从会计转数分已两年，近期我也在想有关数据分析进阶的事情。
数分所需要的技能其实N个文章都写过了，无非是：office套，sql，python，bi，机器学习等等。等我转行到这个行业后，第一份工作发现最经常做的是：
1、取数(以前我是提工单形式别人给我取)。
2、分析任务。
3、盯着数据，异常要提前分析原因。
4、做一些BI。
5、各种沟通扯皮。等等，
这些事情会让我感觉到和我所想的数分工作不一样，主要是感觉真得不怎么写代码，编程能力要求极弱，感觉这门槛其实很低很低。门槛低这事会让我慌，可能因为会计门槛这事，导致整体待遇根本升不上去，我转出来，就想找门槛相对较高的，没这么容易替代的工作。
转折应该是来到目前这厂，因为身处技术部门，这里经常强调工具化、自动化。在半年的工作过程中，让我感到一个数分相对难替代的技能：“开发数据产品的能力”。常见的数据产品：分析报告、BI工具、爬虫工具等。
除了这些我们还能做得更多，例如：
1、日报自动化处理并邮件发送：所需的技能linxu crontab、python核心库 : smtplib、requests 、html table知识。
2、自制化BI工具：主要目前BI工具不能和python进行完美交互，有些时候确实需要自己开发个web端来展示经过复杂数据处理的界面。核心库：plotly.dash 、html&css知识
3、自动分析脚本：其实很多分析工具，比如KPI异常分析这个流程多多少少能固化的，就算不能完美的分析根因，但一定可以缩小根因的范围，这个时候把一个就能做自动分析的工具，然后转化为API，给别人使用。核心库：pandas、flask
4、数据相关自动回复工具(微信聊天机器人)： 对于一些简单的取数功能，可以适用这个方法。核心库：itchat
5、python爬虫：核心库：requests、Scrapy、beautifulsoup等，html&css&js知识
6、模型相关：业务上其实也能落地很多模型，用户流失模型预测，CTR预估，客户分级(聚类)，异常检测等等。以及这些模型的上线知识。(这整块学问太大)，核心库：sklearn、tensorflow、flask、jar包等等。
7、数分H5：像各产品的年终总结一样的H5。(比如支付宝账单，这块没做过，待学)，其实就是一键数分报告形成。
应该还有更多，目前我做过的就是以上的前6，往后我会针对这一技能去写相关文章：开发这些产品过程，思路及代码。所需的编程能力，一些优化效率的能力：比如python多进程，多线程、模型调参的效率参数、mapreduce能力。
其实有点往数据分析工程师的方向发展了。但其实大多厂就是叫数据分析师。
目前是9102年了，我觉得不能总捞起什么sql,python,业务能力等老掉牙的东西，想在数据行业脱颖而出，面试有更多的亮点，和大多数据分析师不一样，那“开发数据产品能力”觉得是个不错的方向。
