数据分析师的职业生涯规划

黄大大
黄大大
黄大大
14
文章
0
评论
2020-04-1710:05:00 评论 105 2491字
摘要

本篇我们主要从业务方向的数据分析入手,聊聊数据分析的入门条件及职业规划。

爱数据学院分享:

"数据分析"作为近几年最火热的词汇,越来越受到大家的关注。但和一些应届生或者数据分析师沟通时,发现很多人都对数据分析的职业规划很迷茫。

"0基础入行数据分析要掌握哪些技能?"

"怎么能最快找到数据分析工作?"

"数据分析师未来的发展方向是什么?"

本篇我们主要从业务方向的数据分析入手,聊聊数据分析的入门条件及职业规划。

数据分析是什么?

数据分析是有关"数据"类岗位的总称。从事这些工作的人,通过分析数据发现业务问题,洞察商业机会点,为运营活动、业务增长及企业发展提供合理建议及参考依据。

数据分析主要是与数据打交道,但数据分析≠分析大数据,所以大家不要对这个职位产生恐惧感,零基础转行数据分析是可行的。要入门的话,3个月的时间也是足够的。

需要注意的是:

1.如果本身对数据不敏感,或者看到复杂的数据就眼晕头疼,那说明你可能不太适合这个岗位。

2.目前数据分析已不再是专职技能,而是职场人必备的通用技能,建议每个职场人都可以学一下,会让你在职场竞争中更有优势。至于是否从事数据分析工作,还是看你对数据的敏感程度以及你对这个岗位的热爱程度。

数据分析岗位方向及工作内容

数据分析可以简单分为业务和技术2大方向:

业务方向——数据运营、数据分析师、商业分析、用户研究、增长黑客、数据产品经理等

技术方向——数据开发工程师、数据挖掘工程师、数据仓库工程师等

业务类岗位的数据分析师大多在业务部门,主要工作是数据提取、支撑各部门相关的报表、监控数据异常和波动,找出问题、输出专题分析报告。

在日常工作中,业务部门往往更关心某个指标的为什么下跌或上升、产品的用户属性是怎样的,如何更好的完成自己的KPI等。

以活跃指标为例,数据分析人员通常要解决以下问题:

1. 指标下跌了多少?是合理范围内的数据波动,还是突发式?(what)

2. 下跌是从什么时候开始的?(when)

3. 是整体用户下跌,还是部分用户?(who)

4. 下跌的原因是什么?产品更新?还是某个渠道推广到期?(why)

5. 怎么解决下跌的问题(how)

在经过了数据提取-数据清洗-多维分析-交叉分析等一系列步骤之后,你发现是某个地区的活跃下跌了,但这并不能作为分析的结论。因为某个地区的活跃下跌只是现象,并不是根本原因。

所以数据分析师要解决的是,为什么这个地区的活跃跌了?是政策因素?还是竞争对手?或者是渠道问题,这些都是需要深入分析的范畴。

找到原因后,数据分析师还需要预测未来的发展趋势,根据目前的分析结果输出可执行的改善策略,最后推动业务部门落地,再次复盘效果,最终形成闭环的分析路径。

对数据分析师而言,解决问题只是一方面,另一方面数据分析师的职责是将业务数据体系化,形成一套指标框架。比如活跃下跌,本质上也是指标问题,如"日活"等指标。

技术方向的岗位如数据挖掘/算法专家等岗位有的归在研发部门,有的则单独成立数据部门。与业务方向的数据分析师相比较来说,数据挖掘工程师要求更高的统计学能力及编程技巧。因为数据挖掘工程师对工具的要求比较高,所以数据挖掘的平均薪资也会高于数据分析师。

数据分析师岗位技能要求

对业务方向的数据分析师而言,掌握工具只是基础,还需要对业务有深入的理解以及较强的数据分析能力。

在工具使用上,数据分析师需要掌握Excel、SQL、PPT、Python等工具。

  • Excel是日常工作中用到的最多的工具,常用的函数及数据透视表都要学。

  • SQL是数据分析的核心工具,主要学习Select、聚合函数以及条件查询等内容。

  • Python重点掌握Pandas数据结构、Matplotlib库、Pyecharts库及Numpy数组。

关于工具的部分,需要注意不同行业对工具的要求会有差异,比如金融行业会要求SAS等工具。一般情况下Excel、SQL、PPT、Python这4种工具就能搞定大部分数据分析工作。

除工具的使用外,数据分析师要了解基本的统计学知识及数据分析方法。

  • 统计学知识:环比、同比、概率分布、变量、抽样等。

  • 数据分析方法:假设检验、回归分析、漏斗分析、多维分析、对比分析等。

针对0基础的小伙伴,建议大家先将精力放在数据分析的思路和训练上,多去看一些商业数据模型和数据分析案例的资料,最终形成自己的分析思路。千万不要一上来就啃Python,可以先上手Exce+SQL这2个简单的数据分析工具来入门。有SQL基础后再学Python会相对容易些。

数据分析师的成长路线

业务方向的数据分析师有2条发展路径。

  • 一条是专精业务,晋升成为商业分析师、战略分析师或管理岗。从业务型发展上来的好处是具备商业网洞察能力,这点是直接做数据挖掘所不具备的。

  • 另一条是提升技术能力,成长为算法专家或数据科学家。

如何快速入门数据分析

应届生想要入行数据分析,建议先做学习规划:

  1. 明确自己想走业务方向还是技术方向。

  2. 充分调研目标领域的行业知识,了解行业背景及行业相关的指标(在行业的选择上,擅长的、热爱的和有发展前景的即是最佳行业领域)

  3. 了解目标行业常用的数据处理工具、数据生产流程及数据应用。针对数据工具进行系统性学习。

0基础转行数据分析,建议先罗列自己的个人优势和行业背景,找到最佳突破口:

  1. 如果有运营相关经验,基础工具掌握一般,可以先学习SQL,再从数据运营岗入门。

  2. 如果有产品经验,对交互设计和用户体验有深入的理解,可以选择数据产品经理。

  3. 如果有金融、物流等行业工作经验,可以借用行业优势,转到相关行业的数据分析岗位。

也就是说,转行数据分析的路径不只有一条,我们要做的是根据自己的背景及优势,找到最适合自己的那条路。

总结:

作为一名合格的数据分析师,你需要至少以下三点技能:

  1. 必要的SQL、Excel+pythonR技能;

  2. 正确的理解业务;

  3. 基本的数据使用意识和学习能力。

转行过程中个人必要技能的锤炼是很重要,但保持良好积极的心态也是转行成功的必备要素之一。

注:

由于每个人的年龄、工作经历、目标城市都不同,所以并不是每个人都适合转岗到数据分析师。有转行想法的小伙伴可扫描下方二维码联系助教老师做评估,找到最适合自己的转行路径。

- END -

❖ 分享日期:10月28日。

❖ 以上分享内容仅供学习参考。

数据分析师的职业生涯规划

  • 我的微信公众号
  • 微信扫一扫
  • weinxin
  • 我的微信公众号
  • 微信扫一扫
  • weinxin
匿名

发表评论

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: