专访|阿里巴巴资深数据分析师的成长之路

中国统计网：你的职业成长过程非常顺利，从你的角度来看，你在大学期间的准备、在TD的工作、是如何结合起来的？

艳兰老师：学校的准备：我在大学期间是计算机专业，对口的是数据挖掘方向，会涉及到多元统计专业内容，所以在整个大学期间，学习了比如回归、决策树、神经网络，也接触到HADOOP等软件，在这个过程中，算法是很复杂，但是如果你知道怎么用，对于算法的恐惧心就会降低，同时我是计算机专业，所以在代码这块，处理的会好些。在调用这些开源模型中，你会明白，这些算法原理、实现及算法机制，所以在大学期间，积累到编程语言如R语言、数据算法思路这些基础。

TD的积累：进入TD公司后，我从DM开始，再接触ETL，然后是BC，DM与ETL更多是通过行业参考机制，但是如果你收集到业务需求，然后整理信息需求，再使整个机制运作起来，你就会很清楚了解这套机制，了解到这套机制后，以后工作中也基本上走的通。所以我有一个规划的路程。从DM到ETL过程，但是我很少做DA工作，因为这个角色是把固化的信息做成报表的一个过程，前面是比较重要的一个过程，但是到了我这边，更需要软实力，包括沟通能力及逻辑能力，在跟业务沟通的过程中，怎么在这个过程中收集业务信息并固化成信息的能力。

总结：在校期间提升统计学及软件编程的实力，在工作期间提升软实力（沟通能力、逻辑能力、分析能力、规划能力）

中国统计网：在Teradata期间，DW是如何和其他角色一起工作的，流程如何？

艳兰老师：Teradata在数据仓库有着很好的建树，应用到很多行业，比如银行、通信、航空等行业，在各个行业，它的整个运作体系会分为BC、BD、BA、BM，这四种角色在整个项目中进行全方面合作。

BC：Business Consultant，主要是收集企业对于整个项目的规化与需求，并形成自己的SOW，就是确定这个业务边界以及功能的边界。

DM：之后，需要数据建模去跟进所涉及到的业务板块的数据，进行信息需求的收集及探索，有一个重要的过程就是DM。当探索过程完成后，会根据Teradata的行业建模的文档及企业实际情况建立企业三层架构模型。当数据模式产生后，DM会配合ETL从源数据层---临时数据层---到数据整合层-数据应用层进行数据梳理，在整个过程中需要BC、DM、ETL、BA共同建设。这样就涉及到ETL与DM对数据应用层的开发与建设，他们共同参与进来。

中国统计网：从甲方、乙方不同的角度来看，如何算是一个优秀的数据分析师？

燕兰老师：不同角度的差异：首先，甲方、乙方本身就有很大的区别，乙方在前期沟通过程中是很明确的需求，乙方要做的就是做好他所负责这块，就达到要求了；但是在甲方，你会发现缺一个PM的过程，你可能本身就PM，那么就要求你对项目有一个很好项目管理与规划能力，在整个过程中要有节奏、有计划地进行项目落地。

优秀的重点标准：不仅需要会ETL做报表，更需要有一个很好的洞察的能力及沟通能力。如果你在洞察过程中，能把业务亮点总结下来，应用到场景中并推到业务发展，这是一个衡量优秀数据分析师的重点标准。

中国统计网：数据是公司的核心的财产，那么我们是如何衡量数据对于公司的价值的呢？可否举个例子说明数据如何对业务起到明显改变的？

对于公司的价值我可以由几个场景进行说明，包括从基础的数据应用到高级应用，另外价值对于不同公司可能也不一样。

第一个场景：在甲方的零售公司，其实我们会有一个非常重要的数据运用，就是我们的经营月报，他们会对于整月经营报告进行复盘，那么包括我的会员，我的营销以及我的店铺管理以及市场的研究与管理。

第二个场景：针对某一点专门分析，比如说业财融合，业就是业务，财就是财务，就是把业务的收入与财务上的收入进行匹配，如果不匹配我们就会发现财务上的一些漏洞，在整个过程中，我们就会把财务上的现金表与利润上的收入，进行对标，每个月都进行，就会减少人工审核，也会解决因为存在应收账款上的问题而导致财务上不能匹配的问题。

第三个场景：在互联网公司中，数据分析师的分量非常重要，比如基于产品的分析，从需求收集到最终效果分析，在这个过程中，我们可能会涉及到产品流程上的改造及产品正负的价值到底有多大，这样产品改造的价值在哪里，都是需要数据分析进行阐述的。

第四个场景：在互联网公司中，对于数据探索，各个指标对于产品的影响权重是否一样，各个指标的相互影响怎么样，我们在日常监控中要建立指标体系，哪些指标对业务有影响，指标与指标相互的关系是怎么样的，这样就会有一个层层相扣，相互印象的关系。

第五个场景：可能会应用到数据挖掘的思路，包括劣质产品模型，CTR预估，流量价值预估，大促销量的预估，其实它在各个模块中的应用及各个销量的预估，都会对于公司带来深远影响。

中国统计网：你觉得一个优秀的数据分析应该具备那些优秀的习惯呢？

多问多听多确认：在跟业务方沟通中，能够真正提炼出业务方的核心需求，再把这些问题拆分成一个个子问题，在业务理解这个环节，要多问多听多确认。多问：引导业务告诉我们更多的信息；多听：可以将问题通过决策树的形式进行描述，提炼出我们可以探索的子问题；多确认是表达和确认我们共同点与差异点，避免信息理解错误。

好奇心：在数据探索过程中，应该有强烈的好奇心，应当深入了解并彻底的解决掉这个问题。在数据开发环节中，确认数据口径是否符合经验值，幅度是否在一个正常的范围内，各个指标进行确认与检查。

报告提炼：报告中至少有几个亮点及几个洞察的点，并提出你的建议与解决方案，只有这样，未来如果发生同样场景，你才能推动解决。

中国统计网：对于一些即将毕业以及即将从事数据分析师的同学，你这边有什么好的建议与意见吗？

燕兰老师：其实在企业当中，我认为数据分析师有三种的角色，第一种我们提到的深入到产品中流程中改造分析；第二种是我们到行业中，做一些专题研究，深入业务深入人群并提出相应的解决报告；最后一种是相对基层做一些报告实施与开发角色。

数据分析师一定要想好自己所走的路是什么样，我的建议是每种角色都可以跳跃的进行尝试。

谢谢陈燕兰，相信你的分享会对数据分析师们、或者对该行业感兴趣的同学有一个很好的借鉴与帮助！

本文经受访者确认发布

本文为中国统计网专访实录文字版，需要转载请联系中国统计网（info@itongji.cn ），转载时请注明作者及出处，并保留本文链接