数据分析 - 基础原理 之 第一章：数据分析理论方法 - 第六节：数据分析能力8个等级与数据分析师3类工作

1.数据分析能力的8个等级

参考 《SAS-数据挖掘的意义与实践》

2.数据分析师3类工作

参考：https://www.zhihu.com/question/25949022/answer/308321005

(1)第一类：纯操作类

举例： 把本季度和上季度的销售数据做一个对比分析。

这类问题是非常典型的60分工作。何为60分工作呢？就是目标、思路、方法和执行过程都已经非常明确，不需要数据分析师做什么分析过程。唯一需要数据分析师做的，只是把对应的数据做成图表，以更好的进行展示。在这样的工作中，数据分析师不需要加入任何自己的主观分析，而仅仅像一个工具一样做图即可。

(2)第二类：命题类

举例：我们公司如何可以在新一年里销售额比上年增长百分之20%呢？

这类问题往往有着非常明确的目标，但其思路、方法和执行过程都是未知的。在这个过程中，需要数据分析师运用自己的数据分析能力，结合公司以及行业数据和趋势制定执行方案，并通过建模来对不同的方案进行模拟，从而得出多种方案和建议，以便高层进行决策。

一些数据分析师遇到这样的这样的问题往往会感觉难以入手，以上面的问题为例，大家思考起来会感觉非常复杂：

问题1:销售额增长20%，那盈利多少呢？

问题2:做出明星产品来增长这20%销售额，还是让所有产品都得20%呢？

问题3:那配套资源是不是也要提升呢，是不是要增加人手？

问题4......问题30

这个时候，我会推荐大家使用逻辑树的方式来辅助你的思考。逻辑树是一个非常好用的工具，它能够帮你把复杂的问题，拆成若干个简单的小问题（在思维导图中画出），然后再做以下步骤

步骤一：提出基于事实的假设；
步骤二：然后进行数据收集与分析；
步骤三：得出结果：证实或证伪假设。借助假设；
步骤四：勾画出研究和分析的路线图。

通过这样的分析，你首先可以分析出所有可能的方案（比如：到底是推动明星产品大卖来提高公司整体销售的20%，还是全面产品提高20%销售额），之后再在此基础上，通过历史数据回归来判断每种方案的可行性。分析过程中，可以基于一些商业模型，根据实际业务进行定制，比如帕累托、留存率、漏斗分析等

看到这里，大家会感觉这类问题比第一类问题要复杂多了吧？的确是这样的，但即便如此，这类问题也只是80分工作。因为它的目标是老板制定的，虽然实现过程需要数据分析师来分析，但也仅仅是一个偏执行层的工作。

(3)第三类：战略类

举例：基于公司现有的数据，你有什么想法？

这类问题是一个非常开放的问题，也是最能考察一个数据分析师高度的问题。要想回答好这个问题，需要数据分析师从公司、行业的整体高度和趋势出发， 逐层分解问题和目标，并给出数据支撑和改进策略。简单来说，数据分析师需要从整体出发，体系化的提出若干个命题类问题，并给出答案。

面对这类问题，我建议大家可以从考虑从以下方面入手：

首先，先从公司整体出发，制定一个你认为合理的目标。比如：每年净利润增加30%。这里，你需要有充分的理由说明为何制定这个目标（比如：股东需要；比如：资本寒冬即将来临，公司需要提高盈利能力；比如：即将上市，需要做好财务报表等等）。这个目标背后的逻辑，需要强有力的数据和模型支撑。

接着，基于你定下的目标，逐层进行工作分解，比如：为了每年净利润增加30%，需要开源节流。哪些方面可以开源，哪些方面可以节流，哪些方面需要增加支出。对应到每个部门，其财务指标应该是怎么样的？

最后，基于已有数据给出每个细分领域（比如这里细分到部门）对应的方法和策略。这部分工作其实就是第二类的工作了。

这类的工作中，数据分析师不仅仅是做一个执行层的工作，其本身实际上已经站在CEO和董事长的高度，对公司做了全局性的思考和布局。更难能可贵的是，他的布局和思考还具备落地方案和数据支撑。这样的数据分析师是非常具备价值的。而这个时候做的工作才是一名数据分析师的100分工作。

作为数据分析师，日常可能遇到的需求大多是第一类的，但我们还是尽量匀出时间去做一些80-100分的工作。如果业务方提不出来这样的需求的话，我们就自己主动寻找，自己给自己出题目。相信你的分析一定会让业务方，让公司高层感到惊讶的。