干货大牛数据分析师养成日记.docx

以上是一位资深的数据分析师写的自嘲的段子,却是很多分析师的真实写照。在耀眼的职业光环下,数据分析师自身的成长,几乎是与孤寂相伴,在高级打杂中, 锻造而成。最近接到一个职业访谈的邀请,要给对数据分析感兴趣的新人 Y(目前在知名电商从事系统开发和维护)一些建议,才突然发现自己在这个领域打滚了一段时间, 一阵感叹后,写下自己的一些体会,尽管不全面,但或许能够给新人一些借鉴。如有不妥地方,请各位数据大牛轻拍。一、数据分析师有哪些要求? 1、理论要求及对数字的敏感性,包括统计知识、市场研究、模型原理等。 2、工具使用, 包括挖掘工具、数据库、常用办公软件(ex cel 、 PPT 、 wo rd、脑图)等。 3、业务理解能力和对商业的敏感性。对商业及产品要有深刻的理解,因为数据分析的出发点就是要解决商业的问题,只有理解了商业问题,才能转换成数据分析的问题,从而满足部门的要求。 4、汇报和图表展现能力。这是临门一脚,做得再好的分析模型,如果不能很好地展示给领导和客户,成效就大打折扣, 也会影响到数据分析师的职业晋升。二、请把数据分析作为一种能力来培养从广义来说,现在大多数的工作都需要用到分析能力,特别是数据化运营理念深入的今天,像 BA T这样的公司强调全员参与数据化运营,所以,把它作为一种能力培训,将会让你终生受益。三、从数据分析的四个步骤来看清数据分析师需具备的能力和知识: 数据分析的四个步骤(这有别于数据挖掘流程:商业理解、数据理解、数据准备、模型搭建、模型评估、模型部署),是从更宏观地展示数据分析的过程:获取数据、处理数据、分析数据、呈现数据。(一)获取数据获取数据的前提是对商业问题的理解,把商业问题转化成数据问题,要通过现象发现本质,确定从哪些纬度来分析问题,界定问题后,进行数据的采集。此环节, 需要数据分析师具备结构化的思维和对商业问题的理解能力。推荐书籍:《金字塔原理》、麦肯锡三部曲:《麦肯锡意识》、《麦肯锡工具》、《麦肯锡方法》工具: 思维导图、 mi ndmanager 软件(二)处理数据一个数据分析项目,通常数据处理时间占 70% 以上,使用先进的工具有利于提升效率,所以尽量学习最新最有效的处理工具,以下介绍的是最传统的,但却很有效率的工具: Ex cel :日常在做通报、报告和抽样分析中经常用到,其图表功能很强大,处理 10 万级别的数据很轻松。 U ltraEdit :文本工具,比 TXT 工具好用,打开和运行速度都比较快。 ACC ESS :桌面数据库, 主要是用于日常的抽样分析(做全量统计分析,消耗资源和时间较多,通常分析师会随机抽取部分数据进行分析),使用 SQL 语言,处理 100 万级别的数据还是很快捷。 Or cle 、 SQL se ver :处理千万级别的数据需要用到这两类数据库。当然,在自己能力和时间允许的情况下,学习新流行的分布式数据库及提升自身的编程能力,对未来的职业发展也有很大帮助。分析软件主要推荐: SPSS 系列: 老牌的统计分析软件, SPSS Sta tistics( 偏统计功能、市场研究)、 SPSS Model er( 偏数据挖掘),不用编程,易学。 SAS :老牌经典挖掘软件,需要编程。 R:开源软件,新流行,对非结构化数据处理效率上更高,需编程。随着文本挖掘技术进一步发展,对非结构化数据的分析需求也越来越大,需要进一步关注文本挖掘工具的使用。(三)分析数据分析数据,需要用到各类的模型,包括关联规则、聚类、分类、预测模型等,其中一个最重要的思想是对比,任何的数据需要在参照系下进行对比,结论才有意义。推荐的书籍: 1、《数据挖掘与数据化运营实战,思路、方法、技巧与应用》,卢辉著,机械出版社。这本书是近年国内写得最好的,务必把它当作圣经一样来读。 2、《谁说菜鸟不会数据分析(入门篇)》和《谁说菜鸟不会数据分析(工具篇)》, 张文霖等编著。属于入门级的书,适合初学者。 3、《统计学》第五版,贾俊平等编著,中国人民大学出版社。比较好的一本统计学的书。 4、《数据挖掘导论》完整版,[美]Pang-Ni ng Tan 等著,范明等翻译,人民邮电出版社。 5、《数据挖掘概念与技术》,J iawei Han 等著,范明等翻译,机械工业出版社。这本书相对难一些。 6、《市场研究定量分析方法与应用》,简明等编著,中国人民大学出版社。 7、《问卷统计分析实务— SPSS 操作与应用》,吴明隆著,重庆大学出版社。在市场调查领域比较出名的一本书,对问卷调查数据分析讲解比较详细。(四)呈现数据该部分需要把数据结果进行有效的呈现和演讲汇报,需要用到金字塔原理、图表及P PT 、 word 的呈现,培养良好的演讲能力。推荐书籍: 1、《说服力让你的 P PT 会说话》,张志等编著,人民邮电出版社。 2、《别告