什么样的数据分析师属于业内顶尖？

每个行业都有好的数据分析师，但是如何定义顶尖呢？顶级数据分析师肯定会存在于数据实现最强大的行业，如金融风险控制或数字广告行业。这些业务是由真正的数据驱动的，因为数据几乎是一样的，好处会更糟。以运营商推出的“基于信用评分的免费停机服务”为例，说明顶级数据分析师(为了描述方便，称之为A君)应该发挥的价值，然后作者总结了9项核心能力。1、发现正确的问题A分析问题是公司的大问题，相信每个人都有拖欠停机的经验，运营商每月停机应该是巨大的，但大多数拖欠停机用户会恢复，所以用户没有区别停机有点简单粗糙，停机期间会损失收入，无论从服务还是收入的角度来看，这是一个值得研究的分析主题。与芝麻信用评分类似，也许运营商可以根据创建自己的信用评分来实现用户欠款的区别对待。例如，对于信用评分较高的用户，A需要对信用评分进行数据分析，以向公司证明该计划是可行的。2、A君做的数据分析报告是用数据向公司解释推出这项业务的价值，以下是过程的简要描述。首先，我们必须首先看到拖欠停机的情况，比如每月有多少用户有拖欠停机的经验，这些拖欠造成了什么样的收入损失。其次，看看当前信用控制手段的缺陷，如分析会发现基于ARPU，核心星系统覆盖高价值用户有限，充分考虑信用模型的各个方面的特点可能更科学，如许多用户在低星但高信用区域。信用评估系统信用分布区域有大量低星但高信用用户，最后看到欠费用户基于信用分布，如发现整体欠费率小于0.1%，欠费用户比例小于1%，这表明基于信用评分可以在一定范围内控制风险。许多企业的数据分析师在这个时候基本上完成了任务，数据分析师似乎与执行无关。但A君显然做的不止于此。大家继续往下看。3、由于信用评分的实施跨越市场、服务、金融、IT等部门，A军需要推动公司成立多部门联合试点小组，制定试点计划，包括用户范围、信用额度、信用控制规则、确认模板、投诉处理、系统改造等，如下图显示信用评分业务流程改造图，信用评分似乎很简单，但对股票信用控制系统的影响很大。4、在操作监控一切准备就绪后，A先生还应跟踪具体实施效果，及时提出改进建议，如跟踪每日停机和欠费率的变化，如下图所示。若数据发生变化，可采取紧急措施。例如，在业务试点前几个月，客户欠费率持续上升，信用评分月度计算导致升级规模过大、过频等现象，分析发现信用控制规则没有严格执行，没有考虑部分用户的特殊情况，信用评分模型缺陷，需要采取措施迭代优化模型、信用控制规则，下图是操作中的特别报告示例。这些都是顶级数据分析师需要做的事情。数据分析不仅仅是一份报告，更是一种真正驱动生产的实际价值。在互联网公司，优化产品的数据分析师做到了这一点。例如，通过与产品的协调进行AB测试，提出产品优化的具体建议，从分析到生产的过程非常短，这是非常值得学习的。在传统企业中，由于组织、机制和流程的原因，数据分析驱动的业务挑战远远大于互联网公司。从以上案例可以看出，要达到顶级数据分析师的水平，仅仅依靠数字、分析和报告是远远不够的。顶级数据分析师应该能够基于数据分析来驱动业务，并创造实际的生产力。顶级数据分析师需要具备哪些素质才能实现这一目标？作者总结了业务能力、思维能力、沟通能力、表达能力、分析方法、数据能力、技术能力、统计知识和着陆能力九种能力。1、学习和掌握业务能力和业务知识，需要深度积累，培养业务专家，需要长周期，远远超过以下基本技能。数据分析师最重要的价值是利用数据来推动业务增长。每项业务本质上都是公司整体战略的支持，了解战略，选择正确的分析方向，如运营商四轮驱动战略，可以通过公司年度计划和总结、三年滚动规则、领导指示、各种重要会议等了解，如大型企业降低成本效率背景下的信用评分具有特殊价值。[充分了解行业]对自己的行业有足够的敏感性，与业务部门核心团队沟通，更*行业网站，阅读行业数据分析报告积累，如什么阶段、位置、当前关键业务方向、挑战、整体解决方案，如运营商数据分析师至少了解当前的企业信用控制系统，哪些行业的风险控制体系值得借鉴等等。【了解领导思想】如果达不到业务领导的高度，就要多和他沟通，了解他对业务的看法，站在他的肩膀上了解他认知的业务。记住，你对谁负责，谁是你最大的资源。比如信用免停机会涉及欠费率波动，短期内可能会影响应收账款。这时候就要了解领导的期望，做好相关的解释。【业务岗位实战】对业务的理解不仅仅是看文档。它必须来自于对公司业务的实际流程、机制、平台和数据的充分理解。最好留在实际相关岗位。例如，如果你没有做过数据，你可能不知道欠费率的口径，而信用评分中欠费率的计算非常重要，任何部门的专业人士都可以挑战你。2、如果你只是一个好的“实现者”，而不是一个好的“思考者”，那么数据分析师就没有未来了！2、如果你只是一个好的“实现者”，而不是一个好的“思考者”，那么做一个数据分析师就没有未来了！[最有价值的是想法]根据业务人员的想法制作报告或看板，最多只有“60分工作”。即使你的需求来源是业务部门的老板，也值60分。它不能突出你的价值，也不能让你得到晋升和加薪。数据分析最有价值的是想法，特别是基于实际业务现状的有针对性的想法。例如，运营商传统上基于星级系统提供差异化服务，当你想到金融业的信用评分时，如果你将其移植到运营商身上，它将具有新的价值。【成为思考者】要有深入思考的习惯，成为“思考者”，才能对业务有独到的见解和想法，通过你拥有的数据系统地分析这些想法，通过数据来论证你的想法。这是一项非常痛苦和耗时的工作。例如，A军是一个逻辑思维能力很强的人，可以通过数据分析来推动业务的发展。[全面开放自己]你的历史经验和地位决定了狭隘的视野，没有足够的外部输入，你的思维能力是聪明的女人没有米饭烹饪，也很难有分析灵感，不要害怕丢脸，通过与同事、领导、外部人员沟通，获得更多的信息，让好的分析思路，如外部理解金融风险控制手段，内部理解内部风险控制方法，只有当你变得更加开放，你才能吸收更多的东西。3、沟通能力要通过反复沟通来确定目标，合作要滴水不漏，同理心要得到尊重。【对上沟通】你的分析对谁负责，就要和谁沟通清楚。最忌讳的是不懂装懂。自以为是，领导的时间有限。你要抓住一切机会，沟通清楚分析的目的是什么，领导的期望是什么。第一次沟通后，做一个大纲，然后沟通。【分析合作】个人视野狭窄，逻辑难度大。一些与我们合作的企业经常采用团队合作的方式。你会发现他们提交的分析报告往往能反映整个公司的分析水平，而不是个人。如果企业的业务分析报告总是来自领导或个人，如何取得进展？[分析与合作]个人视野相对狭窄，难以逻辑严谨。一些与我们合作的企业经常采用团队合作的方式。你会发现，他们提交的分析报告往往能反映整个公司的分析水平，而不是受到个人的限制。如果企业的业务分析报告总是来自领导者或个人，我们如何才能取得进步？你的能力是企业的瓶颈。【对下安排】数据分析贯穿数据、技术和业务的整个链条。你需要面对不同的职位，遇到不同的角色，用不同的语言表达你的要求，得到你需要的东西，成为数据和业务的桥梁。例如，如何理解业务？如何更快地获取数据？如何尽快确认数据问题的原因？考验你的实际人脉和权威。4、一切表达能力都是为了让人理解。[态度注意报告]必须注意报告，不要认为“酒不怕巷”，在你报告之前，领导不知道你的实际表现，IT专业人士有时遭受更多的损失往往是认知问题，不注意，也不愿意做这种虚拟的事情，很多人做80分，报告只有30分，也与教育有关，通识不够，没有审美。【报告讲究故事】报告前要做好充分的准备，理解每一个单词和数字，把你想表达的内容整理成一个有调理的“故事”，用自己的语言表达出来，让别人理解你说的话，有时候反复练习，不用看PPT就能清晰地表达整个PPT的逻辑。5、分析方法【理解指标】每个企业都有一套KPI指标体系，围绕KPI指标和一系列实施监控指标。作为一名数据分析师，我们必须对企业的核心指标体系有深入的了解，这是数据分析师应该理解的最基本的概念。[理解维度]业务反映在指标上，业务分析是对合适指标的分析，指标只能通过比较来识别问题，为了实现识别分析，维度的选择是核心！[理解常识]数据分析结论的最终表现仍然是指标数据，该指标数据通常是层层钻孔比较的结果，但次要因素已被消除，主要因素很可能出现，但主要和次要因素的判断仍然来自数据分析师的主观判断。【掌握工具】BI在很大程度上是利用一些可视化技术来比较指标的艺术，帮助你更快更直观地发现和定位问题。毕竟，人脑对图表和图像更敏感。6、对于数据，数据能力要知道为什么！【有更深入的指标理解】指标是数据分析的基础。要从本质上区分指标的差异，就必须对指标的生成过程有透彻的了解，包括从哪个表、哪个字段层层计算汇总。人们看到指标是一个简单的业务解释。你看到的是围绕指标生成的数据系统，有利于你类比，对指标的差异和问题有更深入的了解，比如什么是4G用户。你能从字面上得到多少意思？【全球数据视野】在大多数公司，数据分析师的工作是专业的，但事实上，你分析的数据是全方位的，不会有特定的专业界限。在实践中，数据分析师往往不知道有多少数据，由于视野狭窄，数据分析的深度和广度有限。数据分析师应该系统地学习数据字典。自下而上的实践非常重要，但自上而下的学习也是必要的。[有更深入的数据理解]数据字典通常只反映表面的数据意义，如果你想分析更灵活，你需要理解数据之间的依赖和背景，因为每个数据表都是由下一层表相关性汇总，但汇总意味着信息丢失，只有追溯能力，你更有可能基于更多的信息获得更大的分析自由，例如，当您在业务系统中看到菜单的功能时，系统中对应的数据是什么？7、获取数据的技术能力-SQL】SQL是操作数据最灵活的语言。任何数据库都将为SQL提供支持。它架起了业务和数据之间的桥梁。它易于学习，性价比高。它也是数据分析师必须学习的语言。新时代的数据分析师不应该太依赖别人提供给你的数据。沟通成本太高。他们必须学会使用SQL获取所需的定制数据，这给了你更多的可能性。【加工数据-EXCEL】EXCEL提供了加工和呈现轻量级数据最灵活的能力。掌握EXCEL是任何数据分析师的基本技能。透视图、图表、公式和计算都是非常方便的工具。[挖掘数据-机器学习，深度学习]数据分析师需要通过分析获得隐藏在数据背后的知识，一般使用SQL，EXCEL结合自己的经验，但模型分析数据维度有限，如难以看到3D数据之间的关系，必须使用工具，这是机器学习可以帮助你，如聚类、分类、预测等，与机器学习，数据分析师应掌握至少一种挖掘方法，以降低人工智能工具的使用门槛。8、统计知识应了解统计的基本概念，包括但不限于概率计算、几何分布、正态分布、统计抽样、可信范围、假设检验、卡方分布、相关和回归，您可以查看《简单系列》的相关书籍等。8、统计知识应了解统计的基本概念，包括但不限于概率计算、几何分布、正态分布、统计抽样、可信范围、假设检查、卡片分布、相关性和回归性。你可以看到相关的书籍“简单的系列”等等、着陆能力促进数据分析结果的着陆是数据分析师最大的成就！[目标导向]业务绩效的实现是您的最终目标。虽然数据分析可以根据历史和当前的数据进行分析，并提出建议，但为了真正证明数据的价值，业务执行层也需要全力支持。【利益分配】明确业务处理过程中各个环节的流程和节点的利益关系，无利可图，很多事情无法推进。核心矛盾是利益分配不理顺。例如，为了促进信贷控制系统的转型，A军将不匹配开发时间表和业务紧迫性，需要多方协调，即促进利益分配。【领导资源】懂得管理业务领导，把领导当成自己的资源。当你带着问题找到领导解决方案时，你总是带着解决方案让领导做多项选择题，而不是问答题。作者的数据实现支持团队经常需要进行数据分析。例如，我们需要找到收入波动的原因，但仅仅找到原因是不够的。我们希望数据分析师能够促进前端产品和运营的转型或优化，否则数据分析得出的结论将失去意义。就像你开发一个信用分模型是不够的，你是基于信用的