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;
········