入门级数据分析师,该掌握哪些技能

很多同学很困惑:想做数据分析师,结果学了一大堆ESP软件操作,看了一堆统计学、机器学习书、跑了很多数据集,结果入职以后每天都在取数——而且还是很基础的数据。

那到底自己算不算入门?啥水平才算是真正的数据分析师?今天系统讲解一下。

本质上看,问题来自于:网上对数据分析的描写太过理想化,把原本需要综合技能的工作,抽象成一些列简单操作。

从而造成了一种错觉——只要我对着案例抄一遍代码,会做几道SQL题,会把模型代码输入Sklearn跑一遍就算是数据分析了。

可实际上,作为一个工作,数据分析需要在具体企业上班,面对具体业务问题,应付具体的系统状况,和各色同事打交道,需要的远不止基础操作(如下图)。

原创|入门级数据分析师,该掌握哪些技能

况且,刚入门新兵,干的最多的就是跑数,就是脏活累活。

招你进来不干脏活累活,难道让老鸟们干吗;原本抱着“数据驱动业务”“成为数据科学家”的理想,一下办成扫地抹桌倒尿罐,巨大的心理落差肯定让新人接受不了。

唯一的问题是:如何在枯燥烦闷的基础工作中积累四大技能,尽快让自己脱颖而出。

一、业务理解

不懂业务肯定分析不出个屁,可业务本身含义非常广泛,分为:商业模式、组织架构、业务流程、业务策略、落地执行五个部分,一次性指望新人全部搞懂是不现实的。

作为入门级数据分析师,最核心的是搞明白以下五个问题:

  1. 到底我们有几个部门?
  2. 我目前对接的事哪个部门/小组?
  3. 他们最关心什么是什么?
  4. 他们最近在干什么?
  5. 他们要的数据用在什么地方?

这五个问题非常简单,只要看一眼OA,在接数据需求的时候和对接人聊上两句就能整明白。

虽然简单,但这一步非常关键:

  • 一来,没有任何一家企业严谨到把所有业务流程都写成SOP,所以想真实了解业务,必须具体沟通;
  • 想深入分析,想影响决策,都是从和业务搞好关系开始,平时的沟通是必不可少的;
  • 业务常关心的指标,判断标准都能理解。

这是做工作和学课本的最大区别,现实企业里没人把东西准备好了喂进嘴,必须自己动手。

二、分析技能

入门级数据分析师都抱怨:每天都在跑数,不知道咋分析。

其实只要懂得做下边这张图,就算入门级分析技能合格,就这么简单(如下图):

原创|入门级数据分析师,该掌握哪些技能

找标准至关重要!因为数据本身不反应问题,数据+标准才是问题。

没有标准,就意味着没有分析结论;标准模糊、善变,就意味着是非对错的判断会完全颠倒,分析经验无法积累,模型也没法标准正负样本,更谈不上训练模型;想做深入分析,也会无从下手。

可实际上,大部分新人都是:不懂寻找标准,只知道罗列数据。

因为标准问题常常被忽视,甚至很多工作5年的老人,一张嘴都是:“这个习惯上算好”,至于习惯到底是啥,根本说不清楚。

甚至很多网上教数据分析的课,都是教:“跌就是不好,涨就是好,跌了要搞高!”真让人怀疑这些网课老师有没有坐过正经公司的办公室。

找标准的能力,是菜鸟到高手进阶的关键一环之一(注意,这里有“之一”)。

作为入门级新人,至少要掌握四种单维度的找标准方法:

原创|入门级数据分析师,该掌握哪些技能

当标准涉及2个评价维度时,还需要掌握2种交叉评价方法(如下图);至于3个维度及以上的评估,已经不是入门级别的要求了,需要更复杂的降维手段,或者综合评估方法。

原创|入门级数据分析师,该掌握哪些技能

有了找标准的能力,这样才能在和业务沟通的时候把握主动,体现自己的专业能力;这样才能识别业务是不是在浑水摸鱼、胡搅蛮缠、瞒天过海、掩耳盗铃;这样才能积累分析经验,从而为深入分析埋下伏笔。

总之,在日常工作中要时时刻刻提醒自己:判断标准是什么。

在标准不清晰的时候,努力找标准。

三、工作能力

数据分析只是个辅助部门,需要能来事、扛大旗、立项目,才容易见功劳;因此数据分析师核心工作能力,就是如何攒出来独立项目,但是独立做项目对新人来说太遥远。

新人核心干好一件事即可:做好数据需求表,它大概长这样:

原创|入门级数据分析师,该掌握哪些技能

做好数据需求表,是菜鸟到高手进阶的关键一环之一。

  • 它是工作量证明;能证明你真的在干活,能在写年终总结、进度汇报、晋升报告的时候作为证据。从而避免平时干到死,论功绩谈不上的囧境;
  • 它是标准的取数模板;它能极大避免因为业务方随意要数导致的错误、混乱、重复工作,从而减少无意义的加班和无缘无故的黑锅;
  • 它能量化记录业务方感兴趣的问题,为后边引申出项目做铺垫。

这也是新人非常容易忽视的环节;因为所有的网课、教科书、文章都不会提这茬事!

导致新人误以为数据分析工作有全世界统一的标准;结果没和业务确认清楚需求,自己累死累活还不讨好;连基础的跑数工作都组织不好,还想啥项目呢,都是做梦。

四、心理建设

入职以后,如果现实工作环境让你意识到:

  • 数据分析不是高薪、速成工作;
  • 数据分析的脏活累活远多过“思路”“模型”;
  • 数据分析就是打辅助的,没人理你是常事;
  • 数据分析被业务追着屁股要数是常事;
  • 业务口中的“算法”跟编程代码是两件事。

恭喜你已经成功从网络爽文来到现实世界,这才是真实的工作环境;能面对现实,就已经通过了第一关的心理建设。

很多曾经狂热的新人会被吓退,会换其他工作,这都是正常的;因为本质上抱着“升官发财”的人多,抱着“我就是热爱数据分析哪怕月薪1500我也能坚持到底”的人几乎没有。

数据分析能力,也能帮助大家在其他岗位上做的更好。想继续做的同学们,就认真磨炼自己技能,继续提升。

五、入门的标准

那么什么时候算入门呢?给个简单的判断标准:

  1. 能心平气和的介绍自己的工作,不发牢骚,不扯一夜暴富。
  2. 能推动业务提标准的需求单,并按需求单准确、及时的给数据。
  3. 能在年中/年底述职汇报的时候,清晰的说出,自己做了240份需求,其中最大的(80%)份是运营的需求,70%是活动需求,提出了5次把临时性需求升级到BI的建议,并推动产品上线(有这句最好,没有这句的继续努力)。
  4. 能基于240份需求,发现今年运营整体工作状况是好/坏,坏的场景有20个,对指标影响大小是XXX,基于以上,思考深层的问题可能是XXX。

大家自己对着镜子,能讲清楚以上四点,就已经算完全入门,并且很有潜力往进阶发展。

下一步我们可以讨论如何独立发起、负责、推动项目落地、看到数据分析成果。

这是成为中级数据分析师最核心标志;具体方法,如果大家感兴趣,关注接地气的陈老师,我们后续继续分享进阶的技能要求,敬请期待哦。

#作者#

接地气的陈老师,微信公众号:接地气学堂。资深咨询顾问,在互联网,金融,快消,零售,耐用,美容等15个行业有丰富数据相关经验。

本文

版权声明

本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符,请点击 举报 进行投诉反馈!

相关文章

立即
投稿

微信公众账号

微信扫一扫加关注

返回
顶部