数据分析师的全景职业规划,入门、转行都先看这篇

文 | 商业智能研究院 2022-08-29

阅读次数:861 次浏览

今天想写这个文章,是对我所见所闻的梳理,作为一个在数据领域从业近10年的老人,我开通头条号及公众号以来,拥有了庞大的粉丝群体,也让我接触到了这个行业各式各样的人群,以及来自粉丝们的五花八门的问题。

数据分析初学者的常见问题

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两种问题:

1、小白类

  • 我要想入行数据分析,应该从哪里开始学?
  • 想成为数据分析师,我要学习那些技能、掌握那些工具?
  • 我没做过数据分析,数学特别不好,能学好吗?
  • 我学的是文科专业,能从事数据分析师吗?

2、迷茫类

  • 做了好几年数据分析,感觉看不到以后的晋升线路?
  • 我对数据分析有一定了解,如何快速用到我现在的职业上
  • 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
  • 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。

数据分析师类型划分

常见的几个数据分析师划分主要包含以下这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:

数据分析师职业规划,数据分析师是干什么的,数据分析师分类,数据分析必备能力

1、A类:商业分析师

1)特点:上手快、深入难

2)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?

3)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)

4)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

5)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

6)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

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、FineBI等。

2、B类:炮灰分析师

1)特点:啥都要学,最累、干的你怀疑数据分析的价值

2)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

3)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,能快速响应需求方的需求
  • 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

4)以后发展:纯正数据分析师、数据产品经理、数仓人员

5)适合人群:都可

3、C类:数据分析师

1)特点:独当一面、战斗力极强、对企业决策者有一定的影响

2)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

3)需要掌握的:

  • 硬性技能:SQL、EXCEL、PPT、python\spss\R任选其一,tableau\FineBI\powerbi,也要懂一些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

4、D类:BI工程师 分析师中的程序员

1)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

2)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

3)发展线路:CTO、项目经理、产品经理、平台负责人等

5、E类:算法工程师 就是你们班技术最强的

1)主要的工作:做算法、搞研发、创新算法

2)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

3)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

数据分析行业必备能力

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,我们一起来探讨一下数据分析师所需要掌握的那些能力,我总结出了以下7点和大家分享。

数据分析师职业规划,数据分析师是干什么的,数据分析师分类,数据分析必备能力

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对基础业务人员来说可以放弃。
  • 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

2、专业工具使用

这一块能力主要分为2个方面,数据分析与处理和数据展示

比如不善于编程的同学可以选择spss、clementine,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,学哪个工具都可以,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,其实excel就是一个最基础的可视化工具,简单易用,场景多,如果想要可视化分析效率更高,建议掌握tableau、FineBI之类的一种BI工具,现在很多企业都在用商用BI软件了,如果可以提前知道要去的企业应用的哪种,可以重点学习一下。

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

数据分析不但要展示过去、现状、未来,更重要的是遇见问题的时候能告诉大家为什么会发生、为什么是这样,而不是凭我们经验去想当然地下结论。

5、行业洞察能力

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。

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

许多人在数据分析入门时往往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。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!

很显然在目前的信息时代,借助类似于FineBI的这些工具,可以让企业加速融入企业数据分析的趋势。

备受市场认可的软件其实有很多,选择时必须要结合实际的情况。一般的情况下,都建议选择市面上较主流的产品,比较容易达到好的效果,目前企业数据分析BI软件市场占有率前列的,就是帆软BI软件——FineBI

管理低代码开发人员,影子IT,自动化工作流,bi系统应用程序

商业智能BI产品更多介绍:www.finebi.com


免费试用FineBI

本月阅读量最高的10篇文章

立即试用FineBI,还可获得更多的方案、案例和模板

免费下载和试用 >

售前咨询

服务热线

400-811-8890转1

售后咨询

在线QQ

800049425

服务热线

400-811-8890转2

投诉建议

总裁办24H投诉

173-127-81526