什么人适合做数据分析师

什么人适合做数据分析师？~

还记得前几年炒的很火的概念么？人人都是产品经理，因此很多人都去做产品经理了，但效果真的好么？并不是。那么套用那个概念来说数据分析师，人人都可以成为数据分析师么？也不是的。所以，如果因为现在数据分析在风口上，就一味冲进来的话是没有必要的，一定要好好想想自己是否真的适合数据分析这个岗位。以下谈一下自己的想法：


1）兴趣是最好的老师。数据分析师说实话每天的工作就是盯着数字，如果不喜欢数据，我觉得你会被这样的工作折磨坏的。要知道，数据分析师就是需要通过数据进行处理、分析最终得出想要的结论。


2）数据敏感。很多人不理解数据敏感有什么用，其实不然，对于数据分析师而言，从茫茫数据海里找到自己想要的信息，数据敏感是缺一不可的。譬如从简单的数据整理，就可以看出数据的分布怎么样，是不是具有偏态。


3）逻辑性。数据分析师将数据进行处理加工以及分析之后，需要将数据进行呈现。譬如用报告，也比如说用仪表盘。但是，不管怎么样，只要数据需要展示，那么你就必须有逻辑性，因为这样客户或者听众才能听懂你在说什么。其次，你也不会被业务目标和具体指标之间的逻辑关系弄混乱，完全不知道用是什么样的指标去分析业务目标。最后，逻辑性还能帮助你更好的理清楚代码，有时候数据分析师是需要编写程序的，譬如SQL，或者是Python。


4）业务能力。业务能力意义是什么？意义就是可以将具体分析结果与业务场景相结合，从而更完美的服务于业务目标。之前公司有个实习生，因为经验不足，我们让他分析年度趋势时，他就没有办法知道某个拐点代表着什么，但有经验的人一看就知道是怎么回事了。这个，就是业务能力带来的差别，这也是很多公司重视工作经验的原因所在。


5）谨慎、耐心以及沟通能力。因为和数据打交道，所以你必须要用严谨的态度去面对数据，即便数据质量不高，也要耐心清洗，从而最终得出有效的结论。而沟通能力，则可以帮助你在遇到问题时更好的求助别人，以及当有业务需求时，能与需求方更好的沟通，明确目的。

因此，并不是每个人都能成为数据分析师的，一定要慎重思考，小心做决定才是。

从大数据培训学校的角度来说，学大数据的学员一般都是专科及以上，具有统计学之类的知识，有一定的基础的，不然即使你报名学习了，但是因为基础为零，也是很难克服困难的，自动放弃还不如当初想清楚再学。

　　实际上，问题还有个潜台词是“什么人学习数据分析，会更容易取得成功（比如职业成功）”，这个要视乎你的兴趣、付出和机遇。但要做到出类拔萃，除了上面三点，还需要一点天赋，这里的机遇是指你遇到的职业发展平台、商业环境、导师和同事。借用管理大师德鲁克的话“管理是可以习得的”，管理并非是天生的，而数据分析能力，也可以后天提升。或许做到优秀，只需要你更加的努力+兴趣，而这个努力的过程，也包括你寻找机遇的部分。

　　1、数据分析师通常分两类，分工不同，但各有优势。

　　一类是在专门的挖掘团队里面从事数据挖掘和分析工作的。如果你能在这类专业团队学习成长，那是幸运的，但进入这类团队的门槛较高，需要扎实的数据挖掘知识、挖掘工具应用经验和编程能力。该类分析师更偏向技术线条，未来的职业通道可能走专家的技术路线。

　　另一类是下沉到各业务团队或者运营部门的数据分析师，成为业务团队的一员。他们工作是支撑业务运营，包括日常业务的异常监控、客户和市场研究、参与产品开发、建立数据模型提升运营效率等。该类型分析师偏向产品和运营，可以转向做运营和产品。

　　2、数据分析师的理想行业在互联网，但条条大道通罗马，走合适你的路线。

　　从行业的角度来看：

　　1）互联网行业是数据分析应用最广的行业，其中的电商企业，更是目前最火的，而且企业也更重视数据分析的价值，是数据分析师理想的成长平台。

　　2）其次是咨询公司（比如专门的数据挖掘公司Teradata、尼尔森等市场研究公司），他们需要数据分析人才，而且相对来说，数据分析师在咨询公司成长的速度更快，专业也会更全面。

　　3）再次是金融行业，比如银行和证券等行业，该行业对数据分析的依赖需求，越来越大。

　　4）最后是电信行业（中国移动、联通和电信），它们拥有海量的数据，在严峻的竞争下，也越来越重视数据分析，但进入这些公司的门槛比较高。

　　什么人适合做大数据分析师?

　　第一，有兴趣的人，人们常常在说，兴趣是很好的老师，如果你对数字很讨厌、严重“晕数字”，那数据分析师不适合你，即便内部的讲师非常认真的跟你说、指标是怎么通过一定算法算出来的你还是会觉得无比耐烦，如果不是非常晕数字的人则可以调节自我状态、将自己的兴趣调节为赚钱，后期也可以朝着该方向去发展。

什么人适合做大数据分析

　　第二，有一定逻辑思维的能力。大家都应该听说过爱因斯坦经典的逻辑题，如果你能解决出来而且耗费时间不长，那就说明你的逻辑思维能力很强，做数据分析师逻辑思维特别重要，你需要在各种不同指标定义以及业务联系中反复研究数字、得出结论。逻辑思维强的人他们在写sql数据处理脚本的时候会有一种enjoy的感觉且效率会更高。

　　第三，要具备细心、耐心以及语言包装的能力。所谓的大数据指的是数据量在10tb以上的数据集，因为数据很大而且本身数据是凌乱的，想要利用各种软件工具在一两天的时间内koi大量数据洗一遍、分析清楚不可能的，如果你没有耐心的话，在面对繁琐的数据清洗、数据建模时往往会中途放弃，如此情况在过去还是蛮常见的。而之所以需要有强大的语言包装能力是因为数据分析师的从业过程复杂，以专业方式表达可能结论、很多雇主都不了解，但是如果能换一个方式、以深入浅出的技法来说明则大不同，说白了就是要让数据实现可视化。

通过以下不适合做数据分析的情况，可以参考下自己是否适合做数据分析。

• 相信假数据的

有很多时候，你总是会注意到呈现在你眼前的东西，那些精美绝伦的数据报告，那些与众不同的PPT，那些运用巧妙的文字。但是你似乎从来没有想过，这份报告背后付出的努力，我是如何进行数据采集的？这些数据只是样本是否可以代表整个行业呢？指标逻辑是什么？是我想要的吗？有什么区别？

其实对于很多不在自己范围内的数据都要去进行验证它的真实性，盲目的信从很容在过程中出错，比如媒体报道中的数据，什么离婚率、就业率、薪资等，要多来源验证、追问、质疑，有人会说，研究这些和我做的业务并没有关系，其实不是，这是一种对待数据的态度和习惯。

比如当你计算一个KPI完成率时，你会发现很多指标年年都好，但最终的财务指标基本没有任何变化，为什么？你质疑过吗？

考核的指标一般都是层层下压，为了完成KPI，基层也是绞尽脑汁。正所谓上有政策下有对策，执行中必然会被扭曲。

• 不善于思考的

无论是做出多么完美的报表，依旧是以发现问题、解决问题为目的，通过这些看似杂乱无章的数据给我们带来一些价值，而这个价值的衡量其实就是思考，也就是你要用数据干什么？这才是数据的价值。

比如领导让你出一份经营分析报告，那你就要思考，由下往上思考，整体会涉及哪些指标，这些指标背后的含义是什么？这些指标能不能分类？分类的标准是什么？比如分类的标准是整体收入、发展趋势、用户表现、品类管理、库存状况等，然后再思考，例如整体收入这块，我要用这个分类的那些指标做对比、哪些做预测、那些做结构，分别要告诉决策者什么问题，目前好不好的问题？未来好不好的问题？现在现在的状态问题？这一来二去雏形不就有了吗？这种方式相对而言，难度较大，要会归纳总结，还要会给一级、二级、三级框架造词。

还有一种是由上而下，这类思考取决于分析师的项目经验，做过的话，很容易提炼出诱人的大纲，再根据大纲敲定每个部分的分析框架，然后去思考选取那些指标，什么样式的分析方法更能传达你要表达的信息。

• 用不好excel的

可能会有人说，我们都用python好嘛，但是在没有Python之前呢？难道大家都不做数据分析的吗？

如果你仔细观察，你会发现5年以上的数据分析师，90%都用的excel，10%的工作环境可能是python、sql、spark、kettle等。

因为不是所有人，所有分析师都要面对所谓的海量数据，目前的趋势已经是数据统计智能化了，部分做专题分析会复杂一些，但一般大的专题是要一个团队一起完成的，比如简单的决策者+业务+it+分析师，所以很多时候IT是可以帮你搞定的。

• 不善于沟通的

数据分析师常常在程序员、决策者之间进行徘徊，在夹缝中求生要是没有有效的沟通，你很难去理解决策者到底想要什么？要是没有沟通你很难得到自己想要的数据形式？有数据和给你什么样式的数据差异很大的。

我见过很多人分析的框架和决策者想要的结合很完美，但找程序员要数据时，却没办法得到想要分析的数据。也见过很多人未能和IT准确有效的沟通，提出来一张自己用现有能力无法玩转的一张表。更见过很多元数据理解得很清楚，但输出分析框架时，受现有数据资源影响过大，打不开思维，导致输出与决策者完全不符的分析结果。

这是一个博弈的过程，一定要沟通，决策者的问题是没有边界的，但你、决策者、IT之间的沟通是可以让其有边境的。

• 动手能力差的

一方面是自学路上动手能力差，比如工具类的问题，经常问来问去，其实有时候自己动手搜索一下，你会发现世界真美好，这是搜索的强项，人脑记忆肯定干不过电脑。

另一个方面是自己缺乏练习，很多人学课程，看书，从来不自己操作，老想寻找一些面试题、某企业级数据集拿来分析一下，看看自己的水平，要对胃口的数据集其实很少的，即使有，也是美化版的，很多综合性的演练你还是学不到的，还不如随便爬一些数据，越乱越好（对练习工具操作有巨大好处），然后在现有数据的基础上看看可以分析出什么？希望告诉别人什么？需不需要再补充一些数据，让结论更有说服力，更细致一些。

要是仅仅是看，那你确实不适合做数据分析。

• 不复盘的

数据分析是一个很难成长的职业，有的人入行很多年还用的是入行时的那套分析逻辑，为何？

好的分析经验一定是复盘出来的，分析最终都是要看疗效的，那其实做业务分析的可以很直观看到自己输出对关键指标的影响。

什么是数据分析师证书?

---

武陵区17695393050： 什么样的人符合数据分析师的职业要求? - ？
尉艺丙酸： 熟悉业务从事数据分析工作,最基础的前提就是需要懂业务,即熟悉行业知识、公司业务及流程,最好对事物能够有自己的见解,如果总是脱离了行业认知和公司业务背景,那么分析的结果只就会没有太大的使用价值.善于分析一名数据分...

武陵区17695393050： 怎样的人才适合做数据分析师 - ？
尉艺丙酸： 对数据分析有兴趣,对数字敏感,具备excel、sql、统计学等知识,可以去大讲台去体验他们的数据分析课程,如果能学会就是适合,学不会就可能不太适合.

武陵区17695393050： 什么样的人适合做数据分析师? - ？
尉艺丙酸： 做这份工作,一定要心思缜密,头脑灵活,有责任心,这样的人应该是可以胜任这份工作的

武陵区17695393050： 数据分析师需要什么条件才可以做 - ？
尉艺丙酸： 1、态度严谨负责 2、好奇心强烈 3、逻辑思维清晰 4、擅长模仿 5、勇于创新数据分析师职业要求 : 1、计算机、统计学、数学等相关专业本科及以上学历; 2、具有深厚的统计学、数据挖掘知识,熟悉数据仓库和数据挖掘的相关技术,能够熟练地使用SQL; 3、三年以上具有海量数据挖掘、分析相关项目实施的工作经验,参与过较完整的数据采集、整理、分析和建模工作; 4、对商业和业务逻辑敏感,熟悉传统行业数据挖掘背景、了解市场特点及用户需求. 5、具备良好的逻辑分析能力、组织沟通能力和团队精神; 6、富有创新精神,充满激情,乐于接受挑战.

武陵区17695393050： 怎样成为一名优秀的数据分析师? ？
尉艺丙酸： 对于一个零基础的学员需要做到以下的步骤来进行系统性的规划:一、自身检查:是否适合数据分析岗位.什么样的人适合做数据分析师?1.对数据敏感:对数字不恐惧...

武陵区17695393050： 如何判断一个人是否适合做数据分析 - ？
尉艺丙酸： 学大数据的一般都是专科及以上,具有统计学之类的知识,有一定的基础的,不然即使你报名学习了,但是因为基础为零,也是很难克服困难的,自动放弃还不如当初想清楚再学.实际上,问题还有个潜台词是“什么人学习数据分析,会更容易...

武陵区17695393050： 怎么判断一个人是否适合做数据分析? - ？
尉艺丙酸： 相信每位数据分析初学者、面试官心里都有这样一个问题,来看看资深数据分析师@joegh(网站数据分析webdataanalysis.net博主)和曹政是怎么回答的.问题的提出:@小蚊子乐园 在微博上和大家讨论,部门招聘,现几个人原来是在不同的...

武陵区17695393050： 数据分析零基础学习吗?？
尉艺丙酸： 零基础学数据分析师当然是可行的,至于什么人适合学,其实没有哪一种特定的人群一定适合学数据分析,也没有哪一种人一定不适合.首先你的学历要好,从招聘信息就可以体现出来.而是技术要好,同等的技术面试的时候选择肯定会选技术好学历高的对不.不要觉得什么火就学什么,不要听机构的各种画饼,不要信营销号的大力鼓吹.首先你大概率不是真心想学数据分析而是不满足于现状想要破局你可能觉得迷茫而不知所措数据分析的各种宣传扑面而来的情况下仿佛一根救命稻草似的想要让人抓住其次你可能觉得数据分析岗位工资很高各大培训机构给你展示上万两三万的比比皆是还都是boss直聘等官方招聘平台上面的但是往下细分你就会发现这些岗位你学历低,或者技术菜大概率进不去

武陵区17695393050： 如何成为一名合格数据分析师 - ？
尉艺丙酸： 如今随着数据越来越收到人们的重视,数据分析师这一职位也越来越收到青睐,尤其是在北上广等一线城市,对数据分析师的更是呈现供不应求的局面,但想成为一名合格的数据分析师,却是一个不断累积沉淀的过程. 1、首先,你必须具备相...

武陵区17695393050： 成为一名优秀的数据分析师要具备什么条件·每日商报 - ？
尉艺丙酸： 1、业务至上 不会把什么方法、什么工具挂在嘴边,首先想到的是你的业务模式是什么?你想解决什么业务问题? 2、用数据说话 觉得、以为、估计,大概、可能、也许这些词说的越来越少,业务好不好、产品好不好、活动好不好,用数据说话...