今天想写这个文章,是对我所见所闻的梳理,作为一个有巨多粉丝的数据分析从业者,我接触了一般人可能感受不到的一些事情,比如每天面临粉丝很多五花八门的问题,每天要回答很多人一样的问题,和许多圈友一起交流职场和分析方法的问题。
日积月累,也让我形成了一套自己的认知体系,对数据分析有了一定程度的认识。在我的经历中,经常会有一些伙伴问以下2类问题,
第一类:小白类
1、我要想入行数据分析,应该从哪里开始学?
2、想成为数据分析师,我要学习那些技能、掌握那些工具?
3、我没做过数据分析,数学特别不好,能学好吗?
4、我学的是文科专业,能从事数据分析师吗?
第二类:迷茫类
1、做了好几年数据分析,感觉看不到以后的晋升线路?
2、我对数据分析有一定了解,如何快速用到我现在的职业上
3、从事运营、产品的工作,看过和做过一些数据分析,但不专业,能不能成为专业分析师
4、以后数据分析师会不会发展不好,未来潜力如何?
但无论是小白类还是迷茫类,我们都要清楚的认识到数据分析师到底是干什么的,在职场中他们到底有什么不同,只有了解了这些,以上的疑惑才能迎刃而解,我们常用的分析思维就是拆分,就好比乐高一样,有很多小积木组合,只要我们理解了这些小积木的形状,我们也就能搭建起自己的梦想。
先说几个常见岗位的区别:
财务分析VS 运营分析
财务分析主要是财务报表为主的分析,相对来讲财务的报告很标准化,而运营分析主要是以运营为核心的分析,是单个的业务形态,比如社群运营、流量运营、用户运营等,分析的领域相对垂直单一。
战略分析 VS经营分析
战略分析主要是项目或业务的事前分析,而经营分析则是以项目、业务的进行中的分析为主,战略主要的数据来自外部,经营分析数据都来自业务系统、产品系统等等
数据分析,按照严格的标准来看,数据分析师应该是一个技术类的岗位,但现实中并没有以上这些细致的分工,只是告诉大家是有一定的区别的,所以掌握技能的侧重点不一样。
常见的几个数据分析师划分,主要包含这6大类,当然每一类其实也有自己的层级,我只是做一个简单的区分,让大家有一个基本的概况
A类:商业分析师
特点:上手快、深入难
主要的工作:帮助业务、市场以及管理层做一些数据的洞察,还原数据的本质,讲述数据的故事,要很清楚的了解市场要什么?用户爱什么?
需要掌握的:
硬性技能:SQL、EXCEL、PPT
软性技能:表达能力、视觉思维、逻辑性强、思维清晰,特别是沟通能力!!!
掌握的方法论:ABtest、AAARRR、SWOT、RFM、28原则、5W2H等
掌握的统计学:常规统计指标(均值、中位数、分位数、T检验等)、回归、聚类、因子、决策树、逻辑回归等,这些足够了
加分项:图表可视化、结构化思维、金字塔原理、千万级数据处理经验(这类一般1年遇不到几次)
注意:掌握一些宏观数据的获取方式,没事的时候多收集一些,自己根据所在行业而定,从事互联网或者移动互联网的话,最好掌握一种自助式BI工具,比如Google Analytics、百度统计、taklingdata、神策数据等
核心:不一定技术强、算法掌握牛,但一定要能深入行业、深入场景
以后发展:业务负责人、独立咨询师、管理层、战略分析师、团队领头羊
适合人群:文科类、运营\产品转岗类、不喜欢编程、不善于研究算法的同学
B类:炮灰分析师
特点:啥都要学,最累、干的你怀疑数据分析的价值
主要的工作:协助业务或者上级完成一些常规的需求,这类一般是别人要什么,我们做什么,但是在不同的行业,不同的部门做的事情差异还是很大
需要掌握的:
硬性技能:SQL、EXCEL、PPT、python\spss\R任选其一,根据场景而定
软性技能:沟通能力、抗打击能力、加班能力、数据管理能力(数据库和数据字典)
掌握的方法论:ABtest、AAARRR、SWOT、RFM、5W2等,不知道也能干
掌握的统计学:常规统计指标(均值、中位数、分位数等)、回归、聚类、因子、决策树、逻辑回归等,这些足够了,但基本高级的模型用不上,定位决定
加分项:听话能力、擅长各类工具的应用,能快速相应需求方的需求
突破:要自己根据环境主动参与一些讨论,承担一些从无到有的分析,从被动变为主动
以后发展:纯正数据分析师、数据产品经理、数仓人员
适合人群:都可
C类:数据分析师
特点:独当一面、战斗力极强、在企业决策者有一点的影响
主要的工作:除了被动的常规分析外,还要能主动发现业务存在的问题,会用数据找事,梳理业务发展与指标体系之间的关系,从日常监督分析开始,更多的是专题性的分析,无中生有
需要掌握的:
硬性技能:SQL、EXCEL、PPT、python\spss\R任选其一,tableau\powerbi,也要懂一些BI工具、市面上流行的数据产品
软性技能:沟通能力、表达能力、逻辑思维强
掌握的方法论:ABtest、AAARRR、SWOT、RFM、28原则、5W2H,用户及产品生命周期等
掌握的统计学:常规统计指标(均值、中位数、分位数等)、回归、聚类、因子、决策树、逻辑回归、机器学习等,这些足够用了
加分项:图表可视化、PPT展示、系统性思维、在行业有很多认识和沉淀
要点:算法、技术、工具、业务混为一体,样样都要懂
总结:这类目前市场上很紧缺,被称为稀缺动物
D类:BI工程师 分析师中的程序员,很纯的那种
主要的工作:和数据的ETL打交道多,主要做数据规范、数据仓库、业务需求报表开发、多维度呈现等
需要掌握的:
硬性技能:数据库技术、数据仓库、Informatica, Datastage,Kettle,还有一些厂家的展示产品Business Objects, Cognos,常用梳理工具
ERwin、echarts等
软性技能:理解能力、表达能力、思维缜密
掌握的方法论:无,基本人家让干啥咱干啥
掌握的统计学:常规统计指标(均值、中位数、分位数等)、回归、聚类、因子、决策树、逻辑回归等,
加分项:技术过硬,有过大型BI建设经验,既能干DBA又能干BI、视觉思维
突破:这些人比一般的数据分析师更懂底层,缺少的只是与业务的融合,看自己的定位了
总结:绝对的苦逼,容易吐血那种,常常怀疑人生
发展线路:CTO、项目经理、产品经理、平台负责人等
E类:算法工程师 就是你们班技术最强那个人
主要的工作:做算法、搞研发、创新算法
需要掌握的:
硬性技能:数据库技术、hadoop、python、R、spark等等
软性技能:理解能力、表达能力、思维能力
掌握的方法论:懂一些常见的即可
掌握的统计学:各种算法都要精通,而且在不同的场景下,要自己开发新算法
加分项:算法很熟悉、技术没得说、学历高
总结:工资高、压力大,经常断片
适合人群:名校对口专业毕业,没办法人太多,某宝从国内top已经要求全球TOP了
都需要掌握的能力
了解了这些数据分析师的百态之后,该如何入门的问题相信也会得到解答,我们一起来尝试需要数据分析需要那些能力,而这些能力掌握的程度不同,那以后你的路也就不同了,总结出7种能力
1、基本工具应用的能力
Office的三件套是必备的,特别是(excel、PPT),但所有的excel\ppt功能都要学习吗?显然不是,很多人在这个上面浪费的时间太多太多了
对于excel来讲,基本的函数(加减乘除、条件筛选、匹配函数、透视表、图表)就足够了,VBA基本可以放弃
对PPT来讲,不要把自己打造成为一个专业的ppter,PPT对于分析师来讲,唯一的核心就是展示,因此基本的操作就足够了,可能当入门的时候,你连打开PPT 的机会都没有,就是提数
SQL,这是一种数据库的通用语言,还有一种叫HSQL,有一些差异,但逻辑是相同的,学习SQL的目的其实只有一个,提数,需不需要掌握sql和你未来公司的发展或目标的企业有很大关系,建议一定要学,总不能别人找个数据分析师来,还要给你配个提数助理,那成本太高了。
2、专业工具使用
分2个方面,数据分析与处理、数据展示,这时候大家会问了,我都会excel\PPT了,感觉就可以了,其实不是的,很多时候我们面临的数据和复杂程度虽然用excel\PPT也能做,但是效率却很底下,那我们学工具的目的是什么?不就是为了单位时间内提高效率的问题吗?
这时候一定要掌握一种专业的工具,存在即是合理,比如不善于编程的话,spss、clementine都是很不错的选择,也可以尝试玩玩kettle,不讨厌编程的话建议直接去学习python,R相对来讲,专业对口的学起来用起来顺手一些,学那个工具都可以,一般的招聘都是掌握一种就可以,所以不要逼着自己去学不顺手的工具,浪费时间,投入产出比太低
另外就是可视化的,最好的可视化工具一定是excel,简单易用,场景多,很多人可能会去学tableau、PBI这些,掌握一点就可以了,没必要投入太多的时间,有几个企业能买得起、舍得买tableau、PBI的云版,除非你要去的公司一定会买,那你就学,因此最好去学一些开源的,比如echarts、datav、antv这些,但一定一定要学好excel的图表可视化。
上面的这两个能力都是要花时间去学习和实际操作的,最好找一些数据,没事就练习一下,而下面要说的能力是需要刻意训练的,不是花时间就能学到的
3、发现问题的能力
这是一种很重要的能力,可以塑造自己从被动转为主动,这需要我们有足够的知识储备和业务的沉淀,你才有发现问题的资本,而不是让人家觉得你在找茬。
4、解决问题的能力
数据分析不但要告诉过去、现状、未来,更重要的是遇见问题的时能告诉为什么会发生,为什么是这样,而不是我们想的那样,我们不是一直在做这样的事情吗?下来才是你解决问题的套路(拆分、MECE、多维度、公式法等),一般三步法:
What-界定问题,搞清楚问题到底是什么?
如何理解呢?举个例子,比如你们老板给你说最近客单价下滑很厉害?
那有的人侧重点就是分析就应该为什么下滑?然后从下滑因素中找出原因,并采取行动,对吧?至少很多人会这么做
其实不是,下滑只是现状,老板是想提高客单价,这时候要从下滑转化为提高,如果从提高的角度去建立分析框架,两者的分析思路是不一样的
Why-分析问题,结构化分析问题的本质原因是什么?
这个就不多说了,大家都知道麦肯锡的MECE,你也可以理解为逻辑思维能力,那块如何落地呢?
我自己最喜欢的方式只有2个:1、自问自答,答到满意为止;2、学习,多看行业报告,特别是投行、券商的报告
How-解决问题,应用目标导向思维怎么解决?
这一点很多人容易忽视,往往我们沉迷在数据中,忘记了自己要分析的目标到底是什么?越做越多,越做越复杂,以至于输出的时候没有了重点,缺少一根主线,突然之前从清晰变成了混乱,让自己开始怀疑自己的价值
切记做一份商业分析之前一定要有一个目的性明确的框架,每个框架下面如何假设分析也要梳理出来并反复推敲,确定后就不要大改了,除非发现惊天秘密!
5、行业洞察能力
常言道:干一行爱一行,为了自己以后每天都能吃上五花肉,你也要深入自己的行业,构建自己的认识体系,提升自己的赋能
当然行业的洞察力不是靠阅读文章的数量,看书多少本来决定的,虽然之前存在一定的关系,但不是纯正相关或者因果关系,而是要依靠咨询公司的那一套方法论去不断的模仿、思考、复盘的
借助行业研究模型:
这些模型天生符合MECE的原则,所以你如果能很好的应用,对你的思维能力提升也有很大的作用
6、创新的对应方案
知道了事情的来龙去脉,能不能站在用户体验的角度设计出一套,记住自己分析数据、呈现数据的时候不仅仅是数据,而是一群人的行为趋势,比如你要开一个陕西面馆,你能否根据用户的数据,打造出一套引导改变他们习惯的面馆,而不仅仅是影响。
7、数据的解读能力
经常看一些小伙伴写的分析报告,出现最多的就是同比、环比,而同比、环比之后在没有任何的描述,这时候你描述的只是一种数据的状态,并没有把数据背后的故事讲清楚,比如什么原因引起的?你是从哪些角度分析发现的?这样的报告很难带读者到你的思维世界
你写的:本周我的工资环比下降了50%
别人的:本周我的工资环比下降了50%,主要是因为公司效益下降20%,因此造成绩效工资下降幅度较大引起,另外分析得知,公司效益同比下降200%,而这段时间正好是疫情发生时期....
弗赖塔格金字塔模型
以上的能力,我在以前的文章中都有写,这里就不展开写了。
然而很遗憾的事情,是许多人入门的时候,忽略了数据分析的本质,把太多的时间和精力放在了基本工具、专业工具方面,其实面试的时候工具类的面试都很简单,而面的主要是你解决问题、发现问题、应变的能力,难道不是吗?
即使你的工具使用、编程能力不强,但只要你可迁移的能力很强,企业都会要,当然不是说大家不要投入时间去学习工具,而是建议不要投入太多的时间,比如学习excel,有的人要连续学习好几个月,其实一周足够了!
你要学的不是它的全部功能,而是快速了解掌握能够解决问题的20%功能,那些足以解决企业80%以上的问题,以后遇见剩下20%问题时,不要忘记使用搜索引擎,绝对可以解决的。
这里面还有一个更重要,却被大家忽视的,那就是统计学!!!!!必学必学!!!