年薪50萬的大資料分析師養成記【摘抄】

標籤：行業   速度   比較   監控   德魯克   能力   解決   src   span   

以下是一位在資料分析領域打滾了N年後，寫下的一些體會，一定能給新人一些借鑒的地方。（總結的不錯，大家可以借鑒學習哦）

一、資料分析師有哪些要求？

　　1、理論要求及對數位敏感性，包括統計知識、市場研究、模型原理等。

　　2、工具使用，包括挖掘工具、資料庫、常用辦公軟體（excel、PPT、word、腦圖）等。

　　3、業務理解能力和對商業的敏感性。對商業及產品要有深刻的理解，因為資料分析的出發點就是要解決商業的問題，只有理解了商業問題，才能轉換成資料分析的問題，從而滿足部門的要求。

　　4、彙報和圖表展現能力。這是臨門一腳，做得再好的分析模型，如果不能很好地展示給領導和客戶，成效就大打折扣，也會影響到資料分析師的職業晉陞。

二、請把資料分析作為一種能力來培養

　　從廣義來說，現在大多數的工作都需要用到分析能力，特別是資料化運營理念深入的今天，像BAT這樣的公司強調全員參與資料化運營，所以，把它作為一種能力培訓，將會讓你終生受益。

三、從資料分析的四個步驟來看清資料分析師需具備的能力和知識：

　　資料分析的四個步驟（這有別於資料採礦流程：商業理解、資料理解、資料準備、模型搭建、模型評估、模型部署），是從更宏觀地展示資料分析的過程：擷取資料、處理資料、分析資料、呈現資料。

　　（一） 擷取資料

　　擷取資料的前提是對商業問題的理解，把商業問題轉化成資料問題，要通過現象發現本質，確定從哪些緯度來分析問題，界定問題後，進行資料的採集。此環節，需要資料分析師具備結構化的思維和對商業問題的理解能力。

　　推薦書籍：《金字塔原理》、麥肯錫三部曲：《麥肯錫意識》、《麥肯錫工具》、《麥肯錫方法》

　　工具：思維導圖、mindmanager軟體

　　（二） 處理資料

　　一個資料分析項目，通常資料處理時間佔70%以上，使用先進的工具有利於提升效率，所以盡量學習最新最有效處理工具，以下介紹的是最傳統的，但卻很有效率的工具：

　　Excel：日常在做通報、報告和抽樣分析中經常用到，其圖表功能很強大，處理10萬層級的資料很輕鬆。

　　UltraEdit：文本工具，比TXT工具好用，開啟和運行速度都比較快。

　　ACCESS：案頭資料庫，主要是用於日常的抽樣分析（做全量統計分析，消耗資源和時間較多，通常分析師會隨機抽取部分資料進行分析），使用SQL語言，處理100萬層級的資料還是很快捷。

　　Orcle、SQL sever：處理千萬層級的資料需要用到這兩類資料庫。

　　當然，在自己能力和時間允許的情況下，學習新流行的分散式資料庫及提升自身的編程能力，對未來的職業發展也有很大協助。

　　分析軟體主要推薦：

　　SPSS系列：老牌的統計分析軟體，SPSS Statistics（偏統計功能、市場研究）、SPSS Modeler（偏資料採礦），不用編程，易學。

　　SAS：老牌經典挖掘軟體，需要編程。

　　R：開源軟體，新流行，對非結構化資料處理效率上更高，需編程。

　　隨著文本挖掘技術進一步發展，對非結構化資料的分析需求也越來越大，需要進一步關注文本挖掘工具的使用。

　　（三） 分析資料

　　分析資料，需要用到各類的模型，包括關聯規則、聚類、分類、預測模型等，其中一個最重要的思想是對比，任何的資料需要在參照系下進行對比，結論才有意義。

　　推薦的書籍：

　　1、《資料採礦與資料化運營實戰，思路、方法、技巧與應用》，盧輝著，機械出版社。這本書是近年國內寫得最好的，務必把它當作聖經一樣來讀。

　　2、《誰說菜鳥不會資料分析（入門篇）》和《誰說菜鳥不會資料分析（工具篇）》，張文霖等編著。屬於入門級的書，適合初學者。

　　3、《統計學》第五版，賈俊平等編著，中國人民大學出版社。比較好的一本統計學的書。

　　4、《資料採礦導論》完整版，[美]Pang-Ning Tan等著，範明等翻譯，人民郵電出版社。

　　5、《資料採礦概念與技術》，Jiawei Han等著，範明等翻譯，機械工業出版社。這本書相對難一些。

　　6、《市場研究定量分析方法與應用》，簡明等編著，中國人民大學出版社。

　　7、《問卷統計分析實務—SPSS操作與應用》，吳明隆著，重慶大學出版社。在市場調查領域比較出名的一本書，對問卷調查資料分析講解比較詳細。

　　

　　（四） 呈現資料

　　該部分需要把資料結果進行有效呈現和演講彙報，需要用到金字塔原理、圖表及PPT、word的呈現，培養良好的演講能力。

　　推薦書籍：

　　1、《說服力讓你的PPT會說話》，張志等編著，人民郵電出版社。

　　2、《別告訴我你懂ppt》加強版，李治著，北京大學出版社。

　　3、《用圖表說話》，基恩。澤拉茲尼著，馬曉路等翻譯，清華大學出版社。

　　（五） 其他的知識結構

　　資料分析師除了具備數學知識外，還要具備市場研究、營銷管理、心理學、行為學、產品運營、互連網、大資料等方面的知識，需要構建完整廣泛的知識體系，才能支撐解決日常遇到的不同類型的商業問題。

　　推薦書籍：

　　1、《消費者行為學》第10版，希夫曼等人著，江林等翻譯，中國人民大學出版社，現在應該更新到更高的版本。

　　2、《怪誕行為學》升級版，艾瑞裡著，趙德亮等翻譯，中信出版社

　　3、《營銷管理》，科特勒等著，梅清豪翻譯，格致出版社和上海人民出版社聯合出版

　　4、《互連網思維—獨孤九劍》，趙大偉主編，機械出版社

　　5、《大資料時代—生活、工作與思維的大變革》，舍恩伯格等著，周濤等翻譯，浙江人民出版社

四、關於資料分析師的職業發展：

　　1、資料分析師通常分兩類，分工不同，但各有優勢。

　　一類是在專門的挖掘團隊裡面從事資料採礦和分析工作的。如果你能在這類專業團隊學習成長，那是幸運的，但進入這類團隊的門檻較高，需要紮實的資料採礦知識、挖掘工具應用經驗和編程能力。該類分析師更偏向技術線條，未來的職業通道可能走專家的技術路線。

　　另一類是下沉到各業務團隊或者運營部門的資料分析師，成為業務團隊的一員。他們工作是支撐業務運營，包括日常業務的異常監控、客戶和市場研究、參與產品開發、建立資料模型提升運營效率等。該類型分析師偏向產品和運營，可以轉向做運營和產品。

　　2、資料分析師的理想行業在互連網，但條條大道通羅馬，走合適你的路線。

　　從行業的角度來看：

　　1）互連網行業是資料分析應用最廣的行業，其中的電商企業，更是目前最火的，而且企業也更重視資料分析的價值，是資料分析師理想的成長平台。

　　2）其次是諮詢公司（比如專門的資料採礦公司Teradata、尼爾森等市場研究公司），他們需要資料分析人才，而且相對來說，資料分析師在諮詢公司成長的速度更快，專業也會更全面。

　　3）再次是金融行業，比如銀行和證券等行業，該行業對資料分析的依賴需求，越來越大。

　　4）最後是電信行業（中國移動、聯通和電信），它們擁有海量的資料，在嚴峻的競爭下，也越來越重視資料分析，但進入這些公司的門檻比較高。

五、什麼人適合學習資料分析？

　　這個問題的答案跟“什麼人適合學功夫”一樣，毫無疑問，功夫是適合任何人學習的（排除心術不正的人），因為能夠強身健體。而功夫的成效，要看習武者的修鍊深淺。常常有人爭論，是詠春拳厲害，還是散打厲害，其實是顛倒了因果，應該看哪個人練習得比較好，流派之間沒有高低，只有人修鍊的厚薄。

　　實際上，問題的潛台詞是“什麼人學習資料分析，會更容易取得成功（比如職業成功）”，這個要視乎你的興趣、付出和機遇。但要做到出類拔萃，除了上面三點，還需要一點天賦，這裡的機遇是指你遇到的職業發展平台、商業環境、導師和同事。

　　借用管理大師德魯克的話“管理是可以習得的”，管理並非是天生的，而資料分析能力，也可以後天提升。或許做到優秀，只需要你更加的努力+興趣，而這個努力的過程，也包括你尋找機遇的部分。

六、關於如何學習：

　　學習方法千萬種，關鍵是找到適合自己的，最好能夠結合你的工作遇到的問題來學習。

　　1、搜集書籍、案例庫和視頻，先弄懂理論，然後學會軟體操作，自己製作屬於自己的教程。

　　比如，你學習群集模型。1）搜集相關的群集模型的書籍、案例和教學視頻，瞭解群集的原理，主要有哪幾種演算法（劃分、層次、密度、網格）、模型適用的範圍和前提、如何評估模型的精確度等。

　　2）自己學會用軟體來實現。

　　3）總結整理成一份PPT和製作操作視頻，成為自己的學習教程，不斷完善。

　　4）學習到一定程度後，可以在部落格、等渠道分享，授人與漁，而自己也會有所收穫。

　　2、關注名人、名博、網站，多渠道學習。

　　1）關注專業的資料分析、諮詢公司網站和論壇，特彆強調，統計軟體公司的網站如SPSS的官網有很多案例庫，值得關注。

　　SPSS的案例庫，可在官網上搜尋各類案例：http://www.ibm.com/developerwork ... 8zhangzy/index.html

　　另外，你最好建一個自己的網址導航目錄，提升你的學習效率

　　2）關注名人名博，最好能加他們的微博、和公眾號，看牛人的部落格和等內容，還是能得到很多引導，這個你懂的。

　　3）加入一些有共同愛好的QQ群，互相學習交流。通常群裡有人會提出一些真實的運營問題，然後大家用不同的方法去解決，對思路很有啟發。

　　4）片段化學習，最大化你的時間價值。為了把零散的時間利用起來，通常我會把一些資料上傳到網盤，在零碎的時間裡通過手機進行視頻、文檔學習等。目前使用百度雲端硬碟和360網盤。百度雲端硬碟應用比較廣，通常在網路上搜尋“關鍵詞+百度雲”後，搜到結果可以直接儲存在雲端硬碟上，搜尋儲存速度極大提升。360網盤則空間比較大，可以到達40T，同時有保險箱加密功能，安全性高一些。

　　手機上安裝一些APP，隨時隨地學習。

七、最後的建議

　　請再次問問自己，是否真的喜歡資料分析，能否忍受處理資料時的寂寞？如果是，那就開始學習，給你幾條建議。

 

　　1、把資料分析作為一種能力培養，讓自己在現在的團隊中展現出良好的資料分析能力，為你以後內部轉崗做好準備。如果內部轉崗不成，你可以考慮跳槽到我之前分析的行業中，但我強烈建議你還是需要把系統開發的編程能力學習好，並且對商業智慧系統（BI和CRM）有一定瞭解，這也許是應聘資料分析的優勢。如果沒有資料分析經驗去應聘，相對會難一些，用人單位會考你統計和資料採礦模型方面的知識，以及工具使用方式。

 

　　2、在公司裡找一些有共同愛好的同事一起學習資料分析，平時多請教資料分析做得好的同事，它山之石，可以攻玉。

 

　　3、紮實學好一、兩門資料採礦軟體，基於你有編程的基礎，建議你可以學SAS或者R，同時輔助學習SPSS Modeler。如果沒編程基礎或者希望短期能夠取得成效，那也可以先學習SPSS。SAS+SPSS，基本能夠滿足很大部分企業的需求，三者都會，那更好。

 

　　4、要瞭解公司是如何運營，產品是如何開發的，如何做客戶研究鎖定客戶需求，如何做產品營銷，這些需要不斷工作積累和廣泛的閱讀。

 

　　5、開始學習時，先讀幾本有趣的資料分析類的書，然後系統學習一下統計知識（建議教材用《統計學》第五版，賈俊平等編著），接著網上快速搜集軟體操作視頻和案例，然後逐個分析模型進行學習和總結歸納，學習最好能夠結合實際工作中的問題進行。

 

　　6、學習到一定程度時，參加一些資料分析師的職業認證，進一步梳理知識結構，同時認識一些志同道合的朋友和老師，也是對你有很大協助。

 

　　希望你能夠成為你想成為的人！

 

原文：http://bbs.pinggu.org/thread-5045933-1-1.html

 

年薪50萬的大資料分析師養成記【摘抄】