专访嘉宾介绍：
张文霖（小蚊子）：《谁说菜鸟不会数据分析》系列图书作者
1、小黄书《谁说菜鸟不会数据分析》已成为入门的标配，而你作为本书的作者之一，能否谈谈你对这本书的看法？
A：首先是很高兴大家对小黄书《谁说菜鸟不会数据分析》的认可，严格上来说，现在应该叫《谁说菜鸟不会数据分析（入门篇）》。
最早的时候是流行写博客，我经常在博客上分享一些Excel、数据分析相关的文章。期间就经常有朋友问我，数据分析如何做？
你们觉得这是一两句话或一两篇文章能说明白的事吗？所以干脆就有了写一本关于数据分析书籍的想法。
那时岗位名称都很少叫数据分析师，找工作更多是找统计分析、市场分析、运营分析等关键词。所以，不可否认，小黄书对国内数据分析的普及还是贡献了不小的力量的。
现在最新版本是《谁说菜鸟不会数据分析（入门篇）第4版》，这个已经在前面版本的基础上做了比较多的补充跟修订，例如对数据处理方法重新进行了梳理，新增了RFM分析、结构分解法、因素分解法、趋势分析法等，使得整本书更加体系、完善。可以说是目前最适合数据分析入门的一本书了，嘿嘿。
还未购买的朋友，如果要购买，就认准第4版，如果是已经购买的读者，建议你也再购买一本第4版，因为更加体系、完善了嘛。建议在京东、当当、天猫等电商5折的时候出手，以我多年的经验，只要到了5折，不用犹豫，直接出手。
2、从你读者的反馈来看，你觉得数据分析入门最难的地方是什么？如何能消除这种困难？
A：既然是读者了，如果还觉得数据分析入门难，那么可能就要自己问下自己，是否适合数据分析？因为刚才已经说了，这已经是目前最适合数据分析入门的一本书了，连这个都没看懂的话，那怪我咯！
书不光要看，还要跟着动手练习，并且还能将所学的方法、技巧运用到工作中，这才是真正的学到了。因为每个人所处的不同阶段、经历，关注点、理解都是不同的。所以书不要只看一、两遍，而要看多遍，可以过段时间再重新看，相信你会有新的收获。
再来说说对于非读者的纯小白来说，如何入门数据分析？
首先要买一本《谁说菜鸟不会数据分析（入门篇）》成为读者，这不是开玩笑，也不是自恋，更不是为了挣你这一点点点点稿费。
而是为你好，因为它确实能帮到你，这是菜鸟团队多年来数据分析工作的经验总结，别人总结好的经验为啥不借鉴学习呢？非要自己再重新摸着石头过河总结经验？
《谁说菜鸟不会数据分析（入门篇）》能帮助你对数据分析有个整体的认识，帮助你建立数据分析知识框架，这个框架就是数据分析流程，每一步都包括什么方法，至少这是我现在的框架。
看过菜鸟其他系列书籍的朋友可以对比下，是不是都是从数据分析流程进行介绍各个知识点的？只要有了框架，想学习其他数据分析工具，就可以在此框架下进行学习，包括学习Python。
《谁说菜鸟不会数据分析（Python篇）》也是采用数据分析流程这个框架撰写的，接下来今年6月份准备上市的《谁说菜鸟不会数据分析（R语言篇）》和另外一本菜鸟新书（暂时保密），同样采用此框架撰写，只是会根据各自的软件特点进行调整而已。
所以你要先搭建自己的数据分析框架，如果没有，那就建议先从《谁说菜鸟不会数据分析（入门篇）》的数据分析流程知识框架开始吧，然后在此框架的基础上，有目的地去补充学习其他知识。
3、 对于企业而言，你认为数据分析师应该具备哪些能力？哪些能力是未来需要的？
A：这个问题在小黄书里面就有介绍喔，那我就直接贴过来
一、软件要求
软件要求主要包括态度、思维模式等，这些决定了一个人在一个较长的时间段内能达到怎样的高度。而一个人的思维模式、态度往往是很难改变的。主要的软件要求有以下五点：
1.态度严谨负责
从企业角度来说，数据分析师可以说是企业的医生，他们通过对企业运营数据的分析，为企业寻找症结及问题。一名合格的数据分析师，应具有严谨、负责的态度，保持中立立场，客观评价企业发展过程中存在的问题，为决策层提供有效的参考依据；不应受其他因素影响而更改数据，隐瞒企业存在的问题，这样做对企业发展是非常不利的，甚至会造成严重的后果。
从数据分析师个人角度来说，以后所做的数据分析结果都将受到质疑，因为你已经不再是可信赖的人，在同事、领导、客户面前已经失去了信任。
所以，作为一名数据分析师就必须持有严谨负责的态度，这也是最基本的职业道德。
2.好奇心强烈
作为数据分析师，要积极主动地发现和挖掘隐藏在数据内部的真相。在数据分析师的脑子里，应该充满着无数个“为什么”，为什么是这样的结果，为什么不是那样的结果，导致这个结果的原因是什么，为什么结果不是预期的那样等等。这一系列问题都要在进行数据分析时提出来，并且通过数据分析，给自己一个满意的答案。
只有拥有了这样一种刨根问底的精神，才会对数据和结论保持敏感，继而顺藤摸瓜，找出数据背后的真相。
3.逻辑思维清晰
数据分析师还需要具备缜密的思维和清晰的逻辑推理能力。通常从事数据分析时所面对的商业问题都是较为复杂的，我们要考虑错综复杂的成因，分析所面对的各种复杂的环境因素，并在若干发展可能性中选择一个最优的方向。这就需要我们对事实有足够的了解，同时也需要我们能真正理清问题的整体以及局部的结构，在深度思考后，理清结构中相互的逻辑关系，只有这样才能真正客观地、科学地找到商业问题的答案。
4.擅长模仿
在数据分析时，有自己的想法固然重要，但是“前车之鉴”也是非常有必要学习的，它能帮助数据分析师迅速地成长，因此，模仿是快速提高学习成果的有效方法。这里说的模仿主要是参考他人优秀的分析思路和方法，而并不是说直接“照搬”。成功的模仿需要领会他人方法精髓，理解其分析原理，透过表面达到实质。万变不离其宗，要善于将这些精华转化为自己的知识，否则，只能是“一直在模仿，从未超越过”。
5.勇于创新
通过模仿可以借鉴他人的成功经验，但模仿的时间不宜太长，并且建议每次模仿后都要进行总结，提出可以改进的地方，甚至要有所创新。创新是一个优秀数据分析师应具备的精神，只有不断的创新，才能提高自己的分析水平，使自己站在更高的角度来分析问题，为整个研究领域乃至社会带来更多的价值。现在的分析方法和研究课题千变万化，墨守成规是无法很好地解决所面临的新问题的。
二、硬件要求
硬件要求主要包括知识、经验、学历等，这些都是可以通过学习、培训及工作的积累获得。主要的硬件要求有以下五点：
1.懂业务
从事数据分析工作的前提就是需要懂业务，即熟悉行业、公司业务及流程，甚至有自己独到见解，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的实用价值。
2.懂管理
懂管理一方面是为了指导确定分析思路、搭建数据分析框架，如果不熟管理理论，那如何指导数据分析框架的搭建，以及后续的数据分析开展呢？
另一方面的作用是针对数据分析结论提出有指导意义的分析建议，如果没有管理理论的支撑，如何确保分析建议的有效性呢？
所以这就要求数据分析师需要掌握一定的管理理论知识。
3.懂分析
懂分析是指掌握数据分析基本原理与一些有效的数据分析方法，并能灵活运用到实践工作中，以便有效的开展数据分析。
基本的分析方法有：对比分析法、分组分析法、交叉分析法、结构分析法、综合评价分析法、因素分析法、矩阵关联分析法等。
高级的分析方法有：相关分析法、回归分析法、聚类分析法、因子分析法、时间序列等。
不论简单还是复杂的分析方法，只要能解决问题的方法就是好方法。
4.懂工具
懂工具是指掌握数据分析相关的常用工具。数据分析方法是理论，而数据分析工具就是实现数据分析方法理论的工具。常用的数据分析工具如EXCEL、ACCESS、SPSS、SAS。同样，工具的选择应用以研究问题选择工具，只要能解决问题的工具就是好工具。
5.懂设计
懂设计是指运用图表有效表达数据分析师的分析观点，使分析结果一目了然。图表的设计是门大学问，如图形的选择、版式的设计、颜色的搭配等等，都需要掌握一定的设计原则。
以上就是一名优秀数据分析师所需要具备的基本素质和能力，软件要求相对硬件要求来说更为重要，想成为一名优秀数据分析师并不是件容易的事。这些要求不论是现在还是未来都是必须的。
4、 数据分析师在不同团队的价值不同，你觉得有哪些区别呢？这些区别需要的能力是否有差异？
A：数据分析师不管在什么团队，他的价值就是通过数据分析报告，为老板、客户、领导提供有效的决策依据，所以我觉得没啥区别，但是可能因所处的不同团队，所贡献的价值会有所区别。
另外数据分析师所要具备的能力就如刚才说的，都要具备，没什么差异，同样是受限于所处的不同团队，使得你具备的能力可能达不到相关的要求。
我们先说说团队主要分两种，一是业务团队，二是专业分析团队。
如果你在业务团队，那么你离业务就更近，因此对业务有更深入的理解，也就更容易去驱动业务。但在技术方面，可能就没有专业分析团队那么专业，只要解决业务需求就行。
如果在专业分析团队，那么你离业务就远，因此对业务也就没有那么深入的理解，你是不是经常面对数据不知道该怎么解释？也不知道该怎么提建议？这就是远离业务的结果。刚才还说数据分析师要懂业务，所以你在业务上是有欠缺的。而在技术方面，你做出来的报告可能更专业，但有什么用？业务为王，前提要解决业务需求，也就是要去驱动业务。
所以，如果能在业务团队做数据分析，就尽量在在业务团队做数据分析，原因刚才解释过了。
5、 能否谈谈数据分析与python之间的关系？
A：Python是数据分析工具的一种，是近几年比较火的一个工具，它具有免费、开源、丰富的功能模块等特点。当然对于一些人来说，学习它相比学习SPSS来说，门槛就高了好多，因为它需要编程。有的人天生就对编程不感冒，甚至反感、惧怕它。
那么做数据分析是不是一定要学习Python呢？答案当然是否定的。刚才第一句话就说了，Python是数据分析工具的一种，那就是说数据分析工具还有很多种，例如Excel、SQL、SPSS、Modeler等。你只要记住一个原则：能够快速、有效地解决问题的工具就是好工具。
如果用Excel就能快速、有效地进行数据分析，就没必要使用Python。如果你说Excel功能有限，那不要紧，处理大型数据的可以使用数据库，需要编写SQL语句，但SQL语句很简单，如果不想编写SQL语句，可以使用ACCESS数据库，直接可以菜单操作。
做统计分析有SPSS，做数据挖掘有Modeler，这些都不需要编程的，只需要点点菜单就可以实现了，对于大部分人来说这已经足够了。
所以没必要盲目地跟风学习Python，告诉你吧，我也是2019年真正开始学习Python，就是看《谁说菜鸟不会数据分析（Python篇）》学习的。之前大部分用Excel+SQL就能解决大部分的问题了。
再强调一次原则：能够快速、有效地解决问题的工具就是好工具。就如邓爷爷所说：不管是黑猫还是白猫，能抓老鼠就是好猫。
6、 你会做一辈子的数据分析师吗？
A：这问题问的好扎心呐。
大家都知道一句话：不想当将军的士兵不是好士兵。所以大多数的数据分析师应该不会愿意做一辈子的数据分析师。既然不愿意做一辈子数据分析师，那新的问题来了，能做什么呢？
一个就是晋升为主管或经理，再往上就是总监，甚至到了公司副总裁啥的，能走这条路的很少很少。要晋升，不是那么容易的，一方面是有没有能力、适不适合的问题，另一方面是有没有机会的问题，要知道，越往上，坑位就越少，一个萝卜一个坑。所以大部分数据分析师是没有机会往管理方向走的，所以有了技术方向，比如资深、专家等级别，说白了，还是数据分析师，只是级别不同。
另外一个就是转岗，例如往产品、运营、营销等岗位转，这都是有不少的成功案例的。
还有就是自己创业，但创业风险是很大的，但也有成功案例，邓老大就是一个成功案例，有机会可以请他分享下经验，但不是人人都能成为邓老大这样的。
也有人中途去考公务员的，这都是我身边发生的事。
