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。

数据分析师日常工作，大概有如下的几方面(当然，各公司业务发展阶段不同，稍有差异)，核心都是围绕数据，挖掘其价值：

•提供基础报表，满足基础需求
•分析业务和产品，提供业务运营和产品优化建议
•提供战略分析和战略性报告
•开发数据产品

•数据分析师，工作涉及到数据提取，数据整理，数据分析，数据报告等几个方面。

•数据提取这块，目前SQL是必须要掌握的，上面也提到了。另外，有些时候可能也会用到爬虫，爬取一些数据;

•数据整理这部分，python和R，二者取其一就够了。不多说。简单的数据，Excel就够用了。目前做数据分析师用Excel打天下的，估计有90%。

•数据分析，这部分理解为探索性数据分析吧，比如做一些统计图，统计方法来分析一些问题，研究方差变化，等等。这个方面，软技能更需要，比如问题的定义，问题的分析，等等。当然，为了更大程度的挖掘信息，会用数据挖掘的方法，等等。

“大数据分析师就是一群玩数据的人，玩出数据的商业价值，让数据变成生产力。”而大数据和传统数据的最大区别在于，它是在线的、实时的、规模海量且形式不规整，无章法可循，因此“会玩”这些数据的人就很重要。

数据分析师，其特点是就业面广，行行需要，薪金高，职业稳定，而且越老分析手段越多越有经验而不会被淘汰，并且可以在家里办公。

随着大数据的发展，大数据相关人才却出现了供不应求的状况，大数据分析师更是被媒体称为“未来最具发展潜力的职业之一”。

大数据时代已经到来！您准备好了吗 ？

数据分析师在如今大数据时代有着举足轻重的地位。一个出色的数据分析师是能够通过自身对公司业务的理解，为各个层面提供有效，可靠的信息，并对其进行评价和预测。
作为一名数据分析师，了解公司业务是关键。分析师不是单纯地把公司各部门对数据的需求展示出来，而是更有前瞻性的思考提出这些需求的原因。

数学知识是数据分析师的基础知识。
对于初级数据分析师，了解一些描述统计相关的基础内容，有一定的公式计算能力即可，了解常用统计模型算法则是加分。
对于高级数据分析师，统计模型相关知识是必备能力，线性代数（主要是矩阵计算相关知识）最好也有一定的了解。
而对于数据挖掘工程师，除了统计学以外，各类算法也需要熟练使用，对数学的要求是最高的。

业务理解说是数据分析师所有工作的基础也不为过，数据的获取方案、指标的选取、乃至最终结论的洞察，都依赖于数据分析师对业务本身的理解。
对于初级数据分析师，主要工作是提取数据和做一些简单图表，以及少量的洞察结论，拥有对业务的基本了解就可以。
对于高级数据分析师，需要对业务有较为深入的了解，能够基于数据，提炼出有效观点，对实际业务能有所帮助。

对于初级数据分析师，逻辑思维主要体现在数据分析过程中每一步都有目的性，知道自己需要用什么样的手段，达到什么样的目标。
对于高级数据分析师，逻辑思维主要体现在搭建完整有效的分析框架，了解分析对象之间的关联关系，清楚每一个指标变化的前因后果，会给业务带来的影响。

数据可视化说起来很高大上，其实包括的范围很广，做个 PPT 里边放上数据图表也可以算是数据可视化，所以我认为这是一项普遍需要的能力。
对于初级数据分析师，能用 Excel 和 PPT 做出基本的图表和报告，能清楚的展示数据，就达到目标了。
对于高级数据分析师，需要探寻更好的数据可视化方法，使用更有效的数据可视化工具，根据实际需求做出或简单或复杂，但适合受众观看的数据可视化内容。

『数据分析』一般分析目标相对明确，从数据得到一些信息，不用那么深的规律的探讨。做数据分析，不一定非要懂那么多数据挖掘的算法，或者机器学习。当然，技多不压身，懂的东西越多越好。至于具体的一个『业务问题』的分析，一般不会涉及到复杂的『数据挖掘』，统计方法就够了。

对于数据分析来说，不管我们通过何种「分析方法」，「挖掘算法」，还是「数据可视化」，都是为了「分析和研究产品，以及使用产品的人」，而「产品和人」会给我们带来商业上的利益。做产品的目的是为了让别人使用，成立公司是为了获得商业的最大化利润。所以归根结底，数据分析的目的是「更好的了解使用产品的人的行为，体验和想法」，基于这些了解，「再做产品上的改变，获得商业的利益最大化」。

关于数据分析师，举一个巴菲特的例子。他不会挖掘算法，不会建模，但是他有一套自己的分析问题，解决问题的模型框架，他会自己去分析公司的财务数据，分析经济发展走势，等等。巴菲特，不是一个好的分析师么? 相信大家明白数据分析师的核心技能是什么了。

数据分析师最需要的基本素质是什么，很多人会回答，不是要统计学知识吗，不是要会一些工具吗，说得对，也不对，统计学等只是数据分析的术，而我更强调的却是道，做好数据分析与写诗文一样，真正的关键在技巧之外，即业务能力、思考能力及沟通能力三样，这些能力很多人天生就有，而很多人需要艰苦的训练获得，甚至训练也不可得。

一个看似简单的转化率分析问题，它的背后是数据分析师各方面能力的体现。首先是技术层面，对 ETL（数据抽取－转换－载入）的理解和认识；其实是全局观，对季节性、公司等层面的业务有清晰的了解；最后是专业度，对 EDM 业务的流程、设计等了如指掌。

练就数据分析的洪荒之力并非一朝一夕之功，而是在实践中不断成长和升华。一个优秀的数据分析师应该以价值为导向，放眼全局、立足业务、与人为善，用数据来驱动增长。

数据分析师分布在不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测。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.

很多时候，数据分析师不能就数说数，陷入各种报表中不能自拔。一个优秀的数据分析师应该具有全局观，碰到分析需求的时候退一步多问个为什么，更好地了解问题背景和分析目标。

数据分析师工作因为涉及内容比较多，所以经常会被产品/运营叫过去讨论某些项目，营销活动，等等，或者，被不同业务线主管召唤，讨论如何对某个业务线效果进行深入分析，所以，很多时候自己计划的「什么时间干什么事情」，基本得不到保障。就算得不到保障，每天早上过来以后，也要大概列清楚今天要干的几件事情，提醒自己去抽时间做完。每做完一件事情，就划掉。尽管有很多工具使用，比如，Trello，但是我还是喜欢一个笔记本，一支笔的方式。

数据分析师，数据+分析+师，这个意味着从业者需要懂数据，也要会分析，到了师的境界，说明有一定的经验积累。一般的大学应届毕业生，大学里面没有类似的专业，懂计算机的不懂数据，懂数据的计算机技能差点，懂数据和计算机的逻辑性不好，最大的一个问题是，很多同学对于定义问题，分析问题，思考问题等基本的能力，都不具备，更别问具体的市场，或者业务的分析和经验，所以，应届毕业生中统计学专业的相对靠近数据分析师的基本技能，但是，也仅仅是技能上的靠近。

投简历的时候不要看见职位里带”数据分析师“就投!带这个关键字的，有录入整理数据的最低级职位，也有需要写代码的开发人员(数据分析师，数据挖掘工程师，傻傻分不清楚)，看好职位描述再投!需要3年以上工作经验的，可以投但不要抱希望;需要1年以上工作经验的，你手里有做好的报告，请转成PDF文件，然后向他们砸过去……很大几率能中。

在做市场上战略区分的时候，「足够好」这个词是绝对不能出现的。公司和数据分析师双方都应有着足够强烈的意愿，推动技术再往前发展一点点，永无止境地去摸索极限，并愿意承担更多的风险。你每天早上起床睁眼的时候，你一想到这个公司，就能兴奋的一个鲤鱼打挺立刻翻身下床，精神抖擞，迫不及待的开展全新一天的工作，它是一个能够拉动提升你，让你成为这个世界最优秀人才的平台。

宽松的格子衫、酒瓶底一样的眼镜，这或许是大多数人对程序员这一群体的群体画像，但在大数据发展如此之快的今天，数据分析师已经成为一个新兴职业。这个听着就高大上的职业，你有没有想过也可以算得上是程序员的一个分支，他们的就业现状如何?

数据分析师不仅听起来是个高大上的职业，做起来也需要高大上的技能;所以，打算一脚踏入数据分析师行业的年轻人请注意，此门深似海，换句话说，你需要投入大量精力，而且需要学习的东西太多，导致数据分析师的回报率相对较低。
　　
数据分析师在我国属于新兴职业，这一方面意味着缺乏大量这方面的人才;但另一方面也意味着行业规模小，行业规章制度与基础设施还不完善。如此看来，数据分析师这个职业，是你的菜吗?

数据分析师的主要职责包括寻找、检索、整理和传递从数据中来的见解。数据分析师也帮助报告和发现隐藏在数据潜在产品中的有意义的见解。从商业指标到用户行为和产品表现，他们负责获取、分析和报告范围的数据。

举个例子，职责可能涵盖：

书写查询从数据库中检索数据，和正确的利益相关者分享数据
浏览用户行为来寻找可以用来提升公司产品表现的见解或趋势
解释A/B测试的结果，基于此结果做出产品推荐

很多时候，数据分析师不能就数说数，陷入各种报表中不能自拔。一个优秀的数据分析师应该具有全局观，碰到分析需求的时候退一步多问个为什么，更好地了解问题背景和分析目标。
数据分析师要在所在行业（例如电商、O2O、社交、媒体、SaaS、互金等等）展示她/他的专业度，熟悉自己行业的业务流程和数据背后的意义，避免上面的数据笑话。

很多时候，数据分析师不能就数说数，陷入各种报表中不能自拔。一个优秀的数据分析师应该具有全局观，碰到分析需求的时候退一步多问个为什么，更好地了解问题背景和分析目标。
数据分析师要在所在行业（例如电商、O2O、社交、媒体、SaaS、互金等等）展示她/他的专业度，熟悉自己行业的业务流程和数据背后的意义，避免上面的数据笑话。

很多时候，数据分析师不能就数说数，陷入各种报表中不能自拔。一个优秀的数据分析师应该具有全局观，碰到分析需求的时候退一步多问个为什么，更好地了解问题背景和分析目标。
数据分析师要在所在行业（例如电商、O2O、社交、媒体、SaaS、互金等等）展示她/他的专业度，熟悉自己行业的业务流程和数据背后的意义，避免上面的数据笑话。

很多时候，数据分析师不能就数说数，陷入各种报表中不能自拔。一个优秀的数据分析师应该具有全局观，碰到分析需求的时候退一步多问个为什么，更好地了解问题背景和分析目标。
数据分析师要在所在行业（例如电商、O2O、社交、媒体、SaaS、互金等等）展示她/他的专业度，熟悉自己行业的业务流程和数据背后的意义，避免上面的数据笑话。

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。

数据分析：

SciPy and NumPy 这本书可以归类为数据分析书吧，因为numpy和scipy真的是非常强大啊。

Python for Data Analysis 作者是Pandas这个包的作者，看过他在Scipy会议上的演讲，实例非常强！

Bad Data Handbook  很好玩的书，作者的角度很不同。

适合入门的教程：

集体智慧编程  学习数据分析、数据挖掘、机器学习人员应该仔细阅读的第一本书。作者通过实际例子介绍了机器学习和数据挖掘中的算法，浅显易懂，还有可执行的Python代码。难易程度：中。

Machine Learning in Action  用人话把复杂难懂的机器学习算法解释清楚了，其中有零星的数学公式，但是是以解释清楚为目的的。而且有Python代码，大赞！目前中科院的王斌老师（微博： 王斌_ICTIR）已经翻译这本书了 机器学习实战 这本书本身质量就很高，王老师的翻译质量也很高。难易程度：中。我带的研究生入门必看数目之一！

Building Machine Learning Systems with Python  虽然是英文的，但是由于写得很简单，比较理解，又有 Python 代码跟着，辅助理解。