一直以来，不少同事、朋友在问我怎么成为一个数据分析师、数据产品经理?都需要哪些知识储备？如何快速、深入的学习这些技能、知识？本人是做了3年开发，6年的数据产品。从9年多的工作实践中，总结归纳，希望对数据有兴趣的同学有多帮助。

一、初步了解数据分析师

1、数据入门职业方向：

1. 开发或者数据开发

2. 数据分析师

3. 数据产品经理

本文主要着重介绍数据分析师和数据产品经理。想要从数据分析师成长为数据产品经理，首先你得成为一名分析师，一名具备成长为数据产品经理的合格分析师。

2、选择数据分析师的注意事项

入门分析师，要比入门开发工程师简单些，相对开发工程师而言专业也限制较小。"怎么能做一个合格的分析师"这也是问的最多的问题。

3、跨岗不跨行

入门分析师需要很重要的一点就是领域，自己熟悉的业务领域。领域是不少新人常忽略的要素，其实数据分析不会脱离业务存在。你进入哪个行业，很大程度会决定你初期的技能树和知识点。譬如金融领域的风控模型、营销领域的生命周期、广告领域的点击率预估等，各有各的特色。

4、应届生如何做选择

如果是一位应届生，不妨多了解自己感兴趣的领域，和专业相关是最好的，并且积累相关的经验，为面试做准备。如果已经有一定行业履历，只是想要转岗数据分析师，那么跨岗不跨行，尽量避免跳到一个陌生的领域。

宁专务多，如果领域经验太宽泛，那么需要考虑这三点：

（1）自己感兴趣的

（2）自己擅长的

（3）有钱途的

5、不要做这样的"数据分析师"

数据分析有三种职位：数据分析师、数据运营、商业分析。绝大部分人，都是从这三个岗位开始自己的数据之路，也是基数最大的岗位。因为基数大，所以这类岗位通常鱼龙混杂。

6、有两类虽然也叫数据分析师，但不是职业发展的首选

比如有些虽然叫数据分析师，但每天只需要和Excel打交道，完成leader布置的表格整理工作就行。混个几年，成为一位数据分析主管，给下面的新人继续布置Excel任务。

还有一类数据分析师，岗位职责要求你掌握常用的机器学习算法，面试首先推导一个决策树或者逻辑回归。入职后也是各类代码，和分析打交道的情况不多。

都叫数据分析师，其实天差地别。

分析师岗位的职位描述一般是：

1. 负责和支撑各部门相关的报表；

2. 建立和优化指标体系；

3. 监控数据的波动和异常，找出问题；

4. 优化和驱动业务，推动数据化运营；

5. 找出可增长的市场或产品优化空间；

6. 输出专题分析报告。

实际情况是，不少业务端的数据分析师，主要工作只做第一点。别管它用汇总、分析、数据支持什么修饰词，基本是跑SQL，做报表。硬生生活成了业务端的表哥、表姐。

这是很常见的情况，也是入门新人的第一个坑，甚至不少分析师这种工作一做就是三五年的。但这类分析师，从头到尾，都没有解决问题，只是在出数据….

二、真正的数据分析师

1、多维分析与量化解释

业务部门往往更关心，某个指标为什么下跌或者上升。产品的用户是什么样的？怎么能更好的完成自己的KPI。

以活跃指标的下跌举例：

活跃指标下跌了多少？是属于合理的数据波动，还是突发式？

什么时候开始的下跌？

是整体的活跃用户下跌，还是部分用户？

为什么下跌？是产品版本问题，还是运营失误？

怎么解决下跌的问题

这是一套标准的解决思维。

分别对应what、when、who、why、how，

每一部分都不是三言两语可以解释清楚。

不要看它简单，例如你通过多维分析，发现某个地区的活跃下跌了，不要急着把它作为分析的结论，这是不合格的数据分析。某地区的活跃下跌，只是现象，不是原因，把它作为结论提交，肯定会被骂的。

这也正是很多数据分析师实际工作与业务的真实需求的差距所在。

对于上述问题分析师要解决的是，为什么这个地区的活跃下跌了。是该地渠道，是该地竞争对手，是该地市场环境？这些问题都是细化深入的范畴。并且，它们要能以量化解释，而不是我认为。

做好了这点，才是一个真正的数据分析师。当然，这一点看的是leader。leader能否带你进入业务分析的大门，决定你将来是不是成为一个表哥。

新人切记切记。

2、业务数据体系化

解决问题是一方面工作，另外一方面，数据分析师的职责是将业务数据体系化，建立一套指标框架。

活跃下跌的问题，本质上也是指标问题。什么时候开始下跌，哪部分下跌，都能转化成对应指标，如日活跃用户数，新老用户活跃数，地区活跃数。

你不能衡量它，就无法增长它，指的就是指标体系。指标体系可以是业务部门建立，但数据分析师也挺合适。

一方面他们比数据开发这类技术岗位更贴合业务，

一方面不像业务岗位对数据抓瞎。

指标体系如果工程化自动化，也就是BI，所以数据分析师可以算半个BI分析师，这里不包括BI报表开发。BI如果采购第三方，数据分析师负责BI没问题，如果自有开发，那么BI岗技术的色彩更浓厚。

3、数据分析思维和业务理解

数据分析思维和业务的理解，是分析师赖以生存的技能。

很多时候，工具是锦上添花的作用。掌握Excel+SQL/hive，了解描述统计学，知道常见的可视化表达，一些可视化工具使用，足够完成大部分任务。提高的话还是要会Python、R语言和机器学习这类能力，对此类数据分析师不是必须的。毕竟为什么下跌，你无法用数据挖掘解答。

三、数据分析师的职业发展

数据分析师是一个基础岗位，如果专精于业务，更适合往管理端发展，单纯的工具和技巧很难拉开差距。数据分析的管理岗，比较常见的有数据运营经理/总监，数据分析经理等，相对应的能力是能建立指标体系，并且解决日常的各类「为什么」问题。

另外补充：商业/市场分析是另外一个方向，更多见于传统行业。你要开一家超市，你得考虑哪里开，这就要考虑居民密度，居民消费能力，竞争对手的多寡，步行交通距离，开车交通距离等。这些数据是宏观的大指标，往往靠搜索和调研完成，这是和互联网数据分析师最大的差异。

回到"数据分析师的职业发展"问题上，有了职业规划的意识（越早越好），那么，如果你是新人，比较普遍的发展路线是先成为数据分析师，积累相关的经验，再几年后，决定往后的发展，是数据产品，还是专精数据分析成为管理岗。

End.爱数据网专栏作者：贾海峰作者介绍：天眼查数据产品负责人，曾任E代驾、途家、Wifi万能钥匙数据产品总监本文为挖数网专栏作者原创文章，未经允许禁止转载，需要转载请微信联系授权（微信号：lovedata0520）