只会sql, tableau, excel可以做数据分析师吗？

1. 先说结论

如果只会 SQL、Tableau、Excel，其他方面一概不知的话，很大概率做不了数据分析师，因为数据分析师的竞争已经越来越卷，无形中拔高了数据分析师这个岗位的准入门槛。

这里没有刻意制造焦虑的意思，感兴趣的同学可以去了解一下，数据分析师对口专业之一的应用统计专业，这几年的考研分数水涨船高，很多高校初试没有 400+，估计连复试都进不了。

SQL、Tableau、Excel 都是数据分析师应该掌握的硬技能，不同公司使用的工具会略有不同，这些通过短期的学习和实战，都是可以快速提升的。

而数据分析师需要掌握的软技能，包括分析思维、业务知识、沟通能力、汇报水平、对数据的敏感度等等，才是决定数据分析师上限的 X 因素。
 

2. 数据分析师小王的一天

我们以流水账的形式，来围观一下某电商公司数据分析师小王真实的一天，看看数据分析师主要做哪方面的工作。

上午 9:30：
刚到公司，业务 A 就来找小王了，"昨天 BI 报表里的 GMV 数据是不是不对，怎么一点增长都没有？我们搞了力度比较大的活动"，小王看了一下 BI 报表对应的 SQL，开始排查问题。
根据以往的经验，小王怀疑很可能是流量端出了问题。通过拆分不同流量来源的 GMV，小王发现有一个流量的数据明显有异常，排查后发现原来是开发同学新增了一个流量来源，并没有告知他，导致该流量的数据没有统计到，经过处理后，GMV 数据恢复正常。


上午 10:30：
业务 B 急急忙忙地来找小王，"帮我拉一下去年大促期间热销 Top20 商品的销量、GMV 和 毛利率，老板要用来定今年大促的目标，很急的"。这种临时的数据需求，本来是要走排期的，但看在和业务 B 关系比较好的份上，小王三下五除二就写完 SQL 统计好了，业务 B 很开心，表示下午要请小王喝 奶茶。


上午 11:00：
业务 C 找小王沟通之前做的一个渠道报表的统计口径变更问题，同时想要加一些使用时长的指标，以便能更全面地评价投放渠道的质量，需求先排在了需求池里，重要但不紧急，等有空了再改。


下午 13:30：
小王刚午睡完，就看到业务 D 走了过来，“上周新上的详情页 AB 测试，实验组和 对照组数据看起来差距怎么这么小，数据没问题吧？” 小王看了一下，没发现什么问题，建议业务 D 把实验组的流量加大一点，从 10% 增加到 30%，再观察几天看看。


下午 15:00：
小王去找业务 E，和开发、设计、测试同学一起参加版本 V6.1 的需求 评审会，会上小王提了几个埋点相关的问题，鉴于这次 埋点的需求并不多，小王觉得过两天就把埋点设计文档给到开发同学。


下午 17:00：
业务 F 来催小王，问什么时候可以把上次运营活动的复盘报告写好，小王说快了，再补一些数据。拖了这么久，主要是因为本次运营活动的数据并不亮眼， 小王分析起来也没有什么动力，要是数据好的话，报告估计早就写完了。


晚上 19:00：
终于没有业务方来烦小王了，可以静下心来做 复购率的专题分析，这个分析对小王来说至关重要，月底的 OKR 全靠它了。如果能挖掘出一些有用的点，并且推动业务落地的话，离升职加薪就不远了，以后 跳槽也能用来吹吹牛逼。


晚上 21:00：
小王突然想起来， 留存率预测模型有几个特征还需要 优化一下，下班前改完的话，可以在服务器上跑一下离线数据看看效果。噼里啪啦一顿狂敲 键盘，代码居然没有报错，小王心满意足地提交了代码，收拾东西准备下班。


晚上 22:00：
打卡，打车回家。

3. 数据分析师的工作内容

总结一下的话，数据分析师的主要工作包括以下方面：

1) 临时数据需求：
产品、运营、市场等业务同学每天都会有大量的数据需求一个接一个提过来。

排好需求的优先级，能砍掉的需求尽量砍掉，活是永远都干不完的，心态要保持淡定

2) 指标波动排查：
今天的 GMV 为什么降了这么多，日活怎么突然涨了 20%等等，业务关心的核心指标，如果出现较大的波动，都需要去排查原因，给出合理的解释。

具体分析的方法就是拆分维度，比如分操作系统、分渠道、分新老用户、分版本等维度去看某个指标的波动，大部分情况下都能找出问题

3) 做 BI 报表：
数据分析师需要梳理出一套能够反映业务现状的指标体系，在这个基础上，搭建出大量的 BI 报表，以满足各个业务方的数据需求，并做好核心指标的监控预警。

不同的公司做报表的工具不同，有些可能直接购买了做报表的软件，如 Tableau、Quick BI、Power BI 等，还有些可能是公司内部开发的报表平台。用什么做报表并不重要，重要的是一定要做报表，不然老板上哪看数据呢？

4) 埋点设计和验收：
通过埋点可以获取到用户的大量行为数据，从而进行各种分析，挖掘出产品的优化点。比如分析用户下单的漏斗，找出哪个环节的转化率比较低，之后就可以设计优化方案，需要特别注意埋点的数据质量问题。

数据分析师在给出埋点设计文档后，研发会开发好埋点，之后数据分析师和测试要一起对每个埋点进行验证，是个苦力活

5) AB测试：
小到新用户注册页按钮的颜色，大到商品详情页的改版，对于数据驱动的互联网公司，都开始通过AB测试的数据，来决定产品迭代的最终方案，而不是由产品经理拍脑袋。

AB测试的基本原理要掌握，不知道的话可以去翻一下统计学的书，头条发布一个新 APP，名字都必须打 N 个包放到各大应用市场进行多次 AB 测试才能决定，你说 AB 测试重不重要？

6) 写分析报告：
运营搞了一个拉新的活动，想对活动的效果做个复盘，需要找数据分析师出个报告。数据分析师自己也可以做一些探索性的分析，比如研究一下用户留存的影响因素，流失用户的特征分析等等，最后出个报告，总结一下自己的劳动成果。

分析报告是可以体现数据分析师价值的地方，好的分析报告，要能够指出问题、给出方案，最重要的，要争取得到业务方的认可并推动落地，没有那么的容易，但很有价值

7) 模型开发：
有时候，也会涉及到一些建模的工作，需要写 Python 或者 R 代码调包跑模型，不同的公司对数据分析师建模的要求不太一样，这里就不展开细说了。

这块一般不是数据分析师工作的重点，会更好，不会也无妨，毕竟有专门的算法同学来搞模型，但基本的逻辑回归模型、决策树、XGboost模型还是要知道的，因为面试会问

以上每项工作内容，都会涉及到数据的统计，所以数据分析师通常自嘲为"取数器"，对 SQL 查询语句的熟练程度，很大程度上会决定你取数的效率，所以一定要掌握好 SQL。

关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、Python练习题

检查学习结果。

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

 最后祝大家天天进步！！

上面这份完整版的Python全套学习资料已经上传至CSDN官方，朋友如果需要可以直接微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】。