教你如何在最短时间内快速成为数据分析师

　　一、数据分析师的涵义

　　数据分析师(Datician)指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。“在耀眼的职业光环下，数据分析师自身的成长，几乎是与孤寂相伴，在高级打杂中，锻造而成。”——这是很多分析师的真实写照。

　　一、数据分析师应具备的能力

　　一个初级数据分析师应该掌握的技能：（1）统计学基础；（2）常用模型理论；（3）R和Python；（4）网页分析；（5）数据库技术；（6）实战应用。

　　而对一个职业数据分析师的要求有：

　　1.理论要求及对数字的敏感度，包括统计知识、市场研究、模型原理等。

　　2.工具使用，包括挖掘工具、数据库、常用办公软件(Excel、PPT、word、脑图)等。

　　3.业务理解能力和对商业的敏感性。对商业及产品要有深刻的理解，因为数据分析的出发点就是要解决商业的问题，只有理解了商业问题，才能转换成数据分析的问题，从而满足部门的要求。

　　4.汇报和图表展现能力。做得再好的分析模型，如果不能很好地展示给领导和客户，成效就大打折扣，也会影响到数据分析师的个人发展。

　　二、培养数据分析的能力

　　从广义来说，现在大多数工作都需要用到分析能力，特别是数据化运营理念深入的今天，像BAT这样的公司强调全员参与数据化运营，所以，培训数据分析的能力，将让你终生受益。

　　三、数据分析师应具备的知识和能力

　　数据分析的四个步骤(这有别于数据挖掘流程：商业理解、数据理解、数据准备、模型搭建、模型评估、模型部署)，是从更宏观地展示数据分析的过程：获取数据、处理数据、分析数据、呈现数据。

　　(一)获取数据

　　获取数据的前提是理解商业问题，把商业问题转化成数据问题，透过现象发现本质，确定从哪些纬度来分析问题，界定问题后，进行数据的采集。这就需要数据分析师具备结构化的思维和对商业问题的理解能力。

　　推荐书籍：《金字塔原理》、麦肯锡三部曲：《麦肯锡意识》、《麦肯锡工具》、《麦肯锡方法》

　　工具：思维导图、mindmanager软件

　　(二)处理数据

　　一个数据分析项目，通常数据处理时间占70%以上，使用先进的工具有利于提升效率，所以尽量学习最新最有效的处理工具，以下介绍的是最传统的，但却很有效率的工具：

　　（1）Excel：在做通报、数据统计、报告和抽样分析中经常用到，其图表功能很强大，处理10万级别的数据很轻松。

　　（2）Ultra Edit：文本工具，比TXT工具好用，打开和运行速度都比较快。

　　（3）Access：桌面数据库，主要是用于日常的抽样分析(做全量统计分析，消耗资源和时间较多，通常分析师会随机抽取部分数据进行分析)，使用SQL语言，处理100万级别的数据还是很快捷。

　　（4）Orcle、SQL sever：处理千万级别的数据需要用到这两类数据库。

　　另外，学习新流行的分布式数据库及提升自身的编程能力，有助于个人未来的职业发展。

　　分析软件主要推荐：

　　SPSS系列：老牌的统计分析软件，SPSS Statistics(偏统计功能、市场研究)、SPSS Modeler(偏数据挖掘)，不用编程，易学。

　　SAS：老牌经典挖掘软件，需要编程。

　　R：开源软件，新流行，对非结构化数据处理效率上更高，需编程。

　　随着文本挖掘技术进一步发展，对非结构化数据的分析需求也越来越大，需要进一步关注文本挖掘工具的使用。

　　(三)分析数据

　　分析数据，需要用到各类的模型，包括关联规则、聚类、分类、预测模型等，其中一个最重要的思想是对比，任何的数据需要在参照系下进行对比，结论才有意义。

　　推荐书籍：

　　1.《数据挖掘与数据化运营实战，思路、方法、技巧与应用》，卢辉著，机械出版社。这本书是近年国内写得最好的，务必把它当作圣经一样来读。

　　2.《谁说菜鸟不会数据分析(入门篇)》和《谁说菜鸟不会数据分析(工具篇)》，张文霖等编著。属于入门级的书，适合初学者。

　　3.《统计学》第五版，贾俊平等编著，中国人民大学出版社。比较好的一本统计学的书。

　　4.《数据挖掘导论》完整版，[美]Pang-NingTan等著，范明等翻译，人民邮电出版社。

　　5.《数据挖掘概念与技术》,Jiawei Han等著，范明等翻译，机械工业出版社。这本书相对难一些。

　　6.《市场研究定量分析方法与应用》，简明等编著，中国人民大学出版社。

　　7.《问卷统计分析实务—SPSS操作与应用》，吴明隆著，重庆大学出版社。在市场调查领域比较出名的一本书，对问卷调查数据分析讲解比较详细。

　　(四)呈现数据

　　把数据结果进行有效的呈现和演讲汇报，需要用到金字塔原理、excel及PPT、word，需要良好的演讲能力。

　　推荐书籍：

　　1.《说服力让你的PPT会说话》，张志等编著，人民邮电出版社。

　　2.《别告诉我你懂ppt》加强版，李治著，北京大学出版社。

　　3.《用图表说话》，基恩。泽拉兹尼著，马晓路等翻译，清华大学出版社。

　　(五)其他的知识结构

　　数据分析师除了具备统计学知识外，还要对市场研究、营销管理、心理学、行为学、产品运营、互联网、大数据等方面的知识有一定的了解，构建完整广泛的知识体系，才能解决不同类型的商业问题。

　　推荐书籍：

　　1.《消费者行为学》第10版，希夫曼等人著，江林等翻译，中国人民大学出版社，现在应该更新到更高的版本。

　　2.《怪诞行为学》升级版，艾瑞里著，赵德亮等翻译，中信出版社

　　3.《营销管理》，科特勒等著，梅清豪翻译，格致出版社和上海人民出版社联合出版

　　4.《互联网思维—独孤九剑》，赵大伟主编，机械出版社

　　5.《大数据时代—生活、工作与思维的大变革》，舍恩伯格等著，周涛等翻译，浙江人民出版社

　　四、关于数据分析师的职业发展

　　1.数据分析师通常分两类，分工不同，但各有优势：

　　（1）在专门的挖掘团队里从事数据挖掘和分析工作的。能在这类专业团队中学习成长是很幸运的，因为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。

　　（2）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，走合适自己的路线。

　　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)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，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)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)电信行业(中国移动、联通和电信)，这里拥有海量的数据，在激烈的竞争环境下，也越来越重视数据分析，但这些公司的门槛比较高。

　　五、你适合学习数据分析吗?

　　这跟“什么人适合学功夫”一样，功夫适合任何人学习(排除心术不正的人)，因为能够强身健体。而功夫的成效，要看习武者的修炼深浅。有人争论，咏春拳跟散打哪个厉害，其实是颠倒了因果，应该看哪个人练习得比较好，流派之间没有高低，只有人修炼的厚薄。

　　什么人适合做数据分析师？也就是什么人学习数据分析，会更容易取得成功(比如职业成功)？，这个要看个人兴趣、付出和机遇，但要做到出类拔萃，还需要天赋的。

　　管理能力并非天生的，数据分析能力也可以通过后天培养。想做到优秀，就需要付出更多的努力，努力的过程中，也是在寻找机遇。

　　六、如何学习？

　　学习方法有很多，只有适合自己的方法才是最好的。学习过程中可以结合自己工作上遇到的问题：

　　1.搜集书籍、案例库和视频，先懂理论，后学软件操作，制作属于自己的教程。

　　例如，学习聚类分析模型：

　　（1）搜集有关聚类分析模型的书籍、案例和教学视频，了解其原理，主要的算法(划分、层次、密度、网格)、模型适用的范围和前提、如何评估模型的精确度等。

　　（2）自己学会用软件来实现。

　　（3）总结整理成一份PPT和制作操作视频，成为自己的学习教程，并不断完善。

　　（4）学习到一定程度后，可以在博客、微信等与人分享，而自己也会有所提升。

　　2.关注名人、名博、网站，多渠道学习。

　　(1)关注专业的数据分析、咨询公司网站和论坛，统计软件公司的网站，如SPSS的官网有很多案例库，值得关注。

　　另外，建一个自己的网址导航目录，可以提升学习效率。

　　(2)关注名人名博，加他们的微博、微信，关注微信公众号，看他们写的内容，能得到很多指引。

　　(3)加入QQ群，互相学习交流。通常群里有人提一些真实的运营问题，然后大家提出不同的解决方案，对思路很有启发。

　　(4)碎片化学习，将时间价值最大化。利用零散时间，可以把一些资料上传到网盘，随时随地用手机进行视频、文档学习。百度云盘应用比较广，通常在网络上搜索“关键词+百度云”后，搜到结果可以直接保存在云盘上，搜索保存速度极大提升。360网盘空间比较大，可以达到40T，还有加密功能，安全性较高。

　　七、关于学习数据分析师的几条建议

　　1.把数据分析作为一种能力来培养，在团队中展现自己的数据分析能力，为以后内部转岗做好准备。如果内部转岗不成，可以考虑跳槽到上述分析的行业中，但建议还是先学习好系统开发的编程能力，并且对商业智能系统(BI和CRM)有一定了解，这也许是应聘数据分析的优势。因为用人单位一般会考查统计和数据挖掘模型方面的知识，以及工具使用情况。

　　2.跟有共同爱好的同事一起学习数据分析，多请教数据分析做得好的同事。

　　3.学好一两门数据挖掘软件，基于编程基础，可以学SAS或者R，同时辅助学习SPSS Modeler。如果没编程基础或者希望短期能够取得成效，可以先学习SPSS。SAS+SPSS，基本能够满足大部分企业的需求。

　　4.了解公司的运营、产品开发、产品营销、客户研究锁定客户需求等，需要通过工作来积累和广泛的阅读。

　　5.开始学习前，先读几本有趣的数据分析类的书，然后系统学习一下统计知识(建议教材用《统计学》第五版，贾俊平等编著)，接着网上搜集软件操作视频和案例，逐个分析模型，进行学习和总结归纳，最好能结合工作中遇到的问题来学习。

　　6.学习到一定程度时，参加一些数据分析师的职业认证，进一步梳理知识结构，同时认识一些志同道合的朋友，也是很有帮助的。

　　八、结语

　　说了以上那么多，或者此刻你还在琢磨，数据分析师到底是什么？下面分享一段关于一个数据分析师跟他家人的有趣对话，来结束冗长但详细的本文。

　　家人：“数据分析？分析什么东西？”

　　我：“哪里有数据，哪里就有我们，什么都可以分析。”

　　家人：“是软件工程师吗？会编程吗？”

　　我：“...不是，不太会。”

　　家人：“那是管理层吗？”

　　我：“还...还不到级别。”

　　家人：“那是商务人员？做市场或销售。”

　　我：“...也不是，不过我们辅助他们作决策。”

　　家人：“决策不都是老板说了算吗？你们到底做什么？”

　　我：“......来，我去给您加点水。”