如何做个有能力、懂业务、擅工具的数据分析师？

数据化管理 ：经常有网友私信我问“如何做一个数据分析师？”，今天正好看见陈丹奕（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成初级、高级、数据挖掘工程师三个层次来阐述，大家正好可以对号入座。

（PS：本文经陈丹奕授权发布，第三部分是作者的补充）

1、数据分析师的能力体系8个维度定义，细节如下图：

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，了解一些描述统计相关的基础内容，有一定的公式计算能力即可，了解常用统计模型算法则是加分。

对于高级数据分析师，统计模型相关知识是必备能力，线性代数（主要是矩阵计算相关知识）最好也有一定的了解。

而对于数据挖掘工程师，除了统计学以外，各类算法也需要熟练使用，对数学的要求是最高的。

02分析工具对于初级数据分析师，玩转Excel是必须的，数据透视表和公式使用必须熟练，VBA是加分。另外，还要学会一个统计分析工具，SPSS作为入门是比较好的。

对于高级数据分析师，使用分析工具是核心能力，VBA基本必备，PSS/SAS/R至少要熟练使用其中之一，其他分析工具（如Matlab）视情况而定。

对于数据挖掘工程师……嗯，会用用Excel就行了，其它主要工作要靠写代码来解决呢。

03编程语言对于初级数据分析师，会写SQL查询，有需要的话写写Hadoop和Hive查询，基本就OK了。

对于高级数据分析师，除了SQL以外，学习Python是很有必要的，用来获取和处理数据都是事半功倍。当然其他编程语言也是可以的。

对于数据挖掘工程师，Hadoop得熟悉，Python/Java/C++至少得熟悉一门，Shell得会用……总之编程语言绝对是数据挖掘工程师的最核心能力了。

04业务理解业务理解说是数据分析师所有工作的基础也不为过，数据的获取方案、指标的选取、乃至最终结论的洞察，都依赖于数据分析师对业务本身的理解。

对于初级数据分析师，主要工作是提取数据和做一些简单图表，以及少量的洞察结论，拥有对业务的基本了解就可以。

对于高级数据分析师，需要对业务有较为深入的了解，能够基于数据，提炼出有效观点，对实际业务能有所帮助。

对于数据挖掘工程师，对业务有基本了解就可以，重点还是需要放在发挥自己的技术能力上。

05逻辑思维对于初级数据分析师，逻辑思维主要体现在数据分析过程中每一步都有目的性，知道自己需要用什么样的手段，达到什么样的目标。

对于高级数据分析师，逻辑思维主要体现在搭建完整有效的分析框架，了解分析对象之间的关联关系，清楚每一个指标变化的前因后果，会给业务带来的影响。

对于数据挖掘工程师，逻辑思维除了体现在和业务相关的分析工作上，还包括算法逻辑，程序逻辑等，所以对逻辑思维的要求也是最高的。

06数据可视化数据可视化说起来很高大上，其实包括的范围很广，做个PPT里边放上数据图表也可以算是数据可视化，所以我认为这是一项普遍需要的能力。

对于初级数据分析师，能用Excel和PPT做出基本的图表和报告，能清楚的展示数据，就达到目标了。

对于高级数据分析师，需要探寻更好的数据可视化方法，使用更有效的数据可视化工具，根据实际需求做出或简单或复杂，但适合受众观看的数据可视化内容。

对于数据挖掘工程师，了解一些数据可视化工具是有必要的，也要根据需求做一些复杂的可视化图表，但通常不需要考虑太多美化的问题。

07协调沟通对于初级数据分析师，了解业务、寻找数据、讲解报告，都需要和不同部门的人打交道，因此沟通能力很重要。

对于高级数据分析师，需要开始独立带项目，或者和产品做一些合作，因此除了沟通能力以外，还需要一些项目协调能力。

对于数据挖掘工程师，和人沟通技术方面内容偏多，业务方面相对少一些，对沟通协调的要求也相对低一些。

08快速学习无论做数据分析的哪个方向，初级还是高级，都需要有快速学习的能力，学业务逻辑、学行业知识、学技术工具、学分析框架……数据分析领域中有学不完的内容，需要大家有一颗时刻不忘学习的心。

2、数据分析师的工具体系

用一张图说明问题

可以从图上看到，Python在数据分析中的泛用性相当之高，流程中的各个阶段都可以使用Python。所以作为数据分析师的你如果需要学习一门编程语言，那么强力推荐Python。

3、数据分析师的业务体系注：这部分为@数据化管理 的补充。

前文在数据分析师的能力体系中已经提到业务理解力，但是我想补充一段，如何打磨自己的业务深度。

对于初级的数据分析师有条件的可以考虑到业务部门实习一段时间，销售、市场、营运部门都可以待一段时间，这对提高业务理解度会有直接的帮助的。就像我的书《数据化管理：洞悉零售及电子商务营运》中的主人翁柯北和星星一样，成为正式的数据分析师之前先到各部门轮岗。

当然企业主管也可以创造一些机会给这些初级数据分析师轮岗，这也是为日后分析师更能接地气打基础的工作，值得做甚至形成制度在企业推行。

对于高级数据分析师可以通过多参加跨部门会议，想办法成为企业各种项目成员，也可以参加行业论坛等方法来提高自己的业务深度。

对于数据挖掘工程师来说业务理解度要求应该更高，可以把数据模型、数据成果放到业务单位去试错、测试和验证，还需要想尽办法去挖掘业务人员的需求（大部分业务人员并不能准确的说出自己的需求）。

我做了15年的销售工作，2010年才转型做数据分析的，所以我既了解业务又懂点数据分析。

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. 有和自己相关的业务逻辑

4. 可视化程度高

另外，业务人员不喜欢大而全的数据产品，他们喜欢小而精企且能直接产生业务价值的产品，这一点做数据分析的大家务必注意。