数据分析师是怎么被“养大的”？

摘要：本文是一位数据分析从业者多年经验的分享，用最朴实的语言讲述了数据分析师是怎么被“养大的”？希望对即将走上数据分析工作岗位的你有一些感触和启发，如有任何疑问都可以和原作者进行交流。

就像PM是由产品喂大的一样，数据分析师也是由一个一个成熟且完整的数据分析工作“滋养长大”的~~

网上讨论数据分析师成长路径的文章很多，大致能够分为：数据分析、初级数据分析师、中级数据分析师和高级数据分析师，每个阶段的能力和工作内容网上资料很多，这里不做介绍。我在本文中想和大家讨论的内容，其实和“培养”二字有关，想和大家聊聊每个阶段的数据分析师需要怎样的成长沃土~

一、数据分析助理

鉴于梳理该阶段下，分析人员的主要工作可能主要是数据提取、制作日常报表等基础性工作。可见，完成这项工作的前提是：数据提取的路径是明确的；日常报表的格式是确定的。

因为大多情况下，数据分析助理都是各公司的实习生，他们对业务的理解有限，很少有能力独立完成数据报表从0到1的制作和沟通确认工作。因此，对于数据分析助理的培养基础有如下几条：

1、提供明确的数据提取路径（无论是数据库语句，还是系统取数路径），并且要以文档的形式提供；
2、提供报表模板，同时在模板中注明提取出的数据如何整理粘贴在模板中；
3、有数据分析师（或者其他人）在前期完成1、2的工作，并随时根据报表的使用进行调整；
4、有培训人员为其讲解报表，包括：报表完成的目的、报表中展现的业务内容、报表中各项基本指标的业务含义及系统口径等（有的时候，这些内容也会直接记录在数据字典、报表制作说明等标准文档中）。

不过，很多企业在BI系统较为成熟的情况下，已经不再需要人工完成日常报表的制作，因而对于数据分析助理的定义正在逐步地与初级数据分析师重叠。

这里提几个问题：

1、谁决定了制作报表的目的？
2、指标的口径和报表的内容是如何确定的？谁确定的？
3、谁会去做并且有能力完成报表、指标等内容的梳理？为什么？

答案我们后面再去解答。

二、初级数据分析师

这个阶段的数据分析师更多完成的是“接到分析任务，按照领导要求做出来”的工作，多数完成的是各种分析报告的编写。初级数据分析师接到的这类工作通常有如下几个特点：

1、分析的目的和内容是明确的，使用的分析方法范围也是基本确定的；
2、分析内容的业务逻辑是成熟的（一般领导在布置工作时会直接讲解业务逻辑）；
3、评价分析结果的标准是明确的（因为业务路径成熟，分析框架、方法也是成熟的，较容易评判结果的好坏）；

这个阶段对数据分析从业者的要求更多侧重于对分析方法的灵活使用、对业务的深入理解，所以这一时期的培养前提包括：

1、对分析对象业务逻辑、业务流程、业务路径的全面梳理，从而形成适用于分析对象各个业务场景的分析逻辑框架；
2、分析过程中使用的关键指标和维度、分析方法、分析路径、评价标准都是明确的（有时候也是经过了历史检验的）；
3、分析结果的有效性、可执行性也有相应的方法进行预测、检验和评估；
4、上述三项内容，一般都有以往的分析结果文档作为沉淀，可提供给初级数据分析师进行学习；
5、在分析团队中，有人能掌握上述三项内容，并能够对初级数据分析师进行指导（甚至是一对一的指导）；

当然，很多时候数据团队会接到一个探索性的研究课题，但是当初级分析师接到工作任务的时候，这些课题的整体逻辑框架已经由领导们理清了，所以他们接到的工作常常是这个大课题下的一份非常具体的工作了~~

这里再提几个问题：

1、分析报告的需求由谁提出？如何确定的呢？
2、分析对象中的业务逻辑该由谁来梳理？怎么梳理？
3、分析过程中的指标、维度、方法、路径等，又是如何确定下来的？
4、什么人该对初级数据分析师的工作进行指导？

依然不回答，继续往下看~

三、中级数据分析师

这个阶段的数据分析师具有独立完成数据分析项目的能力，甚至能够带领团队完成工作任务。这里的分析项目从低到高可以分为：数据分析专题设计、数据挖掘模型构建、数据应用场景及流程设计、数据应用产品（后两类的项目涉及一部分产品方面的内容，可能属于中高级数据分析师的水平）。也是从这个时候开始，数据分析师的成长方向出现了更为细分的情况，如：数据科学家、数据产品经理等（相关文章较多，这里不再赘述）。

不过进入这一阶段，数据分析师不再是一个只会听从工作安排的“跟从者”，而是转而成为各项数据分析工作的主导者，此时他们的工作有如下几个特点：

1、工作时再没有具体的工作目的，需要数据分析师自主确定分析工作的目的，或与需求方沟通引导其确定分析工作的目的；
2、工作中涉及到的业务逻辑没有人可以提供，数据分析师必须自己有能力整理所有的业务逻辑和业务流程，必要时也需要和需求方沟通确认；
3、工作中使用的分析方法不是确定的，数据分析师要先期完成该领域的数据探索工作（也有可能是借鉴别人已经完成的探索结论等），而后再确认使用的分析方法、模型算法、分析框架等；
4、工作完成的结果没有特别明确的好坏之分：若是一次性的工作，则多以工作结果的认可度为准；若是长期的工作，数据分析师则会在后续的工作中逐步优化工作结果，使之更适用于业务场景；
5、分析师不再只是简单负责自己的工作就可以，也要对团队中其他成员的工作效果负责。

前两类数据分析师说明中提出的问题，有些已经在上述4条中有了一定的回答，我们接着往下看~

这一阶段，更为注重的是数据分析师的独立思考和解决问题的能力，还有非常重要的一点就是这一阶段的数据分析师一般都具有非常强大的学习能力。如何能成长为这样的数据分析师呢？我觉得可能有以下几个前提：