作者 | 熊猫教授 整理 | Emma
来源 | 熊猫教授（ID：IT_ProfPanda）
随着AI时代的到来，数据分析师成为职场上的抢手货，工作体面、收入高。许多读者不免好奇：数据分析师，需要怎样的技能呢？自己如何才能培养这些技能呢？今天我来聊聊数据分析师的必备技能吧。
根据数据分析师常见的工作流程，我把能力分为以下几大方面：商业理解和问题分析、数据处理和展示、洞见的产生、团队的合作。
1
商业理解和问题分析
上一次咱们提到，数据分析师其主要的工作职责是使用数据、生成洞见、最终帮助领导层做出业务决策。
数据分析项目常见的开始步骤包括，对业务进行深入的理解，并弄清楚如何使用数据驱动的方法解决不同的商业问题。所以在商业理解和问题分析方面，你需要培养并具备相当的能力。
不过说实话，这种能力很难在书本上直接获得。例如，金融业的数据分析和信息安全领域的数据分析就很不一样。金融业侧重的是针对企业财务状况、银行投资风险、客户精准营销等等的分析。
而安全领域侧重的是针对电脑病毒攻击、网络骇客入侵、在线资产欺诈等等的分析。不同行业对具体的数据分析要求也会不同。我建议找一些实习的机会，尝试不同的领域，在每次项目结束后做好总结，记录自己的心得体会，慢慢积累经验。
2
数据处理和展示
说到底，数据分析是一项技术性很强的工作，所以对各种大数据技术的要求还是很高的。由于这个领域发展的太快，所以涌现出很多种类的编程语言和工具，这里我将其中一些整理了一下，大致地为下面几类，供你参考：
一、数据处理
数据处理，最基本的内容就是行话里的ETL，是数据分析工作的基础。而其鼻祖应该是SQL（结构化查询语言）了，它是无处不在的行业标准数据库语言，适用于所有关系型数据库，是数据分析师最基础、最重要的技能之一。
大体上SQL语言需要完成3种功能：数据的定义、数据的操作和数据的控制，而对于数据分析来说，数据的操作是最为重要的。如果你想使用大数据，学习 SQL 也极有可能成为关键的第一步，例如Hive所使用的查询语言HiveQL基本上就是SQL的一种特殊版本。能够运用SQL语言进行查询的工具包括MySQL，微软的SQL Server，Hive等等。
当然，数据处理的进阶版本，应该是能够使用人工智能（AI）和机器学习（Machine Learning ）技术进行基本的建模。虽然不是每个数据分析师都需要使用机器学习，但是如果你希望成为行业中的翘楚，那么了解和运用相关的概念以及工具就变得很重要。
机器学习历经了多年的发展，演变出不同的学术流派和丰富的算法模型。比较常见的分类包括监督式学习和非监督式学习。不过，无论哪种流派、哪种模型，都是尝试在数据中找到规律，并将这些规律运用到对已发生的事件进行解释，或者是对未来的可能进行预测，这个时候SQL之类的ETL语言可能就勉为其难了。
可以让你进行人工智能和机器学习实践的工具或平台有很多，例如Spark和Python语言都提供了相关的机器学习包（库），而像TensorFlow和PyTorch之类的语言专门为深度学习提供了便捷的开发舞台。
二、数据展示
对于数据分析师的观点表达来说，使用数据讲述引人入胜的故事是至关重要的。所以在不同的场合，数据分析师都需要使用引人注目的高质量图表，以清晰简洁的方式，合理地展示数据。例如，通过可视化来了解数据的分布，或者通过图表来向业务部门解释所得到的结论。
由于数据展示的重要性，专门的数据可视化学科也应运而生，旨在使用统计图形、图表、信息图表和其他工具，使复杂的数据更容易理解和使用，最终达到清晰有效地传递信息的目的。作为最基本的办公软件，微软的Word和PowerPoint就提供了足够的图表展示功能。
三、处理和展示
你可能会好奇，为什么在之前我们没有提到某些常用的数据处理或者可视化工具。这是因为其中的一些，同时具有处理和展示的能力，我特地将他们总结在第三类。这其中最典型的代表就是微软的Excel。
当我提到Excel 时，你首先想到的可能是电子表格，实际上这个工具内部包含了很多的数据分析能力。你能够使用各种函数和宏进行小规模、快速、准确的分析，更为重要的是，你能很轻松地在数据集上创建各种图表，进行数据的可视化。
如果你在一家初创公司或者非IT行业的公司工作，碰到的第一个数据分析工具很可能就是 Excel。这么多年来，Excel一直是各个行业企业的中流砥柱，而且积累了大量免费的在线资源。
虽然Excel是很好的数据分析入门工具，但是它最大的软肋在于处理数据的规模和速度。如果你需要及时地处理百万级甚至更大量的数据记录，像 R 、SPSS 、SAS、MATLAB、Python和Spark这样的编程环境或者说语言就更加适合了。
R、SPSS 、SAS和MATLAB都自带很强大的分析以及可视化模块，其中R还是免费的。Python和Spark都是从编程语言起家，分别注重于科学计算和大规模并行处理。
好在随着Python生态系统的完善，也出现了很多数据可视化的库，因此也给Python和Spark这类编程环境赋予了数据可视化的能力。另一个需要提到的工具是Tableau，该可视化软件被认为是行业标准的分析工具，其用户友好性确实让人耳目一新。同时，它也允许你连接SQL之类的查询器，可以很容易的将数据分析和可视化结合起来。
虽然说数据处理和展示的技术五花八门，但是这些内容的参考资料非常丰富，你可以选择相应的教科书和在线课程来逐步提升自己的技能。
3
洞见的产生
当我们评价一个数据分析师是否优秀，往往会看一个重要的能力：洞见（insights）生成。简单的说，就是能够根据所分析的数据，得出合理的结论，并给出有价值的建议。当然，要做到这点并不容易。
数据分析师的职责是发现和综合并非总是那么清晰的联系。你可以尝试一些批判性思维的技巧，并记住独立思考，而不仅仅是依赖已经存在的东西。和商业理解与问题分析能力一样，这项能力有很难从书本上学到。
不过，如果你已经具有很深的业务领悟力，过硬的数据处理技术，独立的思维方式，那么你就具有了产生洞见的先决条件。多和行业里有经验的前辈交流，从他们的深刻分析里学习如何进行逻辑性的思考和推理。
4
团队的合作
最后就是团队的合作能力，虽然这点是最后提到的，但它非常非常的重要。这是因为数据分析师的工作往往涉及公司业务的多个环节，需要和不同的部门打交道，熟悉他们的业务内容，整理他们的数据需求，所以跨团队的沟通与协调是必不可少的。
另外，在沟通的过程中，我们还需要注意一个容易被忽视的技巧：演讲。作为数据分析师，要能够在最短的时间里，将复杂的问题说明白，将自己的观点表达清楚，最终获得合作伙伴的认同。同样，这类能力也是需要通过实际的工作经历来打磨，才能得以不断地提升。
总的来说，数据分析师需要具备相当的数据科学知识，一定的数据操作技能，同时对自己所处的行业非常了解，可以将所学的技术运用其上，对现象进行解释，最终为公司决策给出合理的方向。如果你对这个岗位有兴趣，不妨从这些方面入手，多多学习，一定会有所收获。
作者简介，熊猫教授，一位定居美国的计算机科学家，交大计算机博士，发表过20多篇国际论文和30项国际专利。曾任职于微软、IBM、eBay，出版过四本技术畅销书，极客时间3万畅销专栏作者。
-- END --
老K推荐你关注熊猫教授，一个有趣的计算机博士！
大家在看：
6.阿里彻底拆中台了
扫一扫
378
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
