相比問這個問題的人應該是剛入行資料分析的，那我就以過來人的經驗，說說入行資料分析師3年的成長要點和規劃。

去看招聘資訊時，這個時間內的分析師還是以技術、工具為主，因此3年內大家大部分時間都集中在工具、技術的研究，沒辦法，要先活著，得有份工作，3年後許多分析師才慢慢會有自己的思考和職場焦慮。下面的幾個點，也是我曾經用到的一些要點和思考，歡迎交流

經常看到一些人寫文章，大多數人引用別人的資料，用一張看似完美的圖表，來瘋狂做自己的觀點輸出，然而你仔細看看資料報告的背景she"ji、資料的來源、統計的口徑、時間維度等，你會發現他的觀點其實是在自圓其說

舉個栗子：都說轉行AI即可年薪50萬，轉行資料分析即可30萬，市場需求幾千萬人

聰明的人都會去看這個分析的背景，前因後果是什麼？指標的定義是？資料可信度多大？

在資料分析中最重要的不是資料看到的結論，而是資料背後的意義

你的分析物件是誰？你的資料如何採集的？你的統計口徑又是什麼？這些都至關重要，帶著這些問題去看一份報告，你才會產生自己的看法，而不是被別人套路，盲目跟風，到頭來你還是一場空

這種深度思考報告的背後比看報告更有價值，你可以不是專業的資料分析師，但你必須要有資料分析師的思維

我們在看待任何問題時候，往往要多一些場景的假設和驗證，你才能看透某件事情，比如前幾天一個學員，給我發來一份簡歷，讓我幫看看，我看到這麼一句話：

工作成就，在XXX專案中幫助公司實現使用者60%的增長

第一眼，我看過去，我靠，牛逼！但仔細想一想，還有幾個問題有待商定

1、站在管理層，你花了多錢換來60%增長？

2、站在同行，你這個活動的特點是什麼？和以往類似的活動比，這次真的好嗎？同時期競爭對手在做什麼？

3、站的資料分析師角度，你這個活動的時間維度是什麼？有沒有排出行業本身的因素（季節性、自然），活動評估跟蹤的方式是什麼？資料如何採集

4、站業務的角度，你對比的是什麼時間，這個時間前後有沒有什麼事件發生，最近一段時間使用者的增長程度如何？對比是2個數據的比較，一個過大、一個過小，很容易完成60%

等等，還有很多要考慮的

所以當我們看待一個問題時，一定要站在整個公司不同人、不同級別的程度去看待某個業務，這樣你後面的思路和深度會更加清晰，一定要養成這種習慣

好多人學了幾百G的影片，看了幾十本書，換來的還是職場的現在的自己，在職場一定要定期學會梳理自己的知識體系，最簡單的方式就是拆分自己的各種技能看不足之處，再設定目標去改進，最後在階段性對比，看看到底有沒有改變，拆分、對比、合併也是資料分析師常態化的思維

其實職場的關鍵技能學習也就10年的時間，10年後也許你看的書都是管理類、商業類、社會類的書籍，如何你不能清晰的梳理自己利弊，那麼你薪資和職場很難一帆風順，別人並沒有看到你過人之處，高手與低手差別並不是在於工具、而是在於你看待問題的深度、廣度

我經常也看一些學員的學習筆記，也希望大家多看看別人的筆記，特別同在一個學習小組，學同樣課程的，每個人認識和認知都是不一樣的，結構化思維拆分的方式也肯定不同，有的喜歡從課程難易程度去分解，有的喜歡從整個資料分析流程去梳理，有的喜歡從不同演算法的場景去歸納，這些對你梳理都是很有幫助的，師夷長技以制夷，不要老去吐槽別人，要善於吸收別人的體系，融合成你的體系

舉個簡單栗子，指標體系一般是一個分析師常具備的技能，很多人梳理指標體系時，只是羅列了N個sheet，並沒有去歸納和梳理

在企業裡面，你常常會看到很多優秀分析師做出來的指標體系，讓大BOSS會高聲喊贊，注意幾個要點

1、大而全，一定要站在公司未來發展的戰略上去詳細梳理，梳理出目前擁有和未來一定要有的

2、歸納，根據業務的形態對指標進行歸納，比如規模類、趨勢類、盈利類、驅動類、核心類等等，類似聚類分析一樣，給指標做出業務的畫像

3、電路圖，我們都學過電路，知道並聯、串聯，那一樣要將這些指標與業務場景和發展的週期進行電路分析，那些指標是串聯的，那些是並聯的，那些是可以遞推的，這點很重要

4、落地，要梳理出什麼指標是日報用的，什麼是週報用的，什麼是月報看的，指標異常的設定，達到什麼程度時，我們一定要介入專題進行分析

要模仿什麼？當然是別人、你覺得優秀的分析思路、分析報告

一定要多看看行業報告，行業報告一般都是一個行業的通病和關注的核心方向，要提煉其中的思路轉變成自己的，主要關注3點：1、整體報告邏輯；2、指標體系的設定；3、分析的角度；

光有這些還是不夠的，還要學習方法論，這裡的方法論不是演算法，可以理解為商業分析模型，比如5W2H、SWOT、使用者生命週期、漏斗、AARRR等等，這些框架樣式的模型就是你分析的思路，剩下的就是指標的設計和分析體系，看似簡單卻很難，這需要大量的專案或者企業內部的最佳化。

模仿很懂，從行業的資料產品工具出發，理解這樣設計的意義及行業的痛點、分析的方向是什麼？

多去看一些資料產品的設計，比如網站分析，看GA、百度統計，APP看友盟、ThinkingData等，使用者行為就去看看CRM、神策、GrowingIO等，有的產品工具把每個主題進行了劃分，而且裡面的呈現方式都是經過好多迭代的，拿迭代的依據就是他們客戶的需求，這就是你要分析的方向，未來要關注的，提早做好儲備的方向。

閉著眼睛想一想，一個月的薪水除了支付房租和日常花銷外，幾乎沒有剩餘，甚至還有負債，而你唯一的收入是“工資”

換句話講，沒有了工作，吃飯都是問題，設想一下，離開職場了，我們的活路在哪？

用2個常用的邏輯：

推理思維：家裡沒錢，要上班，不上班沒人給錢

演繹思維：被公司KO了，我就完蛋了，要努力幹好，可領導不好把控

那還有活路嗎？

做生意？沒頭腦

要創業？沒資金

要賺錢？沒路子

要暴富？沒人包

那不妨就從3方面全面提升

1、讓自己變得更專業，知識與職場的鍛造

2、藉助網際網路讓自己變得更有名氣，玩名氣價值

3、讓自己的人脈更廣

這樣簡單吧

1、職場上好好幹，沒事就學習，多和同事交流

2、網路上塑造自己，多分享，但要專注

3、有事沒事參加一些活動，針對性的參與

最後送一段，2012年寫的資料分析5步走：

1、鎖定分析目標，梳理思路，叫紙上談兵；

2、把雜亂的資料整理出圖表報表，用資料探業務，叫自問數答；

3、鎖定核心抓重點，設定最終演算法，叫挾天子以令諸侯；

4、梳理重點發現，準備劇本開拍，接受PK，叫才辨無雙；

5、效果梳理，總結經驗，叫內視反聽。

文源：小鄧種草

畢業後就開始從事資料分析師工作，第一家公司給了我入門的機會，同時也培養了我作為資料分析師應該具備的技能，讓我在後面的工作受益匪淺。總結一下就是：

1、先學會從資料庫取到目標業務資料，就是要會sql。這一步很重要，不會自己取數，會吃大虧，因為別人並不完全理解你想要什麼資料，往往拿到的資料用不符合要求。

2、理解業務需求，明確到底要採用什麼資料分析方法，如果自己沒什麼頭緒，就需要多向公司前輩多請教咯，還有搜尋相關案例。

3、熟練應用辦公軟體，特別是PPT和excel，做分析報告不可或缺的。

4、會寫資料分析報告。

1、 理論基礎

作為一名合格的資料分析師，你需要有應用數學、統計學、數量經濟學專業數學知識背景。主要的學科知識背景需要有高數、線性代數、數理統計與機率論、計算機基礎、統計學等相關課程的學習，這些理論知識是背景支撐，不是都要面面俱到的，遇到比較困難問題時能夠查閱相關書籍資料能弄明白即可。

2、技能

Excel等辦公軟體，Python或R程式語言，常用用作資料分析處理的工具主要有spss、r、python、sas、Matlab、Eviews、ExcelVBA、IBM等幾種工具我們至少要學會一種，常用的資料庫有access、Oracle、sql server、mysql、mangodb等選擇其一學習（建議mysql或者sql serve）。資料探勘演算法，是一名中高階資料分析的必備技能，也是資料建模、資料探勘的必備知識，常用的演算法有決策樹、迴歸方程、聚類分類、關聯規則、線性判別法、貝葉斯分類器、Knn演算法（k近鄰演算法）、人工神經網路(ANN=Artificial Neural Networks)、支援向量機(SVM)等常用演算法，不是一開始每一個演算法都會的，需要慢慢積累，學以致用即可。

3、業務理解能力

資料分析師是沒有行業限制的，技能要求都大同小異，只需要我們能夠選擇行業和能儘快理解行業，理解公司業務並提供分析幫助即可。

怎樣成為一名資料分析師？需要學習什麼技能？

https://www.toutiao.com/i6668132498532205067/

舉個例子：醫生給病人看病，一定是需要即時的檢驗資料，最起碼也是當天的，才能做出精準的判斷和分析，確定病人此時此刻的身體狀態。如果用昨天的資料行嗎？不行，一定會誤診。

企業也是一樣，需要的是今天或此時此刻的資料，那麼你怎麼獲取資料？這些資料用什麼承載工具？透過什麼快速的分析？分析的結果是多少分鐘呈報到決策者？資料的時延性是多長？

舉個例子：蒐集競爭對手價格對於市場的影響進行分析判斷。你的統計工具落後，統計方法不先進，分析時間長，等你出來結果，對手早就佔領市場了，不是嗎？有多少企業是不是輸在產品、不是輸在策略，而是輸在資料分析上，職場人應該仔細思考。

現在很多企業的HR，在招聘資料分析師時，很多都是要求IT專業，不信可以去看看獵聘、智聯。其實IT知識搭建資料採集平臺和構架，資料分析應該有這方面的能力，但不代表IT人士就一定能做資料分析，所以這是一個誤區。

也就是說，你要知道公司是幹什麼，業務是什麼，流程是什麼、產品是什麼、哪些因素影響業務，否則，你出來的分析就是浪費時間、浪費紙張、浪費感情。無的放矢，資料是沒有用的。資料是什麼？是為公司主營業務服務的。

2.一個好的資料分析師一定要懂資料獲取點。

企業需要的資料有很多，究竟哪些資料是有用的哪些資料是無用的，要有甄別，不要一幫人統計半天，這些資料都沒有用。所以，要在甄別之後，建立資料採集點，然後按照時效、真實的要求提報，才能有作用。

3. 一個好的資料分析師一定要會開發資料承載的平臺和工具。

4.一個好的資料分析師一定要會分析資料。

5.一個好的資料分析師一定要能很好的呈現資料。

費了半天勁分析，建議和結果出來了，就整個WORD A4紙顯然不是最佳的選擇，不同的資料分析結果要求有不同的呈現形式，需要資料分析師針對性的設計，才能完美體現資料的魅力和效用。

【1】找到如何透過資料衡量產品。對於同一產品，針對不同的場景需要要的指標可能又是不一樣的。比如說 Uber 在初期，有多少司機（供給方）可能是一個很重要的指標，而發展一段時間之後可能是交易量。

【2】找到如何可以驅動產品的指標。

對於同一產品，針對不同的場景需要要的指標可能又是不一樣的。

【3】跟產品經理、工程師等合作尋找改進產品的機會。

【4】幫助產品做決策。在網際網路行業，任何時候都有幾十上百甚至上千個事情需要做的，那麼哪個是最重要的、最需要解決的？哪些改變是有可能帶來產品的改進的？這些都需要你的幫助。

【5】產品資料追蹤。要對產品做資料追蹤，就離不開不同維度的資料，把它們做成報表，需要你的配合，有時候這也可能是資料工程師的工作。

【6】尋找新的領域。在產品的不同發展時期，側重點可能是不一樣的。如何確定產品在哪個時期？在不同的時期又如何找出可以推進產品的方法？這些也是你的工作。

【7】給團隊設定目標

【8】提供資料支援

最後，我們來看看如何成為一名資料分析師呢？接下來主要從技術知識層面來分析。

1. SQL（資料庫），我們都知道資料分析師每天都會處理海量的資料，這些資料來源於資料庫，那麼怎麼從資料庫取資料？如何建立兩表、三表之間的關係？怎麼取到自己想要的特定的資料？等等這些資料選擇問題就是你首要考慮的問題，而這些問題都是透過SQL解決的，所以SQL是資料分析的最基礎的技能。

2. 統計學基礎，資料分析的前提要對資料有感知，資料如何收集？資料整體分佈是怎樣的？如果有時間維度的話隨著時間的變化是怎樣的？資料的平均值是什麼？資料的最大值最小值指什麼？資料相關與迴歸、時間序列分析和預測等等，這些都需要掌握。

3.Python語言或者R語言的基礎，這一點是必備項也是加分項，在資料探勘方向是必備項，這些計算機語言比工具更加靈活也更加實用。