数据分析师有哪些要求？

十年生死两茫茫数据人，忙着美丽的风景，给我增添了苍凉的一天。早晚，我忍不住调查和报告。疯狂的夜晚，我的思维突然闪现，我害怕忘记我需求的变化。为什么不预料午夜加班时听家人鼾声？以上是一位资深数据分析师写的自嘲笑话，但却是很多分析师的真实写照。在耀眼的职业光环下，数据分析师自身的成长几乎伴随着孤独，在高级杂务中锻造而成。最近收到专业采访邀请，对数据分析感兴趣的Y（目前从事系统开发和维护）一些建议，突然发现自己在这个领域滚了一段时间，叹了口气，写了一些经验，虽然不全面，但可以给新一些参考。如有不妥，请轻拍数据大牛。1、数据分析师的要求是什么？1、对数字的理论要求和敏感性，包括统计知识、市场研究、模型原理等。2、工具的使用包括挖掘工具、数据库、常用办公软件（excel、PPT、word、脑图）等。3、对业务的理解能力和敏感性。我们应该对商业和产品有深入的了解，因为数据分析的起点是解决商业问题。只有了解商业问题，才能转化为数据分析问题，以满足部门的要求。4、报告和图表显示能力。这是一个临门一脚的分析模型。如果不能很好的展示给领导和客户，效果会大大降低，也会影响数据分析师的职业晋升。2、请将数据分析作为培养广义能力的能力。现在大多数工作都需要使用分析能力，特别是在当今深刻的数据操作理念中。BAT等公司强调所有员工都参与数据操作。因此，将其作为一种能力培训将使您终身受益。3、从数据分析的四个步骤中，我们可以看到数据分析师需要具备的能力和知识：数据分析的四个步骤（这不同于数据挖掘过程：商业理解、数据理解、数据准备、模型构建、模型评估和模型部署），这是一个从更宏观的角度显示数据分析的过程：获取数据、处理数据、分析数据和呈现数据。（1）获取数据获取数据的前提是理解商业问题，将商业问题转化为数据问题。我们应该通过现象找到本质，确定从哪个纬度分析问题，并在定义问题后收集数据。在这个环节中，数据分析师需要有结构化的思维和理解商业问题的能力。推荐书:金字塔原理、麦肯锡三部曲：麦肯锡意识、麦肯锡工具、麦肯锡方法工具：思维导图、mindmanager软件（2）处理数据是一个数据分析项目。通常，数据处理时间占70%以上。使用先进的工具有利于提高效率。因此，尽量学习最新、最有效的处理工具。以下是最传统的，但高效的工具：Excel：常用于日常通报、报告和抽样分析，其图表功能强大，易于处理10万级数据。UltraEdit：比TXT工具更容易使用文本工具，打开和运行速度更快。UltraEdit：比TXT工具更容易使用文本工具，打开和运行速度更快。ACCESS：桌面数据库主要用于日常抽样分析（进行全面统计分析，消耗更多的资源和时间，通常分析师会随机抽取部分数据进行分析），使用SQL语言快速处理100万级数据。Orcle、SQLsever：这两类数据库需要用来处理数千万级数据。当然，在自身能力和时间允许的情况下，学习新流行的分布式数据库，提高自己的编程能力，对未来的职业发展也有很大的帮助。主要推荐分析软件：SPSS系列：老统计分析软件，SPSSStatistics(偏统计功能，市场研究)、SPSSModeler(偏数据挖掘)，无需编程，易学。SAS：需要编程的老经典挖掘软件。R：开源软件，新流行，对非结构化数据的处理效率较高，需要编程。随着文本挖掘技术的进一步发展，对非结构化数据的分析需求越来越大，需要进一步*文本挖掘工具的使用。（3）分析数据分析数据需要使用各种模型，包括相关规则、聚类、分类、预测模型等，其中最重要的思想之一是比较，任何数据都需要在参考系统下进行比较，结论是有意义的。推荐书籍：1、卢辉，机械出版社，实战数据挖掘和数据操作，思路、方法、技能和应用。这本书是近年来中国写得最好的，一定要像圣经一样读。2、《谁说菜鸟不会数据分析(入门文章)》和《谁说菜鸟不会数据分析(工具文章)》，张文霖等。适合初学者的入门级书籍。3、中国人民大学出版社《统计学》第五版由贾俊平等编写。统计学书籍比较好。4、完整版本的数据挖掘导论[美]Pang-NingTan等待，范明等翻译，人民邮电出版社。5、JiaweiHan等待数据挖掘的概念与技术，范明等翻译，机械工业出版社。这本书比较难。6、中国人民大学出版社编写了《市场研究定量分析方法与应用》。7、吴明隆是重庆大学出版社的问卷统计分析实践-SPSS操作与应用。一本在市场调查领域比较有名的书，对问卷调查数据的分析进行了详细的讲解。(4)呈现数据需要有效呈现和报告数据结果，需要使用金字塔原理、图表和PPT、word的呈现，培养良好的演讲能力。推荐书籍：1、人民邮电出版社编写了《说服你的PPT会说话》。2、不要告诉我你知道ppt的增强版，李治，北京大学出版社。3、基恩用图表说话。清华大学出版社泽拉兹尼、马晓路等翻译。（5）除数学知识外，其他知识结构数据分析师还应具备市场研究、营销管理、心理学、行为学、产品运营、互联网、大数据等知识。为了支持和解决日常遇到的不同类型的商业问题，需要建立一个完整而广泛的知识体系。推荐书籍：1、中国人民大学出版社《消费者行为学》第10版，希夫曼等人，江林等翻译，现在应该更新到更高的版本。2、《怪诞行为学》升级版，艾瑞里，赵德亮等翻译，中信出版社3、科特勒等待营销管理，梅清豪翻译，格致出版社和上海人民出版社联合出版4、赵大伟主编的《互联网思维-独孤九剑》，机械出版社5、舍恩伯格等着，周涛等着翻译《大数据时代-生活、工作和思维的巨大变化》，浙江人民出版社4.数据分析师的职业发展：1、数据分析师通常分为两类，分工不同，但各有优势。一是在专门的挖掘团队中从事数据挖掘和分析。一是在专门的挖掘团队中从事数据挖掘和分析。如果你能在这样一个专业的团队中学习和成长，那是幸运的，但进入这个团队的门槛很高，需要扎实的数据挖掘知识、挖掘工具应用经验和编程能力。这类分析师更倾向于技术线，未来的职业渠道可能会走专家的技术路线。另一种是下沉到各业务团队或运营部门的数据分析师，成为业务团队的一员。他们的工作是支持业务运营，包括日常业务异常监控、客户和市场研究、参与产品开发、建立数据模型、提高运营效率等。这类分析师倾向于产品和操作，可以转向操作和产品。2、理想的数据分析师行业在互联网上，但条条大道通罗马，走适合你的路线。从行业的角度来看：1）互联网行业是数据分析应用最广泛的行业，其中电子商务企业是目前最受欢迎的，企业更注重数据分析的价值，是数据分析师的理想增长平台。二是咨询公司(如特殊数据挖掘公司Teradatata)、尼尔森等市场研究公司)需要数据分析人才，数据分析师在咨询公司成长更快、更全面。3)再次是银行、证券等金融行业，对数据分析的依赖越来越大。4)最后，电信行业(中国移动、中国联通、中国电信)拥有大量数据，在激烈的竞争下越来越重视数据分析，但进入这些公司的门槛相对较高。谁适合学习数据分析？这个问题的答案和“谁适合学功夫”一样。毫无疑问，功夫适合任何人学习(排除心术不正的人)，因为它可以强身健体。功夫的有效性取决于武者的修炼深度。人们经常争论咏春拳是强大的还是散打的。事实上，它颠倒了因果关系。这取决于谁练习得更好。学校之间没有高低之分，只有人们练习的厚度。事实上，问题的潜台词是“谁学习数据分析会更容易成功（如职业成功）”，这取决于你的兴趣、努力和机会。但要做到出类拔萃，除了以上三点，还需要一点天赋，这里的机会是指你遇到的职业发展平台、商业环境、导师和同事。用管理大师德鲁克的话来说，“管理是可以获得的”，管理不是天生的，数据分析能力也可以后天提高。也许要做到优秀，你只需要更加努力 兴趣，这个努力的过程，也包括你寻找机会的一部分。6、关于如何学习：有成千上万种学习方法。关键是找到适合你的。最好结合你在工作中遇到的问题来学习。1、收集书籍、案例库和视频，先了解理论，然后学习软件操作，自己制作自己的教程。例如，你学习聚类分析模型。1)收集相关聚类分析模型的书籍、案例和教学视频，了解聚类分析的原理，主要有哪些算法(划分、层次、密度、网格)、模型应用的范围和前提，如何评价模型的准确性等。2)学会用软件实现自己。3)总结整理成PPT和制作操作视频，成为自己的学习教程，不断完善。4)学习到一定程度后，可以通过博客、微信等渠道分享，教人钓鱼，自己也会有所收获。下图是我自己整理的聚类分析和判别分析专题2、*名人、名博、网站、多渠道学习。1)*专业的数据分析，咨询公司网站和论坛，特别强调SPSS等统计软件公司网站有很多案例库，值得*。数据分析网：https://www.afenxi.com/人大经济论坛:http://bbs.pinggu.org/SPSS案例库，各种案例可在官网搜索：http://www.ibm.com/developerworks/cn/data/library/techarticle/dm-1108zhangzy/index.此外，您最好建立自己的网站导航目录，以提高您的学习效率，您可以参考文章“如何定制个性化的网站导航”（作者的官方账号：数据的力量）。具体效果如下：2）*名人名博。最好添加他们的微博、微信和微信官方账号，看看牛人的博客和微信。你仍然可以得到很多指导。如沈浩老师的博客：http://shenhaolaoshi.blog.sohu.com/小蚊子公园：http://blog.sina.com.cn郑来轶/xiaowenzi22：http://blog.sina.com.cn/zhenglaiyi数据分析网公众号：afenxi_com数据分析网微信官方账号:afenxicom3)加入一些有共同爱好的QQ群，互相学习交流。通常，小组中的一些人会提出一些真正的操作问题，然后我们用不同的方法来解决它们，这对思维非常有启发性。通常，小组中的一些人会提出一些真正的操作问题，然后我们用不同的方法来解决它们，这对我们的想法非常有启发性。4）碎片化学习，最大限度地发挥你的时间价值。为了利用分散的时间，我通常会在业余时间通过手机上载一些信息到网盘上学习视频和文档。目前使用百度云盘和360网盘。百度云盘应用广泛，通常在网络上搜索“关键字” 在百度云之后，搜索结果可以直接保存在云盘上，搜索保存速度大大提高。360网盘空间大，可达40T，具有保险箱加密功能，安全性高。在手机上安装一些APP，随时随地学习。爱数据APP：您可以在各大应用市场下载七、最后的建议请再问一遍，你是否真的喜欢数据分析，在处理数据时是否能忍受孤独？如果是这样，那就开始学习，给你一些建议。1、以数据分析为能力培养，让自己在现在的团队中展现出良好的数据分析能力，为以后的内部转岗做好准备。如果内部转移失败，你可以考虑跳槽到我之前分析的行业，但我强烈建议你仍然需要学习系统开发的编程能力，并学习商业智能系统（BI和CRM）有一定的理解，这可能是应用数据分析的优势。如果你没有数据分析经验，申请这份工作会相对困难。雇主将测试您的统计和数据挖掘模型知识以及工具的使用。2、在公司找一些有共同爱好的同事一起学习数据分析，平时多咨询数据分析做得好的同事。它可以攻击玉石。3、扎实学习一两个数据挖掘软件，建议你可以学习SAS或R，同时帮助学习SPSSModeler。如果没有编程基础或者想在短期内取得成果，也可以先学习SPSS。SAS SPSS，基本上可以满足大多数企业的需求，三者都会更好。4、了解公司如何运营，如何开发产品，如何做客户研究，锁定客户需求，如何做产品营销，需要不断积累和广泛阅读。5、开始学习时，先读几本有趣的数据分析书，然后系统地学习统计知识（建议教科书使用统计第五版，贾军平等），然后快速在线收集软件操作视频和案例，然后逐一分析模型学习和总结，学习最好结合实际工作中的问题。6、在一定程度上学习时，参加一些数据分析师的专业认证，进一步梳理知识结构，认识一些志同道合的朋友和老师