对于数据分析,有一句话说的非常好:spss/sql之类的软件、决策树、时间序列之类的方法,这些仅仅就都是个工具而已,最重要的是对业务的把握。没有正确的业务理解,再牛的理论,再牛的工具,都是白搭。做一名合格的数据分析师,除了对数据需要有良好的敏感性之外,对相关业务的背景的深入了解,对客户或业务部门的需求的清晰认识。根据实际的业务发展情况识别哪些数据可用,哪些不适用,而不是孤立地在“真空环境”下进行分析。
有一位数据分析牛人曾经总结过数据分析师的能力和目标:
能力:一定要懂点战略、才能结合商业;
一定要漂亮的presentation、才能buying;
一定要有global view、才能打单;
一定要懂业务、才能结合市场;
一定要专几种工具、才能干活;
一定要学好、才能有效率;
一定要有强悍理论基础、才能入门;
一定要努力、才能赚钱;
最重要的:一定要务实、才有reputation;
不懂的话以后慢慢就明白了。
——————————————————————————————————
知识模块 |
模块解释 |
相关学科 |
懂业务 |
分析师是企业的大脑,熟悉自己所分析领域的 商业模式, 工作流程,运营方法和组织架构。脱离具体行业的分析, 都是不靠谱。分析师是企业的大脑,要把自己变成行业专 家。 |
市场营销 经济学 财务会计 运营 |
懂沟通 |
分析师不是一个单纯的技术岗位,职能特殊性,需要有处 理问题的技巧。正确理解业务需求,处理沟通中的分歧, 求同存异,做事先学会做人。 |
跨部门沟通 上下级沟通 就业与面试 |
懂管理 |
数据分析不是为了分析数据,而是让数据产生商业价值, 变成新能源。分析师需要站在公司 CEO 的高度,看全局 数据,发现问题,找到原因,给出解决方案。 |
管理学 项目管理 |
懂分析 |
分析师 是专业高级岗位,见招拆招。需要懂得 数据分析 方法,业务分析方法,市场分析方法,战略分析方法,数 据挖掘方法。 |
统计学 数据分析方法 战略管理方法 市场分析方法 数据挖掘方法 |
懂工具 |
基于统计学,机器学习 的专业分析工具,分析更加高效 和准确。使得分析师更加专注于分析本身,不再考虑统计 学的公式和算法。专业的工具使得复杂的分析变得简单, 处理海量数据成为可能。 |
Excel SPSS Tableau Modeler Python MySQL |
懂设计 |
分析师做的专业图表,需要翻译成 小白都可以看懂的分 析报告。制作美观大气的商业分析报告,让你的报告赏心 悦目,获得加分。报告就行女生一样,需要打扮以后才拿 得出手。人们往往通过 视觉第一印象,判断内容的好坏。 |
PPT |
要看哪些书?
——小白篇——
1.大数据时代
2.浪潮之巅
3.互联网创业密码
4.从0到1
5.决战大数据
6.块数据
7.大数据预测:告诉你谁会点击、购买、死去或撒谎
8.信号和噪声
9.数据之巅
10.跨界:开启互联网与传统行业融合新趋势
11.删除:大数据取舍之道
12.互联网思维:工作、生活、商业的大革新
——菜逼篇——
1.数据化管理:洞悉零售及电子商务运营
2.转化:提升网站流量和转化率的技巧
3.社交网站的数据挖掘与分析
4.数据分析 :企业的贤内助
5.淘宝大数据
6.网站数据分析:数据驱动的网站管理.优化和运营
7.人人都是网站分析师:从分析师的视角理解网站和解读数据
8.大数据营销:定位客户
9.数据挖掘与数据化运营实战 :思路.方法.技巧与应用
10.大数据分析:决胜互联网金融时代
11.分析的力量
12.网站数据挖掘与分析:系统方法与商业实践
——菜鸟篇——
1.谁说菜鸟不会数据分析(工具篇+入门篇)
2.EXCEL图表之道/如何制作专业有效的商务图表
3.决策分析:以Excel为分析工具
4.Word/Excel/PPT 2013商务办公从新手到高手
5.实用数据分析
6.深入浅出数据分析
7.构建高效数据分析模板:职场必学的Excel函数与动态图表高级
8.SAS统计分析与应用从入门到精通(第2版)
9.IBM SPSS数据分析与挖掘实战案例精粹
10.从零进阶!数据分析的统计基础
11.Excel 2010函数与公式
12.Excel高效办公.数据处理与分析
——高手篇——
1.集体智慧编程
2.利用Python进行数据分析
3.数据挖掘与R语言
4.R语言与数据挖掘最佳实践和经典案例
5.R的极客理想工具篇
6.数据挖掘 :实用案例分析
7.R与Hadoop大数据分析实战
8.深入理解大数据:大数据处理与编程实践
9.数据挖掘:实用机器学习工具与技术
10.R语言与网站分析
11.Mahout算法解析与案例实战
12.算法心得:高效算法的奥秘
——大神篇——
1.大数据管理:数据集成的技术、方法与最佳实践
2.HADOOP技术内幕系列
3.MYSQL技术内幕
4.Storm 实时数据处理
5.Spark快速数据处理
6.Oracle数据库性能优化的艺术
7.Oracle达人修炼秘籍:Oracle 11g数据库管理与开发指南
8.Hadoop应用开发技术详解
——————————————————————————————————数据分析师需要掌握哪些工具?
这个层其实有很多分析工具,当然我们最常用的就是Excel,我经常用的就是统计分析和数据挖掘工具;
- Excel软件,首先版本越高越好用这是肯定的;当然对Excel来讲很多人只是掌握了5%Excel功能,Excel功能非常强大,甚至可以完成所有的统计分析工作!但是我也常说,有能力把Excel玩成统计工具不如专门学会统计软件;
- SPSS软件:当前版本是18,名字也改成了PASW Statistics;我从3.0开始Dos环境下编程分析,到现在版本的变迁也可以看出SPSS社会科学统计软件包的变化,从重视医学、化学等开始越来越重视商业分析,现在已经成为了预测分析软件。
- Clementine软件:当前版本13.0,数据挖掘工具,我从6.0开始用,到了13版,已经越来越多的提高了更多有好的建模工具,现在改名叫PASW Modeler 13建模器了。而且与SPSS统计功能有了更多的整合,数据处理也更加灵活和好用。
- SAS软件:SAS相对SPSS其实功能更强大,SAS是平台化的,EM挖掘模块平台整合,相对来讲,SAS比较难学些,但如果掌握了SAS会更有价值,比如离散选择模型,抽样问题,正交实验设计等还是SAS比较好用,另外,SAS的学习材料比较多,也公开,会有收获的!
- R软件:开源,扩展性比较强,很适合做数据统计和数据处理。
- Python软件:上手难度很低,特别是在金融分析领域应用广泛。数据分析与机器学习。
其实这些都是很粗略的规划,应该来说遵循这样走,基本上都能走上牛逼的道路。
而现实是残酷的,比如你会面临工作和家庭的平衡,数据分析职场的困惑,职场发展的瓶颈,主管的不如意,行业的变迁,工作地的跳来跳去等等琐碎的问题。