)等

核心：不一定技術(shù)強(qiáng)、算法掌握牛，但一定要能深入行業(yè)、深入場景

以后發(fā)展：業(yè)務(wù)負(fù)責(zé)人、獨(dú)立咨詢師、管理層、戰(zhàn)略分析師、團(tuán)隊(duì)領(lǐng)頭羊

適合人群: 文科類、運(yùn)營\產(chǎn)品轉(zhuǎn)崗類、不喜歡編程、不善于研究算法的同學(xué)

B類：炮灰分析師 

主要的工作：協(xié)助業(yè)務(wù)或者上級完成一些常規(guī)的需求，這類一般是別人要什么，我們做什么，但是在不同的行業(yè)，不同的部門做的事情差異還是很大

需要掌握的：

硬性技能：SQL、EXCEL、PPT、python\spss\R任選其一，根據(jù)場景而定

軟性技能：溝通能力、抗打擊能力、加班能力、數(shù)據(jù)管理能力（數(shù)據(jù)庫和數(shù)據(jù)字典）

掌握的方法論：ABtest、AAARRR、SWOT、RFM、5W2等，不知道也能干

掌握的統(tǒng)計學(xué)：常規(guī)統(tǒng)計指標(biāo)（均值、中位數(shù)、分位數(shù)等)、回歸、聚類、因子、決策樹、邏輯回歸等，這些足夠了，但基本高級的模型用不上，定位決定

加分項(xiàng)：聽話能力、擅長各類工具的應(yīng)用，能快速相應(yīng)需求方的需求

突破：要自己根據(jù)環(huán)境主動參與一些討論，承擔(dān)一些從無到有的分析，從被動變?yōu)橹鲃?/p>

以后發(fā)展：純正數(shù)據(jù)分析師、數(shù)據(jù)產(chǎn)品經(jīng)理、數(shù)倉人員

適合人群：都可

C類：數(shù)據(jù)分析師 

主要的工作：除了被動的常規(guī)分析外，還要能主動發(fā)現(xiàn)業(yè)務(wù)存在的問題，會用數(shù)據(jù)找事，梳理業(yè)務(wù)發(fā)展與指標(biāo)體系之間的關(guān)系，從日常監(jiān)督分析開始，更多的是專題性的分析，無中生有

需要掌握的：

硬性技能：SQL、EXCEL、PPT、python\spss\R任選其一，tableau\powerbi，也要懂一些BI工具、市面上流行的數(shù)據(jù)產(chǎn)品

軟性技能：溝通能力、表達(dá)能力、邏輯思維強(qiáng)

掌握的方法論：ABtest、AAARRR、SWOT、RFM、28原則、5W2H，用戶及產(chǎn)品生命周期等

掌握的統(tǒng)計學(xué)：常規(guī)統(tǒng)計指標(biāo)（均值、中位數(shù)、分位數(shù)等)、回歸、聚類、因子、決策樹、邏輯回歸、機(jī)器學(xué)習(xí)等，這些足夠用了

加分項(xiàng)：圖表可視化、PPT展示、系統(tǒng)性思維、在行業(yè)有很多認(rèn)識和沉淀

要點(diǎn)：算法、技術(shù)、工具、業(yè)務(wù)混為一體，樣樣都要懂

總結(jié)：這類目前市場上很緊缺，被稱為稀缺動物

D類：BI工程師 分析師中的程序員，很純的那種

主要的工作：和數(shù)據(jù)的ETL打交道多，主要做數(shù)據(jù)規(guī)范、數(shù)據(jù)倉庫、業(yè)務(wù)需求報表開發(fā)、多維度呈現(xiàn)等

需要掌握的：

硬性技能：數(shù)據(jù)庫技術(shù)、數(shù)據(jù)倉庫、Informatica, Datastage，Kettle，還有一些廠家的展示產(chǎn)品Business Objects, Cognos，常用梳理工具

ERwin、echarts等

軟性技能：理解能力、表達(dá)能力、思維縝密

掌握的方法論：無，基本人家讓干啥咱干啥

掌握的統(tǒng)計學(xué)：常規(guī)統(tǒng)計指標(biāo)（均值、中位數(shù)、分位數(shù)等)、回歸、聚類、因子、決策樹、邏輯回歸等，

加分項(xiàng)：技術(shù)過硬，有過大型BI建設(shè)經(jīng)驗(yàn)，既能干DBA又能干BI、視覺思維

突破：這些人比一般的數(shù)據(jù)分析師更懂底層，缺少的只是與業(yè)務(wù)的融合，看自己的定位了

總結(jié)：絕對的苦逼，容易吐血那種，常常懷疑人生

發(fā)展線路：CTO、項(xiàng)目經(jīng)理、產(chǎn)品經(jīng)理、平臺負(fù)責(zé)人等

E類：算法工程師 就是你們班技術(shù)最強(qiáng)那個人

主要的工作：做算法、搞研發(fā)、創(chuàng)新算法

需要掌握的：

硬性技能：數(shù)據(jù)庫技術(shù)、hadoop、python、R、spark等等

軟性技能：理解能力、表達(dá)能力、思維能力

掌握的方法論：懂一些常見的即可

掌握的統(tǒng)計學(xué)：各種算法都要精通，而且在不同的場景下，要自己開發(fā)新算法

加分項(xiàng)：算法很熟悉、技術(shù)沒得說、學(xué)歷高

總結(jié)：工資高、壓力大，經(jīng)常斷片

適合人群：名校對口專業(yè)畢業(yè)，沒辦法人太多，某寶從國內(nèi)top已經(jīng)要求全球TOP了

都需要掌握的能力

了解了這些數(shù)據(jù)分析師的百態(tài)之后，該如何入門的問題相信也會得到解答，我們一起來嘗試需要數(shù)據(jù)分析需要那些能力，而這些能力掌握的程度不同，那以后你的路也就不同了，總結(jié)出7種能力

1、基本工具應(yīng)用的能力

Office的三件套是必備的，特別是（excel、PPT），但所有的excel\ppt功能都要學(xué)習(xí)嗎？顯然不是，很多人在這個上面浪費(fèi)的時間太多太多了

對于excel來講，基本的函數(shù)（加減乘除、條件篩選、匹配函數(shù)、透視表、圖表）就足夠了，VBA基本可以放棄

對PPT來講，不要把自己打造成為一個專業(yè)的ppter，PPT對于分析師來講，唯一的核心就是展示，因此基本的操作就足夠了，可能當(dāng)入門的時候，你連打開PPT 的機(jī)會都沒有，就是提數(shù)

SQL，這是一種數(shù)據(jù)庫的通用語言，還有一種叫HSQL，有一些差異，但邏輯是相同的，學(xué)習(xí)SQL的目的其實(shí)只有一個，提數(shù)，需不需要掌握sql和你未來公司的發(fā)展或目標(biāo)的企業(yè)有很大關(guān)系，建議一定要學(xué)，總不能別人找個數(shù)據(jù)分析師來，還要給你配個提數(shù)助理，那成本太高了。

2、專業(yè)工具使用

分2個方面，數(shù)據(jù)分析與處理、數(shù)據(jù)展示，這時候大家會問了，我都會excel\PPT了，感覺就可以了，其實(shí)不是的，很多時候我們面臨的數(shù)據(jù)和復(fù)雜程度雖然用excel\PPT也能做，但是效率卻很底下，那我們學(xué)工具的目的是什么？不就是為了單位時間內(nèi)提高效率的問題嗎？

這時候一定要掌握一種專業(yè)的工具，存在即是合理，比如不善于編程的話，spss、clementine都是很不錯的選擇，也可以嘗試玩玩kettle，不討厭編程的話建議直接去學(xué)習(xí)python，R相對來講，專業(yè)對口的學(xué)起來用起來順手一些，學(xué)那個工具都可以，一般的招聘都是掌握一種就可以，所以不要逼著自己去學(xué)不順手的工具，浪費(fèi)時間，投入產(chǎn)出比太低

另外就是可視化的，最好的可視化工具一定是excel，簡單易用，場景多，很多人可能會去學(xué)tableau、PBI這些，掌握一點(diǎn)就可以了，沒必要投入太多的時間，有幾個企業(yè)能買得起、舍得買tableau、PBI的云版，除非你要去的公司一定會買，那你就學(xué)，因此最好去學(xué)一些開源的，比如echarts、datav、antv這些，但一定一定要學(xué)好excel的圖表可視化。

上面的這兩個能力都是要花時間去學(xué)習(xí)和實(shí)際操作的，最好找一些數(shù)據(jù)，沒事就練習(xí)一下，而下面要說的能力是需要刻意訓(xùn)練的，不是花時間就能學(xué)到的

3、發(fā)現(xiàn)問題的能力

這是一種很重要的能力，可以塑造自己從被動轉(zhuǎn)為主動，這需要我們有足夠的知識儲備和業(yè)務(wù)的沉淀，你才有發(fā)現(xiàn)問題的資本，而不是讓人家覺得你在找茬。

4、解決問題的能力

數(shù)據(jù)分析不但要告訴過去、現(xiàn)狀、未來，更重要的是遇見問題的時能告訴為什么會發(fā)生，為什么是這樣，而不是我們想的那樣，我們不是一直在做這樣的事情嗎？下來才是你解決問題的套路（拆分、MECE、多維度、公式法等），一般三步法：

What-界定問題，搞清楚問題到底是什么？

如何理解呢？舉個例子，比如你們老板給你說最近客單價下滑很厲害？

那有的人側(cè)重點(diǎn)就是分析就應(yīng)該為什么下滑？然后從下滑因素中找出原因，并采取行動，對吧？至少很多人會這么做

其實(shí)不是，下滑只是現(xiàn)狀，老板是想提高客單價，這時候要從下滑轉(zhuǎn)化為提高，如果從提高的角度去建立分析框架，兩者的分析思路是不一樣的

Why-分析問題，結(jié)構(gòu)化分析問題的本質(zhì)原因是什么？

這個就不多說了，大家都知道麥肯錫的MECE，你也可以理解為邏輯思維能力，那塊如何落地呢？

我自己最喜歡的方式只有2個：1、自問自答，答到滿意為止；2、學(xué)習(xí)，多看行業(yè)報告，特別是投行、券商的報告

How-解決問題，應(yīng)用目標(biāo)導(dǎo)向思維怎么解決？

這一點(diǎn)很多人容易忽視，往往我們沉迷在數(shù)據(jù)中，忘記了自己要分析的目標(biāo)到底是什么？越做越多，越做越復(fù)雜，以至于輸出的時候沒有了重點(diǎn)，缺少一根主線，突然之前從清晰變成了混亂，讓自己開始懷疑自己的價值

切記做一份商業(yè)分析之前一定要有一個目的性明確的框架，每個框架下面如何假設(shè)分析也要梳理出來并反復(fù)推敲，確定后就不要大改了，除非發(fā)現(xiàn)驚天秘密！

5、行業(yè)洞察能力

常言道：干一行愛一行，為了自己以后每天都能吃上五花肉，你也要深入自己的行業(yè)，構(gòu)建自己的認(rèn)識體系，提升自己的賦能

當(dāng)然行業(yè)的洞察力不是靠閱讀文章的數(shù)量，看書多少本來決定的，雖然之前存在一定的關(guān)系，但不是純正相關(guān)或者因果關(guān)系，而是要依靠咨詢公司的那一套方法論去不斷的模仿、思考、復(fù)盤的

借助行業(yè)研究模型：

這些模型天生符合MECE的原則，所以你如果能很好的應(yīng)用，對你的思維能力提升也有很大的作用

6、創(chuàng)新的對應(yīng)方案

知道了事情的來龍去脈，能不能站在用戶體驗(yàn)的角度設(shè)計出一套，記住自己分析數(shù)據(jù)、呈現(xiàn)數(shù)據(jù)的時候不僅僅是數(shù)據(jù)，而是一群人的行為趨勢，比如你要開一個陜西面館，你能否根據(jù)用戶的數(shù)據(jù)，打造出一套引導(dǎo)改變他們習(xí)慣的面館，而不僅僅是影響。

7、數(shù)據(jù)的解讀能力

經(jīng)?？匆恍┬』锇閷懙姆治鰣蟾?，出現(xiàn)最多的就是同比、環(huán)比，而同比、環(huán)比之后在沒有任何的描述，這時候你描述的只是一種數(shù)據(jù)的狀態(tài)，并沒有把數(shù)據(jù)背后的故事講清楚，比如什么原因引起的？你是從哪些角度分析發(fā)現(xiàn)的？這樣的報告很難帶讀者到你的思維世界

你寫的：本周我的工資環(huán)比下降了50%

別人的：本周我的工資環(huán)比下降了50%，主要是因?yàn)楣拘б嫦陆?0%，因此造成績效工資下降幅度較大引起，另外分析得知，公司效益同比下降200%，而這段時間正好是疫情發(fā)生時期....

弗賴塔格金字塔模型

以上的能力，我在以前的文章中都有寫，這里就不展開寫了。

然而很遺憾的事情，是許多人入門的時候，忽略了數(shù)據(jù)分析的本質(zhì)，把太多的時間和精力放在了基本工具、專業(yè)工具方面，其實(shí)面試的時候工具類的面試都很簡單，而面的主要是你解決問題、發(fā)現(xiàn)問題、應(yīng)變的能力，難道不是嗎？

即使你的工具使用、編程能力不強(qiáng)，但只要你可遷移的能力很強(qiáng)，企業(yè)都會要，當(dāng)然不是說大家不要投入時間去學(xué)習(xí)工具，而是建議不要投入太多的時間，比如學(xué)習(xí)excel，有的人要連續(xù)學(xué)習(xí)好幾個月，其實(shí)一周足夠了！

你要學(xué)的不是它的全部功能，而是快速了解掌握能夠解決問題的20%功能，那些足以解決企業(yè)80%以上的問題，以后遇見剩下20%問題時，不要忘記使用搜索引擎，絕對可以解決的。

這里面還有一個更重要，卻被大家忽視的，那就是統(tǒng)計學(xué)?。。。?！必學(xué)必學(xué)?。?！