数据分析师是一个靠经验“混饭”的职业,系统的学习必不可少,利用专业的理论知识作为职业基础,靠项目经验进行专业度金,这才是一个数据分析师的成长王道。一个人的成长就是对未知事物领域认知的过程,只有方向正确,突破自身能力与岗位的匹配才能实现个人的升华突破。本文通过对不同阶段分析师能力掌握描述,帮助自己及各位找到成长方向,突破点,以点破面。

fetch_file44842d7776dbf9fa1cc0deb46dc021ce-picture

不同层级的数据分析师有明显的能力界线,解决问题的能力是公司不同层级岗位划分的标准,进阶层级与基础层级分析师能力差别主要体现在业务分析能力、管理能力和影响力等方面。要从“使命必达”的助理数据分析师,成长为“独挡一面”的数据分析专家,其中必然需要学习很多知识、积累很多经验、提升很多技能,这对从事数据分析的人有一定的指导意义,在做职业规划时可以参考。

fetch_filef62b7bfc87986262a2a9ff214cd565a8-picture

按照不同分析方法所能给人带来的智能程度,可以把分析能力划分为以下8个等级。8级划分源自SAS网站的Eight levels of analytics,由IDMer编译而成

1. 标准报表

fetch_file1bc0cb9213641702d0a11761532527a7-picture

回答: 发生了什么?什么时候发生的?

示例:月度或季度财务报表

我们都见过报表,它们一般是定期生成,用来回答在某个特定的领域发生了什么。从某种程度上来说它们是有用的,但无法用于制定长期决策。

2. 即席查询

fetch_file429637bc7048024ffb4b88ad62a6075a-picture

回答:有多少数量?发生了多少次?在哪里?

示例:一周内各天各种门诊的病人数量报告。

即席查询的最大好处是,让你不断提出问题并寻找答案。

3. 多维分析

fetch_fileb081f49d313104cbacaa9427e995022a-picture

回答:问题到底出在哪里?我该如何寻找答案?

示例:对各种手机类型的用户进行排序,探查他们的呼叫行为。

通过多维分析(OLAP)的钻取功能,可以让您有初步的发现。钻取功能如同层层剥笋,发现问题所在。

4. 警报

fetch_filea14d986087b24fdbde994090d6a32897-picture

回答:我什么时候该有所反应?现在该做什么?

示例:当销售额落后于目标时,销售总监将收到警报。

警报可以让您知道什么时候出了问题,并当问题再次出现时及时告知您。警报可以通过电子邮件、RSS订阅、评分卡或仪表盘上的红色信号灯来展示

5. 统计分析

fetch_filea515d720027079d4214629a450034be1-picture

回答:为什么会出现这种情况?我错失了什么机会?

示例:银行可以弄清楚为什么重新申请房贷的客户在增多。

这时您已经可以进行一些复杂的分析,比如频次分析模型或回归分析等等。统计分析是在历史数据中进行统计并总结规律。

6. 预报

fetch_file26e5bca29a4acc646a18b934c2b3f645-picture

回答:如果持续这种发展趋势,未来会怎么样?还需要多少?什么时候需要?

示例:零售商可以预计特定商品未来一段时间在各个门店的需求量。

预报可以说是最热门的分析应用之一,各行各业都用得到。特别对于供应商来说,能够准确预报需求,就可以让他们合理安排库存,既不会缺货,也不会积压。

7. 预测型建模

fetch_filea72f4e13083115f2a658192c4a3525c0-picture

回答:接下来会发生什么?它对业务的影响程度如何?

示例:酒店和娱乐行业可以预测哪些VIP客户会对特定度假产品有兴趣。

如果您拥有上千万的客户,并希望展开一次市场营销活动,那么哪些人会是最可能响应的客户呢?如何划分出这些客户?哪些客户会流失?预测型建模能够给出解答。

8. 优化

fetch_file958f279eec4781baa676aabf3dd1c771-picture

回答:如何把事情做得更好?对于一个复杂问题来说,那种决策是最优的?

示例:在给定了业务上的优先级、资源调配的约束条件以及可用技术的情况下,请您来给出IT平台优化的最佳方案,以满足每个用户的需求。

优化带来创新,它同时考虑到资源与需求,帮助您找到实现目标的最佳方式。

fetch_filee2e3a99799f74e3cf7377a110f858cf8-picture

fetch_filee20c882fb7b66231e03020153f447b9c-picture

图片来源数据分析网

数据分析师的级别

1、数据跟踪员:机械拷贝看到的数据,很少处理数据

虽然这个工作的人还不能称作数据分析师,但是往往作这样工作的人还都自称是数据分析师,这样的人,只能通过×××系统看到有限的数据,并且很少去处理数据,甚至不理解数据的由来和含义,只是机械的把自己看到的数据拷贝出来,转发给相应的人。这类人发出来的数据,是否有意义,怎么解读,他自己是不知道的,只能期望收到数据的人了。

2、数据查询员/处理员:数据处理没问题,缺乏数据解读能力

这些人可以称为分析师了,他们已经对数据有一定的理解了,对于大部分数据,他们也知道数据的定义,并且可以通过监控系统或者原始的数据,处理得到这些数据。统计学的方法,这批人还是很精通的,统计学的工具,他们也是用起来得心应手,你让他们做一下因子分析,聚类肯定是没问题,各类检验也是用的炉火纯青。他们的不足是:1、如果不告诉他们命题,那么他们就不知道该应用什么样的方法去得到结论了。2、对于数据的处理没问题,但是却没有一个很好的数据解读能力。只能在统计学的角度上解释数据。

3、数据分析师:解读数据,定位问题提出答案

数据分析师这群人,对于数据的处理已经不是问题了,他们的重点已经转化到怎么样去解读数据了,同样的数据,在不同人的眼中有不一致的内容。好的数据分析师,是能通过数据找到问题,准确的定位问题,准确的找到问题产生的原因,为下一步的改进,找到机会点的人。往往科班出身的人,欠缺的不是在处理数据上,而是在解读数据上,至于将数据和产品结合到一起,则是其更缺少的能力了。

4、数据应用师:将数据还原到产品中,为产品所用

数据应用,这个词很少被提到。但是应用数据被提的很多,分析了大量的数据,除了能找到问题以外,还有很多数据可以还原到产品中,为产品所用。典型的是在电子商务的网站中,用户的购买数据,查看数据和操作的记录,往往是为其推荐新商品的好起点,而数据应用师就是要通过自己的分析,给相应的产品人员一个应该推荐什么产品,购买的可能性会最大的一个结论。国内能做到这个级别的数据人员还真是少的可怜,甚至大部分人员连数据的视图都搞不定,而真正意义上的能数据应用师,可以用数据让一个产品变得更加地简单高效。

5、数据规划师:走在产品前面,让数据有新的价值方向

数据规划师,不能说水平上比数据应用师高多少,而是另外一个让数据有价值的方向。往往在实际的应用中,数据都是有其生命周期的,用来分析、应用的数据也是,这点上,尤其是在互联网公司更加明显,一个版本的更新,可能导致之前的所有数据都一定程度的失效。数据规划师在一个产品设计之前,就已经分析到了,这个产品应该记录什么样的数据,这些数据能跟踪什么问题,哪些记录到的数据,应该可以用到数据中去,可以对产品产生什么样的价值。