視野決定了境界和能力，而所處的環境又決定了視野。好多人不知道什麼是資料分析師，認為會熟練使用Excel就是資料分析師，如果你還會使用Excel中的一些高階功能如透視和函式等等，可能別人就認為你是牛＊的資料分析師了，如果你工作中還用到了VBA，（word天啊！），在別人眼中你就是資料分析大神了。真的是這樣嗎？誠然，單用Excel的確可以解決大部分的資料問題，但是作為一個數據分析師，你並不是一個基層的統計分析從業者，那麼資料分析師應該是怎樣的職業呢？

（一）資料分析師的職場之路

圖1:資料分析職位分類

資料分析的職位分類按照資料處理的不同階段分為資料採集、資料分析、與資料探勘三種。其中資料採集的概念是對企業來說的，是jacky企業（航航資料）在做的事，包括原始資料來源的採集和地理資訊資料的採集，這裡受眾面太窄，就不一一說了，想了解的朋友可以私信我。

下面主要說下資料分析和資料探勘的職位：

大家要記住一句話：資料分析的職位分為業務方向與技術方向兩個方向，這兩個方向決定了兩條不同的職業規劃和晉升途徑，包括下面章節要說的資料分析的學習規劃也跟這兩個方向緊密相關。

1、業務方向

大家在招聘網站中搜索資料分析的職位，大概分為兩類：輔助業務的資料分析職位和資料分析師職位。

1）輔助業務的資料分析：一般在零售業裡職位設定較多，該職位一定要對業務爛熟於心，對業務有長時間的積澱和理解，用資料發現業務流程中的問題，並提出合理化的解決方案，分析資料是為整個商業邏輯去做支撐。細分職位包括：市場調查、行業分析和經營分析三類。

2）資料分析師：業務方向的資料分析師，該職位招聘時一定前面有一個限定詞，什麼資料分析師，歸結起來分為三類：產品資料分析師，運營資料分析師和銷售資料分析師。

2、技術方向

技術方向主要指資料探勘方向，分為三類：資料探勘工程師(機器學習)、資料倉庫工程師（構架師）和資料開發工程師。在網際網路和金融行業崗位設定較多

普遍來說：技術方向的基礎崗的工資薪酬要比業務崗的薪酬高一個等級，但是做到管理崗的話，在中國，業務崗的薪酬比技術崗的薪酬要高。

（二）資料分析從業者需具備的核心能力

我認為，資料分析從業者要具備四種核心能力：1、基礎科學的能力；2、使用分析工具的能力；3、掌握程式語言的能力；4、邏輯思維的能力

圖2:資料分析核心能力體系

1、基礎科學的能力

可以說，在資料決策的時代，資料分析幾乎滲透到企業的每個業務環節中，行業資料分析報告更是淋漓滿目，釋出報告的有的是世界500強企業，有的是知名的資料洞察諮詢公司，jacky做為第三方資料評估機構的從業者，在看到視覺化效果越來越絢麗的同時，我也憂心忡忡，大多數的資料分析報告：邏輯不見了，故事線沒有了，統計學支撐沒有了，金在其外，敗絮其中。

統計學，數學，邏輯學是資料分析的基礎，是資料分析師的內功，內功不紮實，學再多都是徒勞。

掌握統計學，我們才能知道每一種資料分析的模型，什麼樣的輸入，什麼樣的輸出，有什麼樣的作用，開始我們並不一定要把每個演算法都弄懂。

如果我們要做資料探勘師，資料能力是我們吃飯的飯碗。如果你沒有數學能力，用現成的模型也好，模組也好，也能做，但一定會影響你的技術提升，當然更影響你的職位晉升。

2、使用分析工具的能力

資料分析工具：SQL、SPSS、SAS、R、EXCEL等等吧，都必須掌握並且會應用，畢竟企業需要的不是學者而是應用型人才。

3、掌握程式語言的能力

不會Python、不會R，說你懂資料分析誰都不信。

4、邏輯思維的能力

邏輯思維對於資料分析來說特別重要，不單單是數理邏輯這塊，還要有邏輯學的知識。反映商業資料裡，大家可以理解為去搭建商業框架或者說是故事線，有邏輯的推進，結果才會另人信服。

1）提出假設

2）驗證假設（統計方法）

3）取數（SQL / Hive / Spark）

4）清洗和整理資料（R / Python Pandas / PySpark）

5）視覺化（Excel / R ggplot2 / Python matplotlib）

6）展示給非技術人員（PowerPoint / Tableau / iPython Notebook / R Markdown）

（三）2017，資料分析學習規劃

任何一門技術或學科都有其內部規律，需要有計劃，有先後，循序漸進來學，jacky跟大家分享下潤祿資料學院的一些經驗：2017，資料分析的學習規劃（因個體差異，僅供參考）

下圖：橙色區域代表資料採集板塊，藍色區域代表資料分析板塊，綠色區域代表資料探勘板塊。

圖3:資料分析學習規劃（從入門到中級）

1、統計學（業務方向）與SQL（技術方向）：首要必會技

任何資料分析師從事業務方向的工作都必須會統計學，統計學的學習最好輔助SPSS或其他SAS來學，做到資料分析基本功紮實，兼顧實戰性。

任何資料分析師從事技術方向的工作都必會SQL，不單是資料分析師，每一個運營、產品經理、尤其是網際網路行業，一定要會SQL，基本知名網際網路公司的產品經理都能寫SQL。

學習中，要掌握SQL的基礎語法、中級語法和常用函式，結合關係資料庫系統（Oracle Database、SQL Server、DB2等）來學習SQL語句，找好方法，真的不難。

2、Python與R：不分伯仲，都要掌握

Python主要掌握基礎語法，pandas操作、numpy操作、sklearn建模，學會用python編寫網路爬蟲爬取資料，等等。

R語言就是為了統計而存在的語言，我們要掌握R語言的基礎語法、資料管理、資料探勘建模與評估等。

以上是我們第二階段要學的技能。

3、資料視覺化

有了Python、和R的基礎，我們可以就可以學習資料可視化了。運營和產品都需要學習視覺化，視覺化說白了，就是畫圖，但做為資料分析師來說，我們不能用EXCEL 來實現視覺化，因為它的侷限性太大了。這裡也不建議花太多時間學習給非專業人士展示的Tableau，有1個小時學會Tableau足夠。

Python中視覺化的工具有matplotlib,seaborn,ploltly;

R中視覺化工具有plot基礎庫、ggplot2

隨心所欲，用Python和R，你就知道做資料分析工作是多麼爽一個事

4、資料探勘

這裡知道要掌握基本概念，知道資料探勘時做什麼的，知道它與資料分析相比有什麼不同

5、監督學習、非監督學習、模型評估

Model建模，知道模型建好後應該怎樣去評估，掌握怎樣用一些定量的指標，資料，數值來衡量模型建好後到底有多準確，或者說到底有多錯誤。模型評估的指標或計算方式選擇正確與否，能夠直接影響到整個專案獲模型是否有效。

6、以上這些只是資料分析的入門，還有... ...

機器學習，文字與自然語言處理，分散式計算工具SPARK.... ...

資料分析的路上，你準備好了嗎？2017，跟我一起，來逆襲吧

跟大家分享一個職場小白上路的視覺化分析工具。

先簡單介紹下工具：BDP個人版是一款免費使用、免安裝下載的資料視覺化分析工具，透過簡單的拖拽欄位，呈現各種精美的視覺化圖表，資料”小白“也能很快上手。

註冊或登入：可以用手機號或郵箱註冊，免費使用；

3、處理資料（工作表）：

進入BDP後，整個頁面可以分為3個大區：工作表管理、資料處理，以及工作表預覽。這種設計方式，非常方便使用者對工作表進行管理。在工作表管理區域，我們可以新增和檢視工作表，或對工作表的結構進行管理。選擇每張工作表後，可以在右側檢視具體的資料資訊。右上角集中了各種資料處理方式，主要分為對這張工作表進行處理和使用這張工作表進行進一步操作。

4、拖拽製圖（視覺化分析）：現在開始編輯圖表，拖拽不同的欄位進行資料分析，選擇你想要的圖表型別，另外還可以對字進行篩選、顏色等設定。可以透過30多種視覺化圖表直觀展示分析結果。

在“編輯圖表”處，將資料拖到維度、數值欄，即X軸和Y軸，再根據需求進行視覺化分析~資料分析：BDP為了讓使用者拋棄繁雜的函式公式，對資料分析進行了更高級別的處理。你只需在數值欄處選擇分析方式，有求和、計數、平均值等常見計算，也有同環比、留存率、重複率等高階計算。我覺得這一點非常實用。視覺化：為了讓生成的圖表更加美觀，BDP提供各式視覺化圖表，有普通圖表和經緯度地圖，經緯度地圖我覺得是一個很高階的功能，所以放特色功能來講。普通圖表除了常見的柱圖、條形圖、折線圖等，還有一些稍高階的圖表，如瀑布圖、詞雲、漏斗圖、行政地圖、樹圖、桑基圖等。下面分享一個矩形樹圖：

5.資料報表（儀表盤）

資料製作成圖表後，會統一地展示在儀表盤，我稱之為”資料報表“，這樣好理解一些。先展示一個好看的資料報表，是BDP工具提供的示例。

（來自BDP的示例報表）6.特色功能儀表盤分享：資料報表做好後，如果想要分享給領導或同事，只需點選右上角“分享”即可，且分享的資料結果可以實時更新。（注：私密分享是金鑽會員才能用）經緯度地圖：拖拽就能生成經緯度地圖，確實很簡單，也很有特色，上次製作出來的熱力地圖還被老闆誇了，開心，BDP有熱力地圖、氣泡地圖、統計地圖、海量點、軌跡地圖和動態軌跡地圖6種。Excel外掛：為了省去人工分析時間，實現資料實時同步，同步Excel本地資料，Mac和Window都支援。（圖片來自功能更新日誌）圖表聯動、多層下鑽圖表聯動：圖表聯動功能可以將某個圖表作為篩選器，點選其中某一個數據項，與其關聯的圖表將會篩選出所選項的資料內容，快速又直觀。（解釋出自BDP幫助文件）例如上圖，我在左側各地區銷售額中點選“華東”，在右側就會顯示出相應的銷售額曲線。多層下鑽：下鑽是透過增加圖層從彙總資料深入到細節資料進行觀察。透過逐層下鑽，讓我們對資料更加一目瞭然。例如上圖，我想要知道“器具”在“上海”地區的銷售額，那麼只要點選“器具”—“華東”—“上海”，就能馬上得出資料啦～END，希望對您有所幫助。

大家都知道我一直專注於資料分析領域，在知乎上面也發表了些資料分析方面的文章，帶動了不少有這方面想法的小夥伴想進入資料分析領域。

現在有不少資料方面的"小白"，來自運營、產品，大家學習資料的切入卻選擇了學習類似Python這樣的程式語言。這樣的想法確實讓我感覺有必要發文一篇，以免更多的朋友南轅北轍、誤入歧途。

我一直認為各行各業的同學都應該具備一定的資料分析能力，哪怕你不是或者也不準備做一名資料分析師。原因在於資料分析是一種思想，是一種高效且行之有效的認識這個世界的能力。

即便你本人並不做資料分析師，一旦具備了這種思想和能力，也能夠讓你在自己的領域看的更高、更遠、更透徹。而類似Python這樣的程式語言是一門工具，也僅僅是一門工具而已。即便掌握了這門工具，也並不代表你掌握了資料分析的思想和能力。

更何況，這樣的工具對於非IT領域的同學來說過於繁瑣，學習成本是非常高的。這也是為什麼要選擇FineBI這樣的工具作為資料分析的工具，因為FineBI足夠簡單，上手夠快，並能夠支撐資料分析的一般需求，更重要的是我們的課程是要教給大家資料分析的思路和想法，工具學習成本越低越好。（a.我曾見到過的一個數據科學家，只會用Sql+excel做模型，他幫助公司收入增長了300%，3個億。注意只會sql+excel，但是他的分析思路和高度是我所佩服的；b.我見到過太多太多python，學到一半沒有實際應用場景而放棄的，也見到過學會了python入門，但不知道如何運用到工作因此浪費時間的。這裡並不是指python不好，而是我建議先入門，入門之後，再根據業務場景去學語言工具，會python肯定是資料分析師的主流，但並不是入門的好工具。）

所以，我給大家的建議是：首先，大家應該將精力集中於資料分析思路的培養和訓練上，多去看一些商業資料模型和資料分析案例方面的資料，結合自己的工作場景和特點，形成自己的資料分析思路；

其次，學習一個上手最簡單的資料分析工具，利用已有的資料和自己的分析思路進行分析，形成看板或者結論；最後，重點鍛鍊一下自己演講和PPT的製作能力。

要知道，一個優秀的資料分析結論，也需要有好的演講者說服他的聽眾去接受，也需要有清晰的PPT把整個思想展示給閱讀者。畢竟，在這個時代，酒香也怕巷子深。

為什麼我會這麼建議大家呢？因為每件事情都是有成本的，而一旦有成本就意味著我們需要有收益。我們每一個人都不是萬能的，我們有自己的長處，也有自己的短板。我們在學習時，應該結合自身的特點和情況，最快的從我們的付出中見到成效。

其實，對於並不在資料分析領域的同學來說，也許絕大多數人都沒有辦法成為一名資料科學家，但卻更有可能成為自己領域的大牛：一名優秀的運營專家、產品經理、HR、財務、銷售、諮詢顧問。讓資料分析成為你在自己職業發展中的一項助力，讓它更好的幫助到你本身的職業發展，也許才是學習資料分析的正確思路和定位。最後，認清自己的優勢和劣勢，明確自己職業發展的方向，選擇最適合自己的道路，做一個最好的自己，這才是每一個人最正確的選擇。

各位，如果覺得自己並不是對資料很有興趣，只是覺得多一個就業方向，那我建議大家學英語會更實際一點。