谈谈我自己对数据分析师的认识

先从我为什么选择这个职业方向开始谈吧

我大学的专业是工商管理，课程主要以理论和定性分析为主，虽然也会学一些数学课程和定量模型，但整体上更多地还是教授一些商业分析思维和模型，如波特五力模型、4P、管理职能、波士顿矩阵、SWOT、PEST等。在使用这些模型时，深感很多判断和决策都是凭感觉做出来的，是务虚，所以希望能够用务实的数据分析作为研究方法和路径。

而按照工作的实际需要，数据分析师职能会有所侧重，所以有必要梳理一下数据分析的全流程。为便于理解，此处与做菜进行类比：

数据分析和做菜的流程对比

1、数据分析的第一步是得先要有数据，这涉及了相关功能的埋点设计、数据传输、数据存储等环节，基本上属于数据库的内容，这一块我目前接触得较少，所以暂不过多阐述

2、第二步是从存储了数据的数据库中采集分析所需要的数据，这一步里最常用到的技术就是SQL了，当然也包括了从网页上爬取信息的爬虫技术

3、第三步的数据清洗往往会同时出现在数据采集和数据分析过程中，如正则化处理、SQL语句优化、缺失值处理、异常值识别等

4、而第四步才是数据分析和挖掘，包括了统计分析、A/B test、相关性分析、特征工程、建模等，这一步其实又包括了通过简单的数据可视化来加深对原始数据理解的过程

5、最后是第五步的可视化，数据可视化做得好逼格一下子拉满，就像是摆盘的好坏决定了做出的是好吃的家常菜还是三星米其林菜一样

第一步关于数据库的开发和运维，其实和通常意义上数据分析师已经离得比较远了，就像是农民和厨子的差别一样，但是数据分析师了解数据库的底层架构并没有坏处，就像是厨子知道菜是怎么种出来的、有什么品种、哪个季节适合种什么等知识总是没坏处的。但是在招聘市场上，尽管有些企业会单独招聘大数据开发工程师，但也有企业招聘数据分析师时会要求其熟悉数据仓库模型设计，所以作为数据分析师想要升级加薪走上人生巅峰，那这一块的知识就很难绕过去。而第五步的数据可视化，其重要程度甚至有一些企业会单独招BI可视化工程师以及在内部开发一个数据可视化平台，而且还有许多单独的软件如Tableau、Power BI等对这一块进行优化，毕竟有时候故事本身不是最重要的，更重要得是这个故事如何讲出来。

而如果一个数据分析师能够掌握从数据产生到最终可视化各环节的技术，我愿称之为——全栈，而我的目标以及该系列的目标也是朝全栈数据分析师迈进的。

至于数据分析的价值，在我工作的时候其实是有人提出过质疑的。当时我发出部门的月度分析报告后，一个负责具体业务的经理认为该报告做得很好，数据很详实、图表也很充分，但他不知道有什么用，希望与大家共同探讨数据分析的价值这一问题。当时我群回了一封邮件，对该问题阐述了自己的想法。我所认为的数据分析的价值概况起来就是：

了解过去，把握现在，指导未来

落到实处就是说数据分析要为业务服务，不能为了分析而分析。每一次的分析都需要带有目的，每次一次的分析都需要有结论，每一次的分析都需要朝改善业务而努力。企业最终的目的是赚钱，而数据分析则是达成这一目的的一条路径和一个手段。以写slogan为例，好的slogan能吸引客户进来消费，进而产生盈利，但哪个slogan最好呢？数据分析可以了解到使用某个slogan时有多少客户完成消费，当更换新的slogan并控制其他变量时又多少客户完成消费，如果更换后效果好则继续用，否则沿用初版的slogan。如果不看数据，我们永远不知道哪个slogan更好，而选用最好的slogan后，其额外产生的消费就是数据分析的价值。

关于数据分析的价值以后有机会的话我再展开来谈，该系列的前言部分就先到此为止。

最后是预告部分，因为我最近在重温和学习各类的算法模型，所以接下来的一段时间我都会以更新算法模型为主，通过整合不同的资料然后按照我自己的思路重新讲解，下一篇我将从一元线性回归开始讲起。

 

[Moly的数据分析师之路——前言 - 知乎](https://zhuanlan.zhihu.com/p/113590624 )]

标签：数据分析,slogan,认识,模型,分析师,谈谈,可视化,数据
来源： https://www.cnblogs.com/ministep/p/14985454.html