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。

也在学数据分析，谢谢分享