我眼中的数据分析师
最近很多同学私信问我究竟数据分析师工作内容是什么，必备技能有哪些？我一言以蔽之，it depends。这不是句废话嘛？
其实则不然。听我细细说来。
一、数据分析师是什么？
第一，每个公司对于数据的利用程度是不一样的。
Ø 创业公司初期一般是不会重视数据的价值的，因为重点是在产品上，如何做好产品来吸引用户。并且用户数量少、产品结构单一，数据很难发挥出价值。
Ø 到第二轮、第三轮融资时，一般DAU达到百万级别。此时投资人会需要看你的数据，看公司的运营发展变化情况，此时，就会出现报表这种东西——就是把核心的指标，DAU、MAU等一系列列成一张巨大的时间序列表，观测每天的发展趋势。但此时，对于数据的利用也就仅仅局限在核心指标的汇总计算上。此类公司的数据分析师的工作可能就是生成报表，研究指标周期变化趋势等。
Ø 公司稳定发展后，可以通过埋点等方式获取海量、多维度的数据后，便可以做更多的事情。比如根据用户的多维度属性，研究用户画像、将用户聚类等；根据用户浏览网页或者App的路径数据，研究用户行为偏好等；根据用户的评论文本数据来甄别是否是恶意用户等。此时，可以利用海量、多维度的数据做很多的事情，而不单单是简单的数据指标、数据报表。此类公司不仅仅有数据分析师，还会有数据挖掘师，算法工程师等。数据分析师的工作会研究用户行为、用户偏好等。
Ø 当公司发展到产品丰富、商业模式多样化的成熟状态后，数据是海量的，业务模式是多样的，如何最大程度的利用数据产生价值是此类公司所追求的。就像马云提出的观点：阿里巴巴不是零售公司，是数据公司。此时会出现诸多与数据相关的岗位，如基础层的数据研发工程师，数据架构师等，应用层的数据分析师、算法工程师、数据挖掘师等，上层的数据产品经理等。从数据获取，到数据的应用，再到数据产品的研发，目的就是最大限度的实现数据的价值。此类的数据分析师，由于业务的复杂性，往往也会分成几类。有针对各个业务线的分析师，有针对整个公司、整个集团横向研究商业发展的分析师（战略分析），也有针对所在市场做市场研究的分析师（市场研究）。
第二，每个公司对于数据分析师的概念定义也是不一样的。
正是由于每个公司发展阶段的不同，以及所在行业、业务类型的不同，以及对岗位理解的不同，导致每个公司、甚至同公司的不同部门、再甚至同公司同部门的不同团队，对于数据分析师的概念定义、岗位要求也是不同的。这个千人千面，真的不能给出一个固定的答案。
好了，说了这么多，你还是会问：你说了这么多，我还是不知道我要应聘的那家公司的数据分析师是做什么的啊？
二、如何了解应聘公司数据分析师岗位内容和岗位要求呢？
第一、很简单，看校园招聘的岗位要求啊^_^
我发现真的很少有人会去仔细的读岗位描述和岗位要求。
以阿里巴巴校园招聘数据分析师的岗位描述为例来说：
【监控指标体系，及时发现业务问题，进行异动指标分析或深度的专题分析定位问题并寻求解决方案】。用户行为一般都是较稳定、缓慢变化的。当一个指标稳定时，说明业务发展稳定；当匀速增加或者匀速下降时，说明业务在稳定发展或者倒退；当出现剧烈波动时，一般是业务上有了新的动作，比如做了推广活动、业务模式改变，或者是技术上的问题导致数据有误。因此，需要及时和业务方沟通了解业务动态，进行专题分析，拆解指标，定位问题，得到解决方案。
【为业务团队提供专题分析、数据分析与挖掘、模型及算法等相关服务】。对数据分析师较高的要求。专题分析，即针对某个具体的问题深入研究分析，最后定位到具体的问题，给出具体的解决方案；xxxx等相关服务，说的比较笼统，意思就是用这些方法更好的服务业务（额，废话），举个例子，在某次大促期间，根据时间序列等挖掘方法，预测每天的入口流量，运营同学就可以依据此来更好的分配流量到各个卖家，更好的服务了运营同学。
【主动的寻找机会获得资源并落地；提炼数据产品需求，提供数据产品解决方案，并最终推动数据产品落地】。这个层次简直太高了，我也只能仰望之！主动获得资源并将项目落地，是指比如新的战略方向下来了，有个新的项目，就会有相应的业务调整，会产生数据，就需要数据分析师对这个新的项目进行分析。这个一般都得是团队leader牵头做这个事；提炼数据产品需求、给出解决方案，即将数据需求产品化。
【你需要组织数据技术与产品相关的理念、技能、工具的培训】。额，这个目标应该还够奋斗至少15年吧。这都已经是数据部门的大boss、数据培训讲师级别的了。
总结而言，如果你能够做到前面2点的话，已经很不错了；做到第3点，已经是加分项了。后面2点，你还年轻，别想太多。^_^
【拥有良好的沟通表达能力】不解释。
【所学专业是数学、统计、运筹学或其他专业】数据分析师的专业很杂，很多管理类的都ok啊。专业不是限制。
第二、搜索相应公司的面试题、笔试题。
笔试题和面试题也说明了相应的岗位要求。比如你搜“阿里巴巴 数据分析师 笔试”“网易 数据分析师 笔试”，对比一下，就发现完全是2种风格。
第三、有师兄的话，直接问啊。
这点需要你有相应的资源。当然，现在互联网渠道这么多，你想认识的话，总可以认识。
------------------------------------------------------------------------
（后面第三、第四点比较形而上，意思就是看了可能也看不懂、看懂了也没有具体操作性，可以选择进行阅读^_^。）
三、数据分析师3点工作核心、2点关键能力
3点工作核心概括为：展现全局+解决问题+日常杂事。
Ø 展现全局。
结构化的数据展现，全局的架构能力，结构化的思考能力。
思考：商业里面的主体有哪些，主体间如何发生关系，交易链中的数据流，展现出给业务同学看的框架是怎样的？
Ø 解决问题。
根据数据报表，定位问题，给出结论，提出建议。
关键：定位问题。
要求：分析师的商业判断能力。对于错误：如果你的假设错了，推演下去结果错的，没问题，谁也不能保证最开始的假设就是正确的；但如果假设没错，而是逻辑推理出错，这样说明分析师缺乏分析问题的逻辑推理能力。
Ø 日常杂事。
比如业务方的临时数据需求，过程中一定要记住我们的核心价值在哪——通过我们的分析能力，展现全局。站在业务的角度，定位出来业务方要做什么，基于自己的商业逻辑，把问题理清楚，也许许多问题根本不需要跑出数据，而是根据自己的商业判断以及已有对数据的积累，做出问题判断。比如，能够记住许多核心的数据，在与业务方进行沟通时，能够根据自己的数据积累进行逻辑推理。
要求：转变方向，从统计科学转变为决策科学。
2点关键能力概括为：业务的逻辑+商业的sense。
四、数据分析师软实力要求
Ø 对业务线的商业模式有充分的理解：主体内容、主体关系、数据流。
Ø 逻辑思维能力：最重要的是结构化思维。
Ø 判断数据产生价值的能力。到底需要哪些数据，据此排定自己做事情的优先级。
Ø 数据组织、架构的能力，抽象问题的能力，和数据产品方紧密合作。
Ø 建立和业务的联系。
Ø 好奇心、创新、视野。当数据分析师达到一定级别，当你觉得遇到瓶颈，限制你的就是视野都多高。
