1
大厂数据分析师都是怎么工作的？
有读者问我，看到现在大厂都在招数据分析师，薪资也非常有吸引力，我会用 SQL 和 Excel，还会一点 Python，能不能去应聘？
先说结论：如果你仅仅是会操作工具提取数据，那你离合格的数据分析师还差的很远。
原因是：数据分析有一套标准的工作流程，不是仅仅提数这么简单，更重要的是分析和建议。
一个专业的数据分析师在对业务做数据分析时，流程一般为：
-
定义问题
-
搭建框架
-
数据提取
-
数据清洗
-
数据分析
-
数据可视化
-
总结建议
如果没有遵循这样的流程，那得出的报告，往往只能得出结论，顶多定位到问题——
这样没有分析结果、指导方案的报告，与其说是数据分析，倒不如说是数据展示而已。
但这些结论业务方可能早就知道了，他们更想知道怎么办，怎么解决。
因此，定义问题、分析数据及总结建议，才是数据分析师的核心价值所在，也是无数数据分析师仍在持续学习的原因。
如果你还仅仅停留在工具操作者的层面，每天机械的跑数，一定要重视起数据分析能力的提升，否则，很容易被同样精通工具的新人所取代。
2
谈一谈学习方式
说到学习，大部分人也存在相同的误区，即认为掌握了 SQL、Excel、Python 三大件，就所向披靡了。
下图是数据分析流程中所需要的能力及工具，可以看到，SQL 和 Excel 只能完成数据提取和数据清洗，现在大热的 Python，也仅能做到数据清洗和可视化。
而一个合格的数据分析报告，一定要包括这几点要素——是什么问题，是谁的问题，是多大的问题，以及最重要的建议：要怎么做？
这就要求数据分析师不光会使用工具，更能掌握业务理解能力、数据方法论等。
而这些能力，无不需要通过大量的实战演练，需要丰富的落地场景和案例去习得。
许多想学数据分析的人收藏夹里都有数百个的视频，但大部分可能都是“马了就是做了”，真正打开的没有几个。
而且很多时候，真实的数据分析远比资料里复杂的多，脏数据、无用数据非常多。
也有人选择去系统的学一些课程，一般来说有人带领效果是比较好的。但市场上常见的培训课程一般都存在以下几种问题：
内容缺乏质量和深度，浮于理论，没有落地场景；
更倾向于 Python 或某一种工具，不能全面构建数据分析技术体系；
空谈算法，没有业务案例，无法覆盖产品、运营等实用场景；
········
