数据分析师要具备哪些基本技能？—

很多同学很困惑：想做数据分析师，结果学了一大堆ESP软件操作，看了一堆统计学、机器学习书、跑了很多数据集，结果入职以后每天都在取数——而且还是很基础的数据。

那到底自己算不算入门？啥水平才算是真正的数据分析师？今天系统讲解一下。

本质上看，问题来自于：网上对数据分析的描写太过理想化，把原本需要综合技能的工作，抽象成一些列简单操作。

从而造成了一种错觉——只要我对着案例抄一遍代码，会做几道SQL题，会把模型代码输入Sklearn跑一遍就算是数据分析了。

可实际上，作为一个工作，数据分析需要在具体企业上班，面对具体业务问题，应付具体的系统状况，和各色同事打交道，需要的远不止基础操作（如下图）。

况且，刚入门新兵，干的最多的就是跑数，就是脏活累活。

招你进来不干脏活累活，难道让老鸟们干吗；原本抱着“数据驱动业务”“成为数据科学家”的理想，一下办成扫地抹桌倒尿罐，巨大的心理落差肯定让新人接受不了。

唯一的问题是：如何在枯燥烦闷的基础工作中积累四大技能，尽快让自己脱颖而出。

一、业务理解

不懂业务肯定分析不出个屁，可业务本身含义非常广泛，分为：商业模式、组织架构、业务流程、业务策略、落地执行五个部分，一次性指望新人全部搞懂是不现实的。

作为入门级数据分析师，最核心的是搞明白以下五个问题：

1. 到底我们有几个部门？
2. 我目前对接的事哪个部门/小组？
3. 他们最关心什么是什么？
4. 他们最近在干什么？
5. 他们要的数据用在什么地方？

这五个问题非常简单，只要看一眼OA，在接数据需求的时候和对接人聊上两句就能整明白。

虽然简单，但这一步非常关键：

• 一来，没有任何一家企业严谨到把所有业务流程都写成SOP，所以想真实了解业务，必须具体沟通；
• 想深入分析，想影响决策，都是从和业务搞好关系开始，平时的沟通是必不可少的；
• 业务常关心的指标，判断标准都能理解。

这是做工作和学课本的最大区别，现实企业里没人把东西准备好了喂进嘴，必须自己动手。

二、分析技能

入门级数据分析师都抱怨：每天都在跑数，不知道咋分析。

其实只要懂得做下边这张图，就算入门级分析技能合格，就这么简单（如下图）：

找标准至关重要！因为数据本身不反应问题，数据+标准才是问题。

没有标准，就意味着没有分析结论；标准模糊、善变，就意味着是非对错的判断会完全颠倒，分析经验无法积累，模型也没法标准正负样本，更谈不上训练模型；想做深入分析，也会无从下手。

可实际上，大部分新人都是：不懂寻找标准，只知道罗列数据。

因为标准问题常常被忽视，甚至很多工作5年的老人，一张嘴都是：“这个习惯上算好”，至于习惯到底是啥，根本说不清楚。

甚至很多网上教数据分析的课，都是教：“跌就是不好，涨就是好，跌了要搞高！”真让人怀疑这些网课老师有没有坐过正经公司的办公室。

找标准的能力，是菜鸟到高手进阶的关键一环之一（注意，这里有“之一”）。

作为入门级新人，至少要掌握四种单维度的找标准方法：

当标准涉及2个评价维度时，还需要掌握2种交叉评价方法（如下图）；至于3个维度及以上的评估，已经不是入门级别的要求了，需要更复杂的降维手段，或者综合评估方法。

有了找标准的能力，这样才能在和业务沟通的时候把握主动，体现自己的专业能力；这样才能识别业务是不是在浑水摸鱼、胡搅蛮缠、瞒天过海、掩耳盗铃；这样才能积累分析经验，从而为深入分析埋下伏笔。

总之，在日常工作中要时时刻刻提醒自己：判断标准是什么。

在标准不清晰的时候，努力找标准。

三、工作能力

数据分析只是个辅助部门，需要能来事、扛大旗、立项目，才容易见功劳；因此数据分析师核心工作能力，就是如何攒出来独立项目，但是独立做项目对新人来说太遥远。

新人核心干好一件事即可：做好数据需求表，它大概长这样：

做好数据需求表，是菜鸟到高手进阶的关键一环之一。

• 它是工作量证明；能证明你真的在干活，能在写年终总结、进度汇报、晋升报告的时候作为证据。从而避免平时干到死，论功绩谈不上的囧境；
• 它是标准的取数模板；它能极大避免因为业务方随意要数导致的错误、混乱、重复工作，从而减少无意义的加班和无缘无故的黑锅；
• 它能量化记录业务方感兴趣的问题，为后边引申出项目做铺垫。

这也是新人非常容易忽视的环节；因为所有的网课、教科书、文章都不会提这茬事！

导致新人误以为数据分析工作有全世界统一的标准；结果没和业务确认清楚需求，自己累死累活还不讨好；连基础的跑数工作都组织不好，还想啥项目呢，都是做梦。