一篇文章带你认知什么是真正的“数据分析“

2 篇文章 0 订阅
2 篇文章 0 订阅

1. 为什么学习数据分析?

        随着社会的发展,现如今只要一提什么最火?大多数人的反应一定是互联网发展好快,随着短视频的入侵,电商行业的席卷,人工智能技术的应用....我们好像离不开他们了。

        现如今,我们总听大佬们说:数字化时代,数字推动产业,数字为业务赋能等等,那我们有没有想过为什么会出现这个现状呢?

        没错,是大数据时代来了。大量的数据随着网络,随着业务应用,指数级上涨,那么数据该怎么去使用,成为了企业中的痛点。

        现在这个社会,已经从以前的增量市场转变成了存量市场,以前我们需要的开发岗位很多,例如前端开发,Java开发,游戏开发,数据库开发等,但是现在为什么走下坡路了呢?

        不是因为技术不行,也不是因为会这些技术的人太多,而是因为时代变了。

        以前,我们需要开发APP,开发网页,目的是为了引流,抢占市场。

        现在,各行各业都已经非常成熟了,难道我要招一个人开发一辈子网页吗?

        所以我们更应该反思,现如今社会是一个赤裸裸的业务应用层社会,我们应该干嘛?

        所以,现如今的存量市场,我们应该玩的是用户留存,玩的是企业策略,玩的是活动,那么数据在其中起到重要的角色,我们需要从大量的数据中,提取出对自己有意义的数据,然后清洗数据,分析数据,做数据统计,从数据中找到有意义的,有价值的观点,来推动业务发展,而不是走纯技术向。

        未来,也一定是数字的天下。

        有一句话送给大家:数据分析在未来,一定会向英语一样,普及到全世界。

 

2. 什么是数据分析?

-  数据分析场景

        举个例子:如果你是一个有钱人!现在你要开一个门店,做餐饮。那么现在面对的战略问题是选址问题。例如有两个地方是你预选的地址。一个是市区,一个是郊区。好,那么你的决定是什么呢?

        是不是首选市区呢?大错特错!

        如果现在有数据了,告诉你,市区的日流量10万,郊区的5万,那么你会选择市区吗?

        那如果再告诉你,市区的日流量中,有90%流量人群是老人和小孩,郊区的80%是年轻人,那么你是不是会选择郊区呢?

        果然人是善变的!!!

        所以我们会发现,随着我们的数据,维度越来越多,我们的决策会发生质的变化。那么我们做数据分析,则是为了企业中某一个目的,从数据中提取有意义的维度,做数据清洗,做分析,统计,来达到商业目的。

 

-  真正的数据分析

        从字面意思能看出来,从数据中分析,听起来非常的虚,是因为数据分析是行业的万金油。

        随着企业中数据暴增,我们应从大量的数据中,做数据统计,分析,通过数字的表现,发现业务的痛点,针对性解决问题;通过数据,来做战略决策。

        所以最终总结一句话:数据分析的本质就是通过数据推动业务的发展,为业务赋能。

 

3. 数据分析必备的技能?

        数据分析的技能,一定是围绕着数据流。

 

-  存储数据的能力

        字面意思,我们要先学会怎么去存储数据。当然,这个并不是侧重点,因为企业中的数据已经有开发在做这些事情了,而我们更多是打辅助,甚至在企业中根本接触不到。

        爬虫

         建议学习爬虫技术,来帮助企业获取一些非常规渠道获取的数据。

 

-  提取数据的能力

        数据库

        我们一定要学会数据库技术,因为在企业中,数据都存储在数据库中,我们需要把数据从数据库中提取出来做应用,现在的职场很卷,以前我跑数,你分析,现在变成了你跑数,你分析。所以我们务必要学会提取数据,当然数据库分为很多种,侧重点不一样,例如:MySQL,Oracle,SQL Server,Redis,MongoDB等等。

        那么我们做数据分析的,要侧重于与二维表格数据有关的数据库,这里我推荐的是MySQL数据库,一是因为MySQL是免费的,其次很多的语法,函数,在其他数据库中大多通用。也就是说,我们学会了MySQL,在工作中遇到的大数据环境中的Hive,Spark等数据库的时候,也能游刃有余。语法差异不大。

 

-  数据清洗的能力

        所谓的数据清洗,也就是把对于我们此次要提取的数据洗一遍。把那些"脏数据"扔掉。例如我要分析用户的年龄对业务的价值。但是年龄维度有很多都是没有采集到的,那么我们分析还有价值吗?所以我们要做清洗。把年龄为空值的数据删掉。

        Excel

        Excel清洗数据是没问题的,但是效率还是比较低。不过作为办公的第一生产力,且Excel的学习成本不高,所以必定要精通。

        数据库

        我们学习的MySQL就可以帮助我们在提取数据的时候,做一层筛选。

        Python

        我们可以使用Python里面的数据分析三剑客中的<Numpy>、<Pandas>库,来更高效的做数据清洗。

        ETL工具

        因为数据清洗的环节重复性较高,且占用时间过多,所以现在企业中会有很多职场人使用现成的ETL工具做数据清洗,节省时间和人力成本。

        BI工具

        类似"帆软","观远",PowerBI,Tableau等都有数据处理的能力,做到同平台解决问题,而不至于跨平台操作,且小白也可完成任务~。

 

-  数据分析的能力

        Excel

        小白可以使用Excel针对少量的数据做分析,可以使用筛选,透视,以及一些函数去完成。

        Python

        进阶的话首选一定是Python,它在做数据处理,数据分析的领域,一定是担任了最重要的角色,无人能取代。

 

-  数据统计的能力

        Excel,SQL,Python

        所谓数据统计,就是把老板需要的明细数据统计成显而易见的报表。汇总数据,通过统计的数据来呈现数据的趋势,该过程是用来观测数据趋势,诊断数据的。

 

-  数据可视化的能力

        数据可视化的本质目的是为了代替数字,更客观的描述数据的表现。

        PowerBI,Tableau等BI工具

        使用这些工具可以呈现数据,例如呈现表格数据,条形图,饼图等,可以更加客观的描述数据。

        其次使用这些工具,可以帮助我们更加了解工具的应用,因为在工作中,BI工具或多或少不一样,有的公司使用帆软BI,有的使用神策,观远,诸葛IO等,有的对接达芬奇系统。这些工具都是所谓的BI工具,如果我们学会了PowerBI等工具,我们可以直接从工具中拖拉拽报表,手动连表,最终实现可视化,小白爱了爱了~。

        强调一点:其实SQL才是最重要的,起码对大多数企业来说,BI工具不是必备的,毕竟BI系统是需要企业去买的,所以成本这块也是企业要考量的点,且员工耗精力的学习也会占用企业资源。

 

        Matplotlib,Seaborn等

        我们可以使用Python的第三方库,如<Matplotlib>、<Seaborn>等库,更高效的在我们的分析中,给我们提供快捷的分析思路,毕竟"再多的数据不如一张图高效",虽然是少数,但是确实有些公司需要使用代码来呈现图形。并且也有少数公司需要做Matplotlib的开发。所以学会了不吃亏。

        Seaborn属于Matplotlib的优化版本,可以更高效,快速的展示图形。

        PPT,Excel

        企业中常用的汇报方式。

 

-  数据挖掘的能力

        思维

        思维听起来很虚,但是我们需要慢慢培养思维能力。

        例如:我们现在只有两个维度,一个是IP地址,一个是用户的登录时间。我们该怎么去更深层挖掘我们的数据呢?

        思路:我们可以通过IP地址,登录时间,来思考一个事情,例如:工作日都是在北京的IP地址登录,休息日都是在天津登录,我们可否挖掘一个新字段 "是否上班族" ,来断定这个人是否在天津有房,但是在北京租房上班呢?当然不是特别精准,但是也可以帮助我们来做一些策略。

        总而言之,挖掘考验的是我们的业务能力,通过该能力,可以更有效的精准营销。

 

技能总结:

        - Excel(重点)

        Excel是当今社会上第一生产力,所有公司都需要Excel,哪怕你是做销售的,做客服的,做数据的,做开发的,当老板的,任何人都离不开Excel,那么对于我们数据分析师而言,我们更希望精通Excel,况且Excel的学习成本是非常低的。

 

        - MySQL(重点)

        MySQL对于数据分析师而言,极其重要,当今社会非常的卷,我们分析数据,也需要自己提数据,如果让别人帮我们提数据,那么如果忘记提取一些字段的情况下,还要麻烦别人,故而现在的企业更希望我们是全能人才。更何况MySQL是所有编程语言里面最简单,最通用的技术。无论任何编程语言,都会与MySQL做交互,所以我们务必掌握。

        PS:90%+面试必考。

 

        - 爬虫(非重点)

        爬虫技术是我们获取数据的来源之一,虽然在法律的边缘打擦边球,但是爬虫现如今在不少的公司会应用,尤其电商。我们学习爬虫可以做两件事,一是公司中有可能会有用,且是企业的加分项。二是我们可以使用爬虫技术应用到自己的生活,例如买车,买房等,我们可以更高效的统计数据,更高效的分析价格,车型,房型等。

 

        - Python(重点)

        Python不用多说,其实正常的工作中我们使用Excel做数据分析完全没有问题,但是Python的学习可以让我们在企业中更高效的完成某些事情。例如自动化办公、数据分析,都可以帮我们更高效的去做事情,说白了,Python只是一个工具,但是对我们而言,会了Python,是一个强加分项,也同样是涨薪的必备手段。

 

        - 算法(非重点)

        算法对于数据分析而言,其实是次要的,但是我们会了算法,能更高效的帮我们做客群的划分,预测等,算法的底层是数学,如果我们数学底子不好,那么算法对于我们而言,知道几个简单的算法去做应用即可。如果我们的数学底子不错,那么我们可以多学学算法。

        建议喜欢开发,喜欢技术的人看过来,因为会了它,工资水涨船高。

 

        - BI工具(小重点)

        BI工具等同于Excel,毕竟是工具,学习成本并不高,但是学习了简单的使用,可以使我们在企业中更灵活的使用其他BI工具。

        关键点:我们可以在大多BI工具上直接建模,开发人员已经帮助我们内置了ETL,甚至不需要你会使用SQL语句提取数据,我们只需要表之间联动,傻瓜式的点点点即可完成一些操作。

        PS:小白也可以做可视化看板哦~

 

4.  数据分析必备能力?

        想要成为一名卓越的数据分析师,除了熟练掌握工具和技术外,还需要具备一系列重要的能力。

-  业务理解能力

        业务的理解一定是数据分析的基石,不深入了解业务,根本没有办法去分析业务。无法精准定位业务问题,业务痛点。

        行业知识的理解

        只有深入该行业,才能更有效的帮助我们产出。

        业务部门的沟通

        数据分析师必不可少的是沟通能力,我们要更直观,高效的描述出业务问题,而不是企业中所谓的长时间会议。沟通的目的是为了完成某件事,所以我们会经常与业务部门,BI部门,自己的老板们沟通。

 

-  数据处理能力

        参考上面的"数据分析必备技能"

 

-  工具的熟练度

        成为一个称职的数据分析师,在使用工具方面,一定要碾压公司中90%以上的人群,我们除了掌握大量的数据处理工具,也一定要在某些业务场景中,灵活运用这些工具。

 

- 问题的洞察力,解决能力

        分析问题的深度

        我们要有较强的问题解决能力,深度挖掘数据的本质,提出解决方案。必要的使用,可以使用统计学的方法高效分析。例如:SWOT分析,4P理论,5W2H分析法等。

        制定合理的分析思维导图

        我们在面对所谓的分析项目时,会对大量的数据措手不及,感觉什么都可以分析,每一个分析观点都可串联,那么在这种时候我们就需要切入业务,去合理的制定分析计划,系统性的分析,确保分析的完整性和准确性。

        对于结果的解释

        我们产出的所谓的结果,一定要提出论点,提出解决方案。要能做到在给别人输出内容时,做到游刃有余。

 

总而言之,数据分析是职场的万金油。未来一定是数字的天下,希望对各位有所启发。

PS:技术永远是辅助,业务的理解才是王道。学无止境,加油吧!!

祝读者越来越有钱,越来越有成就。

有想学习的可以私信我~

 

  • 48
    点赞
  • 26
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值