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