数据分析师的必备能力与价值所在

笔者从业数据分析师岗位不到两年，分享一点自己的感悟。

关于数据分析师的能力，我认为可以用三方面来概括：数据思维和方法论、数据工程能力与业务理解能力。

1.关于数据思维和方法论

很多人会问，什么是数据思维呢？其实数据思维就是一种批判性的思维，要有质疑和创新的精神，要学会独立的思考和分析问题，同时数据思维部分也包含了对数据具有一定的敏感性。

一般的数据分析过程都是先定义清楚问题，进行业务假设，然后通过数据去推理验证，这个过程就是在我们的数据思维在整个解决问题的过程中的体现。这种思维的养成其实不仅仅是在数据分析这个事情上，对于我们接触的所有信息，其实都要有一个敢于批判和质疑的精神，要积极的经过自己的思考给出合理的见解或者回答。

而数据敏感性，根据我个人的经验，是需要一定的积累的。这中敏感性基于你对一些行业、业务的基础数据的记忆和了解，举个例子，有一家在线教育公司的新客的转化率现在是10%，你的老板让你分析一下这家公司的新客转化情况是好还是坏以及是不是有什么提升的空间？如果你有数据敏感性你的反应可能是这样的：根据目前在线教育行业的benchmark，新客的转化率超过5%已经是非常好的水平了，目前业务方已经做到了10%，那我接下来需要重点给出评价的标准、挖掘出做的好的原因以及可以复用的策略，至于转化的提升空间目前判断可能存在一定的难度，但是也需要重点去分析，这是未来业务能否保持增长的关键。

说完了数据思维和数据敏感性，再谈一谈，数据分析的方法论，其实现在很多方法论大家在市面上都能找到具体的资源或者培训资料，这些方法论提起的时候你肯定也都觉得听过见过，但是重要的如何去结合不同的行业与业务应用起来，以及，在实践过后是否能在基础的方法论之上提出自己的见解来逐渐完善这个业务下的方法论体系。因为随着业务的发展，基础的方法论不可能适用于所有的场景，而随着业务的不断迭代，方法论的不断更新，还有一个比较重要的点就是，多关注整个行业或者整个市场上新型的商业模式、新的业务模式，去多积累多思考。有时候不一定是局限在自己的行业里面，多看看其他的数据或者行业也会有一定启发。

2.关于数据工程能力

数据工程能力其实包含数据分析工具的使用，比如处理数据、可视化的基础工具，还包含基本的统计学与概率论、计量经济学等相关知识，这些概率和统计基础是做数据分析的专业能力之一。

其实做数据分析就像做菜一样，如果你都不知道怎么洗菜淘米也没有一个炒菜的锅，想要做出美味的菜肴根本就别想了。

提取数据、清洗数据的工具和代码能力是必备的，如果没有掌握多个工具的时间，就把一个尽量学到精通。同时不要忽略数据可视化相关的能力，这部分决定了你用什么来呈现你的数据以及用什么样的方式给别人讲好你的数据故事，数据可视化包含可视化图表和汇报ppt的能力（一般是ppt汇报）。图表的呈现重在简洁、清晰、突出关键信息，汇报的ppt更注重整个过程的结构性和逻辑性。

3.关于业务的理解能力

对于业务的理解能力，其实就是在做数据分析的时候，不要单纯的描述数据，而是学会用业务的语言解释数据，揭示数据背后的含义到底是什么。这样才能够跟业务方更好的沟通交流，共同解决问题。

拥有良好的业务能力，需要多了解公司的业务流程、商业模式、业务方每个阶段的目标和在做的事情，同时自己也可以多看商业文章，多参考其他竞品或者多进行业内的交流，扩展自己对于业务细节和业务逻辑的了解。

最后，关于数据分析师的价值，提高自己的批判性思考能力和业务经验的积累，至少短期内不至于被数据工具和机器所取代。