其他分享
首页 > 其他分享> > 一文带你了解入门数据分析的前提

一文带你了解入门数据分析的前提

作者:互联网

文章目录

 

确定职业方向:

数据分析有多种就业方向,很多人一开始湖看海学,学到的知识很混乱又不知道如何结合使用。在进行职业相关知识学习前,需要确定自己想往哪个方向去学习,确定好了去准备中途才能不迷茫。
数据分析的分支大致可如下图所示:

 

 

数据分析 偏业务 偏技术 数据分析师偏分析 数据分析师偏数据 数据挖掘工程师 算法工程师

偏业务方向的数据分析:

1)数据分析师(偏分析),此方向更看重逻辑思维,如思考框架的完整性、思维的灵活性,相比于比较传统的商业分析师,行业分析师,除了对业务的深入理解之外,你需要有对数据有更敏锐的嗅觉。此方向是大多数人转行大数据行业的起点,你需要熟练office软件、excel等。
2)数据分析师(偏数据),此方向更看重数据处理基础,比如从数据库中按需求取数,按需求统计数据等,相比偏分析的数据分析师,需要更加熟练excel、sql等。同时,对业务的理解也非常重要,因为有时候从数据出发的建议对分析端会有巨大帮助。此方向是向数据挖掘等技术岗升级的路线之一,需要熟练sql、excel等。

偏技术方向的数据分析:

1)数据挖掘工程师,此方向更看重数据技术,比如统计学基础。数据库操作(SQL等)编程基础(python 等)、机器学习基础(分类模型等),同时你还需要对业务有一定程度的理解(要不怎么挖掘数据呢?)。
数据挖掘工程师的主要工作是利用已有的算法模型,对业务数据进行清洗,建模Q分析(用轮子)此方向薪资远大于数据分析师,天花板也较高,不过升级有一定难度。
2)算法工程师,此方向更看重理论基础,比如机器学习算法原理,相关数学原理等。算法工程师的主要工作一般是研究算法,为公司的相关业务需求优化算法(造轮子、修轮子、优化轮子)。
此方向薪资非常高,天花板也高,不过一是升级难度大,二是市场需求没有数据挖掘等方向大,一股是大型大数据公司才会需要这个岗位,比如 BAT(中小公司由于成本问题,一般用轮子就好,最多稍稍优化一下已有的轮子)

了解数据分析流程

简单认识数据分析的作用与阶段

数据分析在企业的日常经营分析中主要有三大作用:

1.现状分析:
一般通过日常通报来完成,如日报、周报、月报等形式。
2.原因分析:
一般通过专题分析来完成,根据企业运营情况选择针对某一现状进行原因分析。
3.预测分析:
一般通过专题分析来完成,通常在制定企业季度、年度等计划时进行。
什么时候开展什么样的数据分析需要根据你的需求及目的来确定。
在数据分析的第一步进行选择:明确数据分析目的(了解现状、找出业务变动原因、预测发展等)

数据分析有六个阶段,分别为:

明确分析目的和思路、数据收集、数据处理、数据分析、数据展现、报告撰写
其中数据处理是占据整个分析过程时间最多的,数据处理的基本目的是从大量的、杂乱无章、难以理解的数据中,抽取并推导出对解决问题有价值、有意义的数据。(保证数据的一致性和有效性)
数据处理包括数据清洗、数据转化、数据提取、数据计算等

初步了解数据分析师该有的思路:

在分析数据时要时刻提出疑问:

数据变化的背后真相是什么?
从哪些角度分析数据才系统?
用什么分析方法最有效?
图表是否表达出有效的观点?
数据分析的目的达到了吗?
数据分析报告有说服力吗?

要保证数据分析体系化

先分析什么,后分析什么,使得各个分析点之间具有逻辑联系。体系化为了让分析框架具有说服力。
在营销方面有常用的理论模型有:4P、用户使用行为、STP理论、SWOT等。
管理方面常用的理论模型:PEST、5W2H、时间管理、生命周期、逻辑树、金字塔、SMART原则等。

数据分析报告的撰写

数据是通过表格和图形的方式来呈现的,数据图表包括饼图、柱形图、条形图、折线图、散点图、雷达图等,对这些图表再进一步整理加工可变为金字塔图、矩阵图、漏斗图、帕累托图等。
数据报告需要把数据分析的起因、过程、结果及建议完整地呈现出来,数据分析报告是通过对数据全方位的科学分析来评估企业运营质量,为决策者提供科学、严谨的决策依据,以减低企业运营风险,提高企业核心竞争力。
好的数据分析报告需要:好的分析框架,图文并茂,层次明晰。主次分明,明确的结论,有建议与解决方案。

数据分析师需要具备的能力

数据分析师需要懂营销,懂管理,懂策略,能够与相关业务部门进行合作,将数据真正应用到业务中,对业务背景有深入的了解,明白客户或业务部门的需求,从而将数据信息化、可视化,最后转化为生产力,获得利润。

数据分析师的职业要求

懂业务:熟悉行业知识、公司业务及流程,最好有自己独到见解,明白数字代表的意义,知道数字是大了还是小了,有数据敏感度。
懂管理:需要掌握一定的管理理论知识。
懂分析:掌握数据分析的基本原理与一些有效的数据分析方法,并能够灵活运用到实际工作中,以便有效地开展数据分析
(基本的分析方法:对比分析法、分组分析法、交叉分析法、结构分析法、漏斗图分析法、综合评价分析法、因素分析法、矩阵关联分析法等。
高级的分析方法有:相关分析法、回归分析法、聚类分析法、判别分析法、主成分分析法、因子分析法、对应分析法、时间序列等。
懂工具:Excel MySQL SPSS Python等
懂设计:用图表有效表达数据分析师的分析观点
数据分析师还要有一定的基本素质:态度严谨负责、好奇心强烈、逻辑思维清晰、擅长模仿学习、用于创新

标签:数据分析,分析,入门,分析师,分析法,方向,数据,一文
来源: https://www.cnblogs.com/mariow/p/16428578.html