数据分析师的能力体系的8个维度定义

数据管理：经常有网友私信我问：“怎样做数据分析师？今天正好看到陈丹奕(从传统行业到互联网的全栈数据分析师)的这篇文章，推荐给大家。作者将数据分析师分为三个层次：初级、高级和数据挖掘工程师。每个人都可以坐在对的座位上。1、01数学知识数学知识是数据分析师的基础知识。对于初级数据分析师来说，有一定的公式计算能力，了解一些描述统计相关的基本内容，了解常用的统计模型算法是加分。统计模型相关知识是高级数据分析师必备的能力，线性代数(主要是矩阵计算相关知识)最好也有一定的了解。对于数据挖掘工程师来说，除了统计学，各种算法也需要熟练使用，对数学的要求最高。对于初级数据分析师来说，02分析工具需要玩Excel，熟练使用数据透视表和公式，VBA是加分。另外，还要学习统计分析工具，SPSS作为入门比较好。对于高级数据分析师来说，使用分析工具是核心能力，VBA基本上是必要的，PSS/SAS/R至少要熟练使用其中一种，其他分析工具(如Matlab)要看情况。对于数据挖掘工程师..嗯，用Excel就行了，其他主要工作要靠写代码来解决。对于初级数据分析师来说，03编程语言可以写SQL查询，必要时可以写Hadoop和Hive查询。对于高级数据分析师来说，除了SQL，学习Python是必要的，用来获取和处理数据是事半功倍的。当然，其他编程语言也可以。Hadoop熟悉数据挖掘工程师，Python/Java/C 至少要熟悉一门，Shell必须能够使用...简而言之，编程语言绝对是数据挖掘工程师的核心能力。04业务理解业务理解是数据分析师所有工作的基础。对数据采集方案、指标选择甚至最终结论的洞察都取决于数据分析师对业务本身的理解。对于初级数据分析师来说，主要的工作是提取数据，制作一些简单的图表，以及少量的洞察结论，并对业务有一个基本的了解。对高级数据分析师来说，需要对业务有更深入的了解，能够根据数据提炼出有效的观点，对实际业务有所帮助。对于数据挖掘工程师来说，对业务有一个基本的了解是可以的，重点是发挥自己的技术能力。对于初级数据分析师来说，逻辑思维主要体现在数据分析过程中的每一步都是有目的的，知道他们需要使用什么手段，实现什么目标。对于高级数据分析师来说，逻辑思维主要体现在构建一个完整有效的分析框架，了解分析对象之间的关系，了解每个指标变化的原因和后果，这将对业务产生影响。对于数据挖掘工程师来说，逻辑思维不仅体现在与业务相关的分析上，还体现在算法逻辑和程序逻辑上，因此对逻辑思维的要求也是最高的。06数据可视化数据可视化非常高。事实上，它包含了广泛的范围。在PPT中放置数据图表也可以被视为数据可视化，因此我认为这是一种普遍需要的能力。对于初级数据分析师来说，能够用Excel和PPT做出基本的图表和报告，能够清晰地显示数据，就能达到目的。高级数据分析师需要探索更好的数据可视化方法，使用更有效的数据可视化工具，根据实际需要制作简单或复杂的数据可视化内容，但适合观众观看。对于数据挖掘工程师来说，有必要了解一些数据视觉工具，并根据需要制作一些复杂的视觉图表，但通常不需要考虑太多的美化问题。对于初级数据分析师来说，理解业务、寻找数据和解释报告都需要与不同部门的人打交道，因此沟通能力非常重要。对于高级数据分析师来说，他们需要开始独立带项目或与产品合作。因此，除了沟通能力外，他们还需要一些项目协调能力。对于数据挖掘工程师来说，与人沟通的技术内容比较多，业务比较少，对沟通协调的要求也比较低。无论数据分析的哪个方向、初级还是高级，快速学习都需要具备快速学习、学习业务逻辑、学习行业知识、学习技术工具、学习分析框架的能力。数据分析领域有无穷无尽的内容，我们需要有一颗永远不要忘记学习的心。2、从图中可以看出，Python在数据分析中的普遍性相当高，Python可以用于过程的各个阶段。因此，作为一名数据分析师，如果你需要学习一门编程语言，强烈推荐Python。3、数据分析师的业务系统注：这部分是@数据管理的补充。上面提到了数据分析师能力系统中的业务理解，但我想补充一段如何打磨我的业务深度。对于初级数据分析师，如果条件允许，可以考虑业务部门实习一段时间，销售、市场和运营部门可以停留一段时间，这将直接有助于提高业务理解。就像我的书《数据管理：洞察零售和电子商务运营》中的所有者柯北和星星一样，在成为一名正式的数据分析师之前，他们首先轮换到各个部门。当然，企业主管也可以为这些初级数据分析师创造一些轮换的机会，这也是为未来分析师奠定基础的工作，值得在企业中做甚至形成一个系统。对于高级数据分析师来说，他们可以通过参加更多的跨部门会议来提高业务深度，找到成为企业各种项目成员的方法，或者参加行业论坛。对于数据挖掘工程师来说，业务理解要求应该更高。您可以将数据模型和数据结果放在业务单位进行试错、测试和验证，并尽最大努力挖掘业务人员的需求（大多数业务人员无法准确地说出自己的需求）。我做了15年的销售工作，直到2010年才转型为数据分析，所以我不仅了解业务，还了解数据分析。对于业务人员来说，好的数据产品应该是这样的:1。有自己想要的数据；2.有经得起验证的结论；3.有与自己相关的业务逻辑；4.可视化程度高；此外，业务人员不喜欢大而完整的数据产品；他们喜欢小而精细的产品，可以直接产生业务价值；我们必须注意这一点。