精选“数据分析”好问题汇总·第一期

     

不论朝阳迟暮，只要一直奔跑在追逐热爱的道路上，什么时候都是人生好时节！

数据说·梦想季     

小飞象

乐于分享，自我提升，赋能他人

有一句话说，我有一个苹果，你有一个苹果，我和你交换之后，咱们各有一个苹果；我有一个想法，你有一个想法，我和你交换以后，可能收获两个想法，甚至更多。

我们非常鼓励在小飞象社群里面勇于提问的小伙伴，对于希望提高自己能力和养成独立思考习惯的小伙伴来说，提问是一个非常好的方式！因此，我们精心挑选了其中的5条经典的问题，以及优秀的小伙伴提供的建议，当然，答案不是绝对的，如果在新的练习和思考中碰撞出了不同的火花，欢迎在群里和我们多多讨论哦！

精选问题

第一期

﹀

﹀

﹀

壹

 关于数据分析的书有哪些比较好的推荐？ 

提问者：

@小馒头：有读过精益数据分析这本书吗？有没有其他推荐的比较好的数据分析的书，实战类的？

解答者：

@雷建：利用Python进行数据分析，这本书我觉得比较实战，很简单的，主要是用，不会涉及复杂的编程知识。

@蓉Ruby lu R：精益数据分析还可以，适合数据还没成长到大数据阶段的公司。

@红星：《精益数据分析》这本书在我看来，侧重点在于如何以较小的成本代价（尤其是创业前期阶段），使用数据驱动的方法来强化公司运营及管理，针对六种商业模式场景和五种创业阶段对数据指标体系、侧重点、注意要点进行了比较全面的描述。适合想拥有较高视野角度去了解数据分析作用的、尤其适合未来想创业的朋友去阅读，而对于想拿来直接上手的、拿来就能用的朋友，这本书可能不太适合。

@红星：实战类的书，网上有很多书单可以搜，在京东等电商网站的榜单里面也都可以找得到，就不展开来介绍了，同时，对于工具类的书，建议如果是可以重复使用的，可以上手纸质书；如果是做查询及简单了解的，使用电子书就比较方便。哦对了，如果是有代码的书，一定要找比较权威的、好评比较多的，因为市面书籍同质化越来越严重，代码出错的概率大大提升，我就有过遇到书里面代码乱七八糟的情况，搞半天我不是来学习的，是来勘误的！真是太惨了~

小飞象

来总结一下

数据分析比较好的书籍，根据不同学习阶段有不同推荐

（以下推荐是经过挑选，比较贴合实战和好理解的书籍）

▍第一阶段：初级入门

注：先要有数据分析的基本数学概念，初级数据思维，初级数据工具技能。

①基本数学概念推荐书籍：《深入浅出数据分析》《深入浅出统计学》

 

②初级数据思维：《精益数据分析》 《数据思维：从数据分析到商业价值》

 

   

③初级数据工具技能：《谁说菜鸟不会数据分析：入门篇》《谁说菜鸟不会数据分析（工具篇）》

▍第二阶段：中级数据分析

注：需要更专业的统计学知识，了解数据来源的底层结构，和基本的编程知识。

①专业的基础知识：《统计学》教科书 贾俊平

  

②理解数据来源的底层结构：《数据驱动：从方法到实践》

 

③基本的编程知识：《SQL必知必会》《利用Python进行数据分析》

 

▍第三阶段：高级数据分析

注:高级数据分析需要更多“机器学习”“数据挖掘”“爬虫”“ETL”等方面的书籍，还要关注最新的论文，kaggle竞赛等等，要是走商业分析路线，需要阅读很多培养商业敏感度的书籍，和行业领域书籍等等。

高级阶段的书籍和资料过多，此处不做举例和展示。

如@红星说：书一定要找比较权威的、好评比较多的，因为市面书籍同质化越来越严重，代码出错的概率大大提升！欢迎留言大家补充其他好书~

贰

 关于没有数据分析纯小白怎样入门呢？ 

提问者：

@H:对于没有数据分析相关知识的纯小白来说，怎样入门呢？是不是应该先从统计学开始学习？

解答者：

@红星：关于怎么入门，我建议你先想一下几个问题。第一是你想用数据分析去解决什么问题，第二是你打算用多少时间去学这门技能，第三是你愿不愿意承担学习的代价，也就是一段比较难受的时间？

小飞象

来总结一下

其实，在入行数据分析或者任何一行之前，我们都需要好好思考一些问题：我希望进入哪些行业呢？这行业有前景吗？需要什么样的知识结构？符合我的兴趣方向吗？还有就是如@红星所说的要思考的几个问题，所谓知己知彼百战不殆，在做职业选择或者机会选择时可使用SWOT分析模型，更好的认识自己。

SWOT：优势（Strength）、劣势（Weakness）、机会（Opportunity）、威胁（Threat）。其中，优势与劣势是对自身条件的分析，机会与威胁是对外部环境的分析。

   

▍个人优势与劣势分析

对于个人的评估，可以自己进行，或者邀请朋友协助。全面客观的判断自我，这对选择数据分析尤为重要。

①职业爱好：“分析需求”“写代码”“与人沟通”“探索未知”，是你喜欢的吗？

②思考能力：如何根据数据推演、分析、提出解决方案，需要你常常脑洞大开。③学习能力：数据分析是需要不断持续保持学习状态的，你能坚持么？

④沟通合作能力：数据分析师需要与业务部门、研发部门等频繁沟通和合作，这你擅长么？

⑤性格：动要能沟通、吵架，静要能分析写代码，这随意切换可以么？对于你的缺点和不足：你可以考虑改进使之不再成为短板，比如学习数据分析的基本原理、技术、工具，但是兴趣、性格方面呢？或者放弃你技能不擅长的职业。

▍行业机会与威胁分析

根据个人的优点和不足，了解数据分析行业的机会和威胁。有前景的行业和职业对于个人选择来说有很大的影响。

①行业情况：大数据是21世纪非常有前景行业之一，数据分析已经渗透到每一个行业和业务职能领域。

②企业情况：这家企业重视数据吗？有数据基础么？数据有所作为么?

③岗位就业情况：数据分析行业是个高薪职业哦，而且人才缺口较大。

④岗位要求：需要发现问题、分析问题、解决问题的能力，你需要懂商业、提取处理分析数据、提出解决方案，一切不产出效果的数据分析都是耍流氓。

通过充分评估行业、岗位及自身情况，你还认为数据分析是你的菜，那么恭喜你，你的决定很有远见！但想要做好数据分析，对于纯小白还真的需要掌握多方面的知识和技能，主要分为软+硬两大实力，软实力包括沟通表达能力、设计能力、数据思维、产品思维、用户思维等；另外业务理解能力以及数据敏感度，而这些能力需要逐步积累。那么，对于入门，可从思维、心术、理论、工具四方面进行训练。而思维和心术主要靠性格和长期训练积累！

首先、数据分析需要具备多方面的理论基础，比如基本的数据分析知识：统计、概率论、数据挖掘基础理论等；基本的商业意识：营销理论、战略规划等；数据处理知识：数据库、数据结构等。但是对于小白而言，这实在是信息量太大了，所以在入门的阶段，能清晰地知道数据分析能解决什么问题、需要什么方法论、需要掌握什么基本技术及原理足够。入门的小白懂得常规知识并能找到基础的工作是此阶段的目标。

对于入门数据分析小白书籍推荐：（第一个问题已有推荐）

比如：

《统计学》——扎实统计基础

《谁说菜鸟不会数据分析》——了解基本知识、工具

《精益数据分析》——了解分析方法、案例

《数据思维：从数据分析到商业价值》——训练思维能力

其次、为什么很多人学了Pyhon、R、Spss等工具，依然做不好数据分析。因此，数据分析最关键的一定是理解业务以及整理分析思路的能力，其次才是动手能力，也就是操作工具的能力。至于工具，不论黑猫白猫能解决问题就是好猫，不是说会了pyhon就一定厉害，不同的场景不同的背景对工具的使用也不同。

作为新手，首先推荐学习Excel+PPT，Excel的强大无需多说了【Excel基础知识】，小规模的数据处理、分析、展示都可以搞定，但对于大规模的数据处理而言，Sql是必备的取数手段，没有数据源就等于是无源之水，所以数据查询和处理能力一定要具备。数据分析师很多时候的产出是分析报告，所以，PPT的展示能力就格外重要，如何将你的结论简洁直观的传达，是必备的能力。

对于入门数据分析小白书工具推荐：Excel+PPT，有能力：+SQL。

最后、优秀的数据分析人员一定是主动发现问题、解决问题并扛得住压力的。人生是漫长而持续的过程，不必太计较眼前的得与失，如果方向对，慢点也是快。（其实加入一些数据分析的专业社群也是一个不错的入门法子）

 

叁

 关于数据的管理有哪些资料或者书籍？ 

提问者：

@蓉Ruby lu R：我想请教一个问题，我以前在外企，他们有专门的master data team ，当时，我还不知道什么意思。现在出来民企专门做数据分析，自学了一些资料，发现对于数据的管理，有master data ， transaction data等。你们有这方面的资料或者书籍，或者有人遇到过类似的问题么

解答者：

@安孤：数据分析：企业的贤内助。

@蓉Ruby lu R：我研究清楚了，顺便分享出来。业务数据分析的数据分类。 

各种业务数据之间的包含关系图     

小飞象

来总结一下

其实，企业在日常经营过程中，所产生的数据量和维度是庞大的，但不是所有数据都是有意义的。数据的实际意义，根据业务结合的情况有专门的分类。

▍第一大类：领域数据

领域数据又分为：主数据，参考数据；分析数据；交易数据

主数据：例如：客户的名字，客户的地址等经营核心数据，是主数据。

参考数据：和主数据联系紧密的参考数据，例如：客户名字对应的客户ID，等等。

分析数据：分析数据是和业务相关的主要分析，例如，成单率，增长率。

交易数据：在业务交易过程中产生的数据，例如：购买件数，购买金额。

▍第二大类：元数据

元数据包括：信息数据，操作数据

信息数据：用来描述数据的一些信息数据，例如：存储位置，资料查询，历史数据等。

操作数据：更多是一些用户完成业务过程中的操作，和路径数据，例如：客户翻过多少页商品，浏览过多少网页等等。

肆

 关于一般做分析的步骤是哪些？ 

提问者：

@团子：请教一下，一般做分析的步骤是哪些，分析小白弱弱的问一句

解答者：

@红星：这个可以看看。             

小飞象

来总结一下

其实，知道数据分析的步骤并不是目的，但要想真正的了解数据分析，就需要深刻的理解分析本质，即面临各种问题时，对于企业而言，让业务更加清晰，让决策更加高效。对于个人而言，认清现状，让自己的决定更加有利。

 

更直接明了的思维过程是：

发生了什么？——追溯过去，了解真相。

为什么发生？——洞察事务发生的本质，寻找根源。

未来可能发生什么？——掌握事物发展的规律，预测未来。

我们该怎么做？——基于已经知道的“发生了什么”、“为什么会发生”以及“未来可能发生什么”的分析，帮助和确定可以采取的措施。

 

简单的说，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，也就是所谓的：数据驱动。

伍

 BI工程师和数据分析工程师哪个更有前途？ 

提问者：

@笔墨风华：我想问一下:BI工程师和数据分析工程师哪个更有前途？

解答者：

@蓉Ruby lu R：看行业，看能力！

@蓉Ruby lu R：要是你在一个以数据驱动业务的行业，做数据分析师有前途（例如电商，金融等）。要是你在一个数据只是做内部支撑的行业，做数据分析师，也只是在内部解决效率问题，和支持业务部门做事，发展就很容易局限。

@蓉Ruby lu R：要是你技术好，对选择业务和行业不在乎，那做BI工程师有前途，去专门做BI工具的公司，神策数据，fineBI之类的，那就是去里面做技术，或者技术不够好，就去里面做BI和客户方的现场实施之类。你可以去查这个做BI的公司在这个领域的地位？

@蓉Ruby lu R：目前国内做BI的，fineBI卖得比较好，但是还没成为独角兽之类的，很多此类的BI公司还在抢市场。你可以看看你具体在里面做什么的。

@蓉Ruby lu R：对，去客户方收集需求，还要能自己写SQL会去对方的数据库查表，查字段，梳理业务和数据节点。

@蓉Ruby lu R：我个人认为，有没有前途是看你的兴趣，因为哪个行业都有前途，哪个行业也都不容易。你还是要看看自己想要什么，愿意为什么而努力。

@蓉Ruby lu R：神策数据那个创始人，最早是在百度内部梳理各种数据，做到最后，自己在公司成立了个部门，再到最后，自己出来开了个公司。但是，这个过程花了8年。

@红星：jd上面的要求和实际要求会有偏差，如果有能到面试环节的时候要问清楚岗位职责和负责事宜，再来考虑自己适不适合，有没有前景，要不要去尝试。不过一般情况下不会偏差太大。

@mishal：给个建议，不要去做现场的驻场实施，这个是一个替代性很强的工作，对技术没有多大提升（都是按项目要求抽数据），在公司没有归属，项目现场也没有归属，除非你想做项目经理了解行业数据底层的运行，完全是野蛮生长的，很少有人把实施做到不可替代。

 

小飞象

来总结一下

其实，对于BI工程师和数据分析工程师哪个更有前途？并不是重点，数据分析的最终的方向无非是两条：要么在公司内部做数据分析，用数据分析赋能业务发展。要么去专门的数据分析公司。而数据分析从业者更应该考虑如何用数据创造价值，如果你没有用数据创造价值的能力，那么就只能等着被数据淹没，沦为一个取数的或者做报表的机器而已，也就早早的到达职业的天花板。

这往往体现在数据价值的层面上，越往数据应用层靠拢，对数据产生价值的要求就越高，从事数据分析领域的人要常常自省是否有更好的商业意识、数据思维、业务理解能力、数据敏感度等，毕竟在公司层面，没人关心你是否比某个指标提高了一个百分点，公司关心的是你提高了这一个百分点之后，对公司产生的价值是什么。

那么，你就需要成为具备商业意识、数据思维、业务理解能力、数据敏感度等的高价值的数据人员，所以多多学习吧，别太约束自己，故步自封，多在行业领域内交流。

end

致谢

最后，非常感谢提出问题和踊跃回答的小伙伴！感谢@笔墨风华@H@小馒头@雷建@团子@安狐等小伙伴！数据之路，与你同行！

下期精选问题汇总预告

数据分析思路？

数据分析如何个人总结？

什么行业适合数据分发展？

······

敬请期待下一期

点个在看，证明你想看

超过60的话

会更快更新哦！

图片来源于网络

若好的建议和想法，欢迎在下方留言

我们将尽其所能打造数据分析交流的理想之地