小白逆袭大神的必学攻略，一夜蜕变，游戏数据小白成大神

“数据分析”作为近几年最火热的词汇，越来越受到大家的关注。但和一些应届生或者数据分析师沟通时，发现很多人都对数据分析的职业规划很迷茫。

“0基础入行数据分析要掌握哪些技能？”

“怎么能最快找到数据分析工作？”

“数据分析师未来的发展方向是什么？”

本篇我们主要从业务方向的数据分析入手，聊聊数据分析的入门条件及职业规划。

1、数据分析是什么？

数据分析是有关“数据”类岗位的总称。从事这些工作的人，通过分析数据发现业务问题，洞察商业机会点，为运营活动、业务增长及企业发展提供合理建议及参考依据。

数据分析主要是与数据打交道，但数据分析≠分析大数据，所以大家不要对这个职位产生恐惧感，零基础转行数据分析是可行的。要入门的话，3个月的时间也是足够的。

需要注意的是：

1.如果本身对数据不敏感，或者看到复杂的数据就眼晕头疼，那说明你可能不太适合这个岗位。

2.目前数据分析已不再是专职技能，而是职场人必备的通用技能，建议每个职场人都可以学一下，会让你在职场竞争中更有优势。至于是否从事数据分析工作，还是看你对数据的敏感程度以及你对这个岗位的热爱程度。

2、数据分析岗位方向及工作内容

数据分析可以简单分为业务和技术2大方向：

业务方向——数据运营、数据分析师、商业分析、用户研究、增长黑客、数据产品经理等

技术方向——数据开发工程师、数据挖掘工程师、数据仓库工程师等

业务类岗位的数据分析师大多在业务部门，主要工作是数据提取、支撑各部门相关的报表、监控数据异常和波动，找出问题、输出专题分析报告。

在日常工作中，业务部门往往更关心某个指标的为什么下跌或上升、产品的用户属性是怎样的，如何更好的完成自己的KPI等。

以活跃指标为例，数据分析人员通常要解决以下问题：

指标下跌了多少？是合理范围内的数据波动，还是突发式?（what）下跌是从什么时候开始的？（when）是整体用户下跌，还是部分用户？（who）下跌的原因是什么？产品更新？还是某个渠道推广到期？（why）怎么解决下跌的问题（how）

在经过了数据提取-数据清洗-多维分析-交叉分析等一系列步骤之后，你发现是某个地区的活跃下跌了，但这并不能作为分析的结论。因为某个地区的活跃下跌只是现象，并不是根本原因。

所以数据分析师要解决的是，为什么这个地区的活跃跌了？是政策因素？还是竞争对手？或者是渠道问题，这些都是需要深入分析的范畴。

找到原因后，数据分析师还需要预测未来的发展趋势，根据目前的分析结果输出可执行的改善策略，最后推动业务部门落地，再次复盘效果，最终形成闭环的分析路径。

对数据分析师而言，解决问题只是一方面，另一方面数据分析师的职责是将业务数据体系化，形成一套指标框架。比如活跃下跌，本质上也是指标问题，如“日活”等指标。

技术方向的岗位如数据挖掘/算法专家等岗位有的归在研发部门，有的则单独成立数据部门。与业务方向的数据分析师相比较来说，数据挖掘工程师要求更高的统计学能力及编程技巧。因为数据挖掘工程师对工具的要求比较高，所以数据挖掘的平均薪资也会高于数据分析师。

3、数据分析师岗位技能要求

对业务方向的数据分析师而言，掌握工具只是基础，还需要对业务有深入的理解以及较强的数据分析能力。

在工具使用上，数据分析师需要掌握Excel、SQL、PPT、Python等工具。

Excel是日常工作中用到的最多的工具，常用的函数及数据透视表都要学。SQL是数据分析的核心工具，主要学习Select、聚合函数以及条件查询等内容。Python重点掌握Pandas数据结构、Matplotlib库、Pyecharts库及Numpy数组。

关于工具的部分，需要注意不同行业对工具的要求会有差异，比如金融行业会要求SAS等工具。一般情况下Excel、SQL、PPT、Python这4种工具就能搞定大部分数据分析工作。

除工具的使用外，数据分析师要了解基本的统计学知识及数据分析方法。

统计学知识：环比、同比、概率分布、变量、抽样等。数据分析方法：假设检验、回归分析、漏斗分析、多维分析、对比分析等。

针对0基础的小伙伴，建议大家先将精力放在数据分析的思路和训练上，多去看一些商业数据模型和数据分析案例的资料，最终形成自己的分析思路。千万不要一上来就啃Python，可以先上手Excel SQL这2个简单的数据分析工具来入门。有SQL基础后再学Python会相对容易些。

4、数据分析师的成长路线

业务方向的数据分析师有2条发展路径。

一条是专精业务，晋升成为商业分析师、战略分析师或管理岗。从业务型发展上来的好处是具备商业网洞察能力，这点是直接做数据挖掘所不具备的。另一条是提升技术能力，成长为算法专家或数据科学家。5、如何快速入门数据分析

应届生想要入行数据分析，建议先做学习规划：

明确自己想走业务方向还是技术方向。充分调研目标领域的行业知识，了解行业背景及行业相关的指标（在行业的选择上，擅长的、热爱的和有发展前景的即是最佳行业领域）了解目标行业常用的数据处理工具、数据生产流程及数据应用。针对数据工具进行系统性学习。

0基础转行数据分析，建议先罗列自己的个人优势和行业背景，找到最佳突破口：

如果有运营相关经验，基础工具掌握一般，可以先学习SQL，再从数据运营岗入门。如果有产品经验，对交互设计和用户体验有深入的理解，可以选择数据产品经理。如果有金融、物流等行业工作经验，可以借用行业优势，转到相关行业的数据分析岗位。

也就是说，转行数据分析的路径不只有一条，我们要做的是根据自己的背景及优势，找到最适合自己的那条路。

6、总结：

作为一名合格的数据分析师，你需要至少以下三点技能：

必要的SQL、Excel pythonR技能；正确的理解业务；基本的数据使用意识和学习能力。

转行过程中个人必要技能的锤炼是很重要，但保持良好积极的心态也是转行成功的必备要素之一。

转载自公众号爱数据LoveData