都有哪些人想要成为数据分析师

从我看到想要成为数据分析师的人大致有三类：

第一类是非计算机专业的在校生，不知道怎么回事，反正就是对数据感兴趣了，然后想毕业之后从事相关工作，但对职位要求、该做什么准备一无所知，处于懵懂期;

　　第二类是互联网公司的产品经理和运营经理，及少数的市场经理。这些人在实际工作中，发现确实数据很有用，但对自己的数据分析能力感到不满意，进而想做出提升;

　　第三类是传统企业的业务人员，也是不知道怎么就对数据感兴趣了，想要从事数据分析相关的岗位，但缺少时间系统学习，工作经历又不足以支撑自己跳到数据分析职位。

　　对于不同的背景，采用一样的方法去训练，显然是不合理的。我先来讲解一下数据相关的角色以及职责，说不定你认识清楚了就不想成为数据分析师了，就可以不用往下看了。如果还有信心，那我就介绍一下要学习的基础内容，然后再介绍进阶的内容。

数据相关的角色

　　围绕数据分析，主要有六种角色。从平台建设线上，包括：

　　数据平台工程师：负责数据平台的研发，牵涉到从数据采集到分析的相关组件开发。

　　数据挖掘工程师：利用机器学习/数据挖掘相关技术，研发算法模型，用于个性化推荐、用户画像、精准广告等。

　　数据产品经理：把数据相关的需求抽象为数据平台的功能产品。

　　从数据流向的角度，包括：

　　ETL工程师：把工程团队的模块产生的数据，不管是日志、数据表，还是埋点的数据，进行清洗、转换，建模成利于数据分析的数据。ETL是Extract–Transform–Load的缩写。

　　数据分析师：利用ETL工程师处理好的数据，满足业务人员的数据需求。

　　业务人员：产品、运营、市场、管理层等，因为产品改进、运营活动、商业决策等，有数据需求。

数据分析师的职责范围

　　通过上面的角色划分，我们可以清楚数据分析师在整个数据版图中的位置。数据分析师一方面要和业务人员打交道，满足业务人员的数据需求，另一方面，要借助ETL工程师建模好的数据，以及数据平台工程师开发的平台，来更高效的完成工作。

　　有些公司在人员紧缺的情况下，会把ETL工程师要做的工作，也安排给数据分析师，这样对数据分析师的开发能力和建模能力，就会有更高的要求。最后一点是提供洞察，前面的工作更多的是被动的，数据分析师还要主动的发现数据中的异常，将这些异常指导业务。

　　看了这些工作内容，可能并不会觉得特别高大上。我曾经有个组员，干了一年多的数据统计工作，觉得整天写脚本太枯燥了，坚决要求再也不做相关工作了。其实数据分析师如果做的不好，就会发现自己无非是在“取数”。业务人员提了需求，然后把要的数据给提取出来，自己就是一个流水线工人，没有一点成就感。

　　这里发挥一下抽象能力，就可能把一些重复的“取数”工作给解决掉，用机器代替人工。所以理解业务，提供自己的思考与抽象，很重要。

数据分析师的基本要求

　　对数据感兴趣：是不是看到一行行的数字就头大，选择直接跳过?还是愿意花些时间研究这些数字背后意味着什么?如果你看苹果的发布会的话，会看到乔布斯的幻灯片里出现最多的就是数字，卖了多少部，分了多少钱，厚度减少到多少毫米之类的，他相信数字简单明了。

　　如果对数据不感兴趣，这个角色一定不适合你。

　　良好的理解和抽象能力：把业务人员说的只言片语，抽象为明确的数据需求，清楚怎么从基础数据中实现出来。还有把一些重复性的需求，抽象出模式来，用机器来替代。

　　良好的表达能力：数据分析师有个天然的优势，能够直接和老板打交道，这就要求你能站在老板的层面来表达。把一堆堆的数据，很好的呈现给业务人员，帮助他们做出正确的决策。

　　快速动手能力：业务人员提的数据需求，巴不得下一秒都拿到。

　　兴趣是可以培养的，既然愿意看这篇文章，说明有兴趣。理解、表达、动手能力，是要有意识的训练。数据分析的专业能力，是可以通过学习提升的。

数据分析师要学习的内容

　　统计学：我看一些人推荐了不少统计学的专业书籍，直接把人吓跑了。我自己就大学时候学过《概率论与数理统计》，其他统计相关的内容也没怎么看过。对于互联网的数据分析来说，并不需要掌握太复杂的统计理论。所以只要按照本科教材，学一下统计学就够了。

　　一是让你相信统计本身是一门科学，这不是星座算命。

　　二是在研究数据时，知道一些特征是负责统计学规律的。我在刚参加工作时，看到百度知道过亿的用户访问，但每天访问的量波动不超过3%，感觉太神奇了。

　　编程能力：学会一门编程语言，会让你处理数据的效率大大提升。如果你只会在Excel上复制粘贴，动手能力是不可能快的。我比较推荐Python，上手比较快，写起来比较优雅。

　　数据库：数据分析师经常和数据库打交道，不掌握数据库的使用可不行。学会如何建表和使用SQL语言进行数据处理，可以说是必不可少的技能。

　　数据仓库：许多人分不清楚数据库和数据仓库的差异，简单来说，数据仓库记录了所有历史数据，专门设计为方便数据分析人员高效使用的。 

　　数据分析方法：对于互联网数据分析人员来说，可以看一下《精益创业》和《精益数据分析》，掌握常用的数据分析方法，然后再根据自己公司的产品调整，灵活组合。

　　数据分析工具：SAS、Matlab、SPSS这些工具经常有人推荐，我要说的是在互联网公司一般都用不上。

　　做可视化的Tableau，统计分析的友盟、百度统计，还有像我们神策分析等。

　　这些工具本身不一定能满足你的所有需求，但会让数据分析变的更高效。我自己整理过一个豆瓣书列，有兴趣的可以看看：数据分析师豆列。上面的内容学习后，只能说成为一名合格的数据分析师。

　　要成为高级数据分析师的话，一方面是要强化对业务的理解，最好是做到通过数据分析帮助公司决策方向，或者说促进企业快速增长。另一方面，要加强机器学习/数据挖掘的专业知识学习，将机器学习成为数据分析的手段。比如预测用户的流失，对用户进行自动分类等。你能提供的价值就大不相同了。最后，要强调的是，数据分析师是一个实践的职位，要在实际项目中不断的训练，才能成为高手。