一篇文章带你认知什么是真正的“数据分析“

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~