做一名合格的数据分析师，除了对数据需要有良好的敏感性之外，对相关业务的背景的深入了解，对客户或业务部门的需求的清晰认识。根 据实际的业务发展情况识别哪些数据可用，哪些不适用，而不是孤立地在“真空环境”下进行分析。

关于数据分析师就业前景的事情，我想应该不用多说什么，看看当今多少人前仆后继地参加数据分析师培训、多少人为了扩宽职业道路而进修自己的数据分析领域知识、多少人在不断地充斥在数据分析行业的各个角落，我们就可以知道数据分析师的受欢迎程度如何，以及数据分析师的就业前景的乐观性高不高。

做一名合格的数据分析师，除了对数据需要有良好的敏感性之外，对相关业务的背景的深入了解，对客户或业务部门的需求的清晰认识。根 据实际的业务发展情况识别哪些数据可用，哪些不适用，而不是孤立地在“真空环境”下进行分析。

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。

如果你有能力，有经验，充满好奇心以及永不倦怠的热情，作为数据分析师的你可谓前景广阔，有一大批公司乖乖站在你家门前挂着牌子等着你的挑选。但是在评估到底去哪家公司的平台上施展你的才华的时候，却是有着很多考量的。

好的数据分析师岗位，待遇自然也高，但如果你力不能及，也只能是望洋兴叹而一无所得。只有你的能力在那，你提前做好了准备，好的数据分析师的就业道路才会为你敞开。

如果你有能力，有经验，充满好奇心以及永不倦怠的热情，作为数据分析师的你可谓前景广阔，有一大批公司乖乖站在你家门前挂着牌子等着你的挑选。但是在评估到底去哪家公司的平台上施展你的才华的时候，却是有着很多考量的。即便是一个从业多年的老手也不可能在各种大小规模不一，发展阶段不同，拥有各自的企业文化的公司待过。他们也不可能横跨多个领域，掌握多种技术。那么就需要你自己如何能够理性、客观地分析出来眼前的这家公司到底是否值得去了……

所谓世上没有蠢人，只要懒人。而我恰恰就在青春的几年岁月里将自己推到了懒人的行列。在数据分析师的行业里“懒”过了几年，如今回头来看看自己，觉得自己挺乐观的，也挺好玩的。一名数据分析师走过的路，就是我，与你分享分享我的股市，只为让你们更好的成长。希望我的一番经历和总结，可以给你带来一些帮助和借鉴，让你的数据分析师可以走得更坚定、更顺畅！不过纯属借鉴，一切还是得自己慢慢去领悟和体会喔！

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。

数据不只是在业务执行之后才会发生作用的，在业务执行前的预测与计划，在业务执行过程中及时预警与恶意数据监控都是数据能发挥作用的场合，并且这些都能在“坏数据”、“坏结果”出来之前通过数据区去改善，这些将比结果出来后再去分析要更有意义。
作为数据分析师，需要不断提高自身能力。能力包括业务理解能力和数据分析能力，既能把业务“粗糙的要求”转换成数据需求，又能将数据结果转化成业务可理解、可执行、有时间限制、能验证结果的数据输出。
我相信数据是一门艺术，良好的数据能力可以处处在业务中展现能力，并且确实可以提高业务价值，这是数据存在根本，也是数据分析师立足的根本。

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。

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。

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

数据分析师职位，也有初、中、高级的区分，比如你去阿里巴巴岗位搜索数据分析师，会有数据分析师，数据分析专家等区分，所以，要求不也有，对于求职者的技能要求也不一样。会Python，不是优势，反而你做过一年风投精力会给你的经历增色，为什么呢?一个好的数据分析师，一定是一个商业分析家，正确的定义问题，思考问题，找到解决办法，才是一名合格的分析师需要具备的技能。所以，你肯定可以找到一份数据分析的工作。

•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。

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。从外界看，貌似会建模和挖掘，就高大上了，用excel就不高大上了。貌似巴菲特用电脑只会打桥牌，不会所谓的『股票挖掘和预测模型』，但是，不影响他是一个伟大的投资和理财家。想想他的投资理财的回报率，亲人们，你们不觉得你会excel就很牛了么？

『数据报告』，好了，前面所有的提取，整理，分析，都是过程，『报告』才是我们做这个数据分析的一个『结果』。如果它有意义，对别人有帮助，OK，我们做的工作有意义了。如果它不正确，更没有意义。前面的付出都是『一江春水向东流』，拜拜了。 大部分的报告，是PPT或者邮件形式。这部分，因为做个PPT不会特别复杂，大家都不关注。其实，它也是有很多技巧的。不展开了。

“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。

对于初级数据分析师，玩转 Excel 是必须的，数据透视表和公式使用必须熟练，VBA 是加分。另外，还要学会一个统计分析工具，SPSS 作为入门是比较好的。
对于高级数据分析师，使用分析工具是核心能力，VBA 基本必备，SPSS/SAS/R 至少要熟练使用其中之一，其他分析工具（如 Matlab）视情况而定。
对于数据挖掘工程师……嗯，会用用 Excel 就行了，主要工作要靠写代码来解决呢。

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。