数据分析师告诉你数据分析的结构体系

大数据从几年前的概念演变为现在是落地数据，越来越多的人感受的数据的价值，目前全国各大高校同样陆续开设数据科学与大数据专业，企业也已开展招聘数据分析相关的职位。

之前想成为数据分析师的人大致有三类：

第一类是非计算机专业的在校生，不知道怎么回事，反正就是对数据感兴趣了，然后想毕业之后从事相关工作，但对职位要求、该做什么准备一无所知，处于懵懂期;

第二类是互联网公司的产品经理和运营经理，及少数的市场经理。这些人在实际工作中，发现确实数据很有用，但对自己的数据分析能力感到不满意，进而想做出提升;

第三类是传统企业的业务人员，也是不知道怎么就对数据感兴趣了，想要从事数据分析相关的岗位，但缺少时间系统学习，工作经历又不足以支撑自己跳到数据分析职位。

而现如今随着互联网大数据应用的广泛展开，越来越多的企业、政府机构等开始设立数据相关的角色以及职责。

围绕数据分析工作，也划分了几类职责区域。从平台建设线上，包括：

数据平台工程师：负责数据平台的研发，牵涉到从数据采集到分析的相关组件开发。

数据挖掘工程师：利用机器学习/数据挖掘相关技术，研发算法模型，用于个性化推荐、用户画像、精准广告等。

数据产品经理：把数据相关的需求抽象为数据平台的功能产品。

从数据流向的角度，包括：

ETL 工程师：把工程团队的模块产生的数据，不管是日志、数据表，还是埋点的数据，进行清洗、转换，建模成利于数据分析的数据。ETL 是 Extract – Transform – Load 的缩写。

数据分析师：利用 ETL 工程师处理好的数据，满足业务人员的数据需求。

业务人员：产品、运营、市场、管理层等，因为产品改进、运营活动、商业决策等，有数据需求。

数据分析师的基本要求

对数据感兴趣：是不是看到一行行的数字就头大，选择直接跳过还是愿意花些时间研究这些数字背后意味着什么如果你看苹果的发布会的话，会看到乔布斯的幻灯片里出现最多的就是数字，卖了多少部，分了多少钱，厚度减少到多少毫米之类的，他相信数字简单明了。

如果对数据不感兴趣，这个角色一定不适合你。

良好的理解和抽象能力：把业务人员说的只言片语，抽象为明确的数据需求，清楚怎么从基础数据中实现出来。还有把一些重复性的需求，抽象出模式来，用机器来替代。

良好的表达能力：数据分析师有个天然的优势，能够直接和老板打交道，这就要求你能站在老板的层面来表达。把一堆堆的数据，很好的呈现给业务人员，帮助他们做出正确的决策。

快速动手能力：业务人员提的数据需求，巴不得下一秒都拿到。

数据分析的专业能力。

兴趣是可以培养的，既然愿意看这篇文章，说明有兴趣。理解、表达、动手能力，是要有意识的训练。数据分析的专业能力，是可以通过学习提升的。

作为数据分析师，无论最初的职业定位方向是技术还是业务，最终发到一定阶段后都会承担数据管理的角色。因此，一个具有较高层次的数据分析师需要具备完整的知识结构。

1. 数据采集

了解数据采集的意义在于真正了解数据的原始面貌，包括数据产生的时间、条件、格式、内容、长度、限制条件等。这会帮助数据分析师更有针对性的控制数据生产和采集过程，避免由于违反数据采集规则导致的数据问题；同时，对数据采集逻辑的认识增加了数据分析师对数据的理解程度，尤其是数据中的异常变化。

2.数据存储

无论数据存储于云端还是本地，数据的存储不只是我们看到的数据库那么简单。

3.数据提取

数据提取是将数据取出的过程，数据提取的核心环节是从哪取、何时取、如何取。

o 从哪取，数据来源——不同的数据源得到的数据结果未必一致。

o 何时取，提取时间——不同时间取出来的数据结果未必一致。

o 如何取，提取规则——不同提取规则下的数据结果很难一致。

4.数据挖掘

数据挖掘是面对海量数据时进行数据价值提炼的关键，以下是算法选择的基本原则：

o 没有最好的算法，只有最适合的算法，算法选择的原则是兼具准确性、可操作性、可理解性、可应用性。

o 没有一种算法能解决所有问题，但精通一门算法可以解决很多问题。

o 挖掘算法最难的是算法调优，同一种算法在不同场景下的参数设定相同，实践是获得调优经验的重要途径。

5.数据分析

数据分析相对于数据挖掘更多的是偏向业务应用和解读，当数据挖掘算法得出结论后，如何解释算法在结果、可信度、显著程度等方面对于业务的实际意义，如何将挖掘结果反馈到业务操作过程中便于业务理解和实施是关键。

6.数据展现

数据展现即数据可视化的部分，数据分析师如何把数据观点展示给业务的过程。数据展现除遵循各公司统一规范原则外，具体形式还要根据实际需求和场景而定。

7.数据应用

数据应用是数据具有落地价值的直接体现，这个过程需要数据分析师具备数据沟通能力、业务推动能力和项目工作能力。

数据沟通能力。深入浅出的数据报告、言简意赅的数据结论更利于业务理解和接受，打比方、举例子都是非常实用的技巧。