資料分析是一個偏綜合的崗位

（1）資料清洗：80%的精力在處理清洗資料，包括欄位提取、整合歸一、規範化。資料在現有的商業環境中才開始逐漸重視，故資料採集整理非常重要，許多公司都在開始重視資料背後的重要價值，故會把歷史資料拿出來處理加工。

（2）資料進行初加工：這裡包含了資料描述性統計（比如極值，最值，均值，方差，分佈），這種初步加工目的是為了大體瞭解這些資料的基本概況，這是初始業務必須要做的，從這些資料中一定程度上還能能夠反映日常業務變況。

（3）探索性分析：有了對資料大體掌握後我們會做一些分析和預測，譬如相關性分析，主成分分析，迴歸分析，時間序列預測等等

（4）報表製作：這裡會涉及到做基本報表，反映日常業務態勢包含基本業務總體概況，同環比分析，並去查詢業務邏輯資料表現的原因，當然裡面會涉及到資料視覺化圖表（折線圖，旋風圖，散點圖，柱形圖）等等，諸多資料分析方法論

資料分析是指用統計分析方法對收集的資料進行分析，提取有用資訊和形成結論而對資料加以詳細研究和概括總結並指導實際工作和生活。

（1）獲取資料

獲取相關的資料，是資料分析的前提。

（2）資料處理

獲取資料，把資料處理成自己想要的東西。

（3）形成報告

把資料分析的結果視覺化，展現出來。

完整的資料分析流程：

• 業務建模。

• 經驗分析。

• 資料準備。

• 資料處理。

• 資料分析與展現。

• 專業報告。

• 持續驗證與跟蹤。

相關：

資料分析師的完整工作流程與知識結構體系

https://www.toutiao.com/i6584961126356746760/

就是用一些語言，比如R、Python，編寫程式碼，進行資料分析。不過這個行業不是計算機專業的也OK，畢竟很多領域都涉及到分析，比如我周圍很多學醫藥的，都出去培訓學了個Python，然後轉行去藥企做資料分析崗。現在這個崗位還是很火的。

一、資料分析師的三大場景 ：

過去資料 分析問題在哪裡？ 主要是分析以前的資料，檢視問題，然後做成視覺化報表。

現在資料 呈現資料

未來資料 業務預測

二、資料分析師是一個輔助崗位，現在很多企業都在用資料分析師去支撐以下業務場景：

1、精細化運營。監控資料、資料流從而去驅動內容改進。

2、做準確和細分的使用者畫像、針對不同的使用者不同的運營手段。

等等

三、什麼樣的人適合做資料分析？

四、有前途的資料分析師種類：

這個我覺得我們可以交流一下，我從事的差不多也是資料分析師，但是剛入職沒多久，很多事情都不清楚。不過主要還是要先了解業務。現在所做的工作還處於取數階段。資料分析師的工作內容就是資料採集、資料儲存、資料提取、資料探勘、資料分析，資料展現等。要學的還有很多，還得加油努力！

瞭解企業現狀與競爭環境，風險評判與決策支援，能夠充分利用大資料帶來的價值，在進行資料挖據與展現後，呈現給企業決策者的將是一份清晰、準確且有資料支撐的報告。

具體每日每週比較瑣碎工作不一一列舉，但是主要工作內容應該集中以下:

一，用技術手段獲取專案中真正需要的資料。

三，把最終所需有價值的資料組織在一起，以便用以分析，同時設計資料的結構，以保證資料有效地供所有使用者檢索。

四，為大資料專案組織資料並建立分析模型。

簡單來說，資料分析師的主要工就只有四類：

從0到1搭建資料分析體系資料分析工具化，產品化支撐領導、部門決策的專題分析及業務方向探索資料規範制定及提升資料質量等基礎工作一、從0到1搭建資料分析體系

大部分公司還處於此階段，可能是全新搭建，可能是新業務線搭建。

1.搭建資料監控體系

搭建資料分析體系第一步是搭建資料監控體系，定期檢視業務發展情況，讓業務發展結果可量化，可衡量。

透過這套監控體系，業務側可以得到實時或者準實時的效果反饋，根據業務效果指導業務決策；領導層可以瞭解業務發展情況，做到心中有數。

那這套資料監控體系到底包含哪些內容？——沒有標準答案，主要看業務目標。從實現思路上，可以做業務拆解：整個公司或者整個部門要實現的結果目標是什麼？結果目標可以拆分為幾個小目標？在小目標實現上，需要實現哪些過程指標？要想實現過程指標，需要多少預算，什麼資源？

業務拆解後，要監控哪些過程指標和結果指標，就一目瞭然。

2.根據業務監控體系，洞察業務問題

資料監控體系能讓領導及業務相關同事瞭解業務結果。對於規模或比例變動較大的指標，資料分析師就需要了解業務原委：是行業變動導致？公司戰略方向調整？還是市場格局發生變化？亦或是新技術鉅變？公司產品迭代漏洞？對於行業、業務深度理解，將有助於快速定位問題關鍵點。

3.提出業務最佳化方案

根據對資料、業務理解及與業務部門溝通，提出可能的潛在影響因素的業務假設。對於明顯影響效果的因素，最佳化之，如產品迭代中的漏洞等；對於不明朗、不確定因素，進行AB測試，根據資料反饋驗證業務假設。

二、資料分析工具化，產品化

從0到1搭建資料分析體系是解決“有資料可用”的問題；讓資料分析產品化是解決“讓資料易用”問題，是提升資料使用效率和發揮資料更大價值的手段。

常見的資料產品就是商業智慧系統（Business Intelligence），資料產品部門會根據資料使用情況，優先上線使用人數眾多、對業務決策有關鍵影響的資料報表。

對於使用頻繁，涉及人數較多的資料，資料分析師需要提出資料報表需求，供業務、產品、市場、財務等部門使用。

三、支撐領導、部門決策的專題分析及業務方向探索

如果說前兩部分屬於常規分析，第三部分就是專項分析。專項分析大多是一次性分析，使用頻率低。專項分析的提出可能是部門要進行業務方向的新探索，可能是領導想要驗證自己的新想法，可能是已有資料中反應出來的新問題。

要做專項分析，資料分析師需要自己獲取資料，清洗加工資料，分析資料，得出資料結論。現有資料在時間維度、指標口徑、新欄位關聯上都無法滿足分析需求，而資料提取可能就要耗上幾天時間。可謂“臺上一分鐘，臺下十天功”！如果你有個“有想法”的領導，天天標新立異提需求，而你又不精通業務，無法馬上判斷是否具有分析意義和分析價值，那可真要披星戴月搞資料了。

四、資料規範制定及提升資料質量等基礎工作

為了完成以上三部分工作，像制定資料規範、提升資料質量這些基礎工作就必不可少。

資料規範性是個系統性工程，在資料系統搭建之初，就需要考慮好。資料分析師日常工作中，接觸更多的是提升資料質量：資料是否準確，資料是否有效，可用資料比例是否足夠用於分析。

當然，現在大多數公司還無法做到打通所有資料系統，統一資料來源。在使用任何資料時，資料分析師都需要校驗，確保資料準確無誤，這是所有分析工作的基礎。

這就是我的工作日常：搭建資料分析體系、資料分析產品化、專項分析及基礎保證資料質量等工作。

回到問題本身來看，資料分析師的日常工作，重點在於日常，那我也就不扯太遠了，就以網際網路行業的資料分析師為例，簡單給大家分享一下吧。

1、排查指標問題

正所謂一天之計在於查指標，資料分析師的一天是從排查使用者資料、日活率、使用者使用時長等重要指標，對於一些波動較大的，需要找出原因並給出合理解釋。利用拆分維度的方法來看不同維度的指標波動，然後進行各個角度的分析。

2、做報表

對於日常的一些核心指標、資料，或者新計算的指標都需要存到報表中，做成BI報表，以備老闆檢視資料和後期分析。不同公司會有不同的報表製作方式，但照目前來看很多公司都會購買做報表的軟體，就像Tableau、Smartbi等，可以快速便捷地製作出美觀的報表。

為了能夠做好報表，還需要做以下工作

埋點設計和校驗：簡單來說就是資料分析師為了獲取資料而設計的行為路徑點，指定哪些行為要記錄、怎麼記錄、記錄什麼等等。後期可能還需要去對每個點進行驗證，研究這個點埋的對不對。指標設計：根據埋點得到的資料，加工計算出我們需要的指標。這項工作也是為了有資料可以做報表

3、資料分析

針對業務問題，結合報表資料，進行專項的分析。如：一產品使用者使用率下降，資料分析師就可能需要對為什麼下降做一個分析，並根據分析提出改進意見。

除了以上主要工作外，可能還會面對業務方或者其他部門的資料需求，或者一些簡單的建模工作等等，這裡就不細說啦。

資料分析是什麼？

資料分析大體上分3步：1：獲取資料。透過埋點獲取使用者行為資料，透過資料同步，打通內部各系統資料。以及做數倉建設，儲存資料。2：計算資料。根據分析要求，提取所需要的資料，計算資料，做表。3：解釋資料。解讀資料含義，推匯出一些對業務有用的結論。

那麼資料分析師主要做以上三點的工作嗎？

並不全是，這個在不同企業，情況不一樣。如果公司規模大的話，獲取資料經常是資料開發組完成的，他們的職位一般是“資料開發工程師”或者“大資料工程師”。解釋資料則是運營自己寫ppt做解讀，留給“資料分析師”的，其實就是中間的計算資料的一步。

有些公司（一般是做電商的），資料是直接從淘寶、天貓、亞馬遜等平臺匯出的，然後基於這些資料做分析。有些公司（一般是傳統企業），資料是直接用的大型的BI產品，然後所有人基於BI產品匯出資料分析有些公司規模很小，就直接一個小組從資料埋點到數倉到提數全乾了。總之情況五花八門。

資料分析師在資料流中承擔的角色

資料治理流程涉及到多部門多崗位的分工協作，資料分析師在這個流程中也承擔了重要的角色。

資料分析師的職責真的不止是分析，除了分析之外，資料分析師需要參與到資料規劃、資料採集過程中，而在資料應用過程中也需要完成指標體系、報表體系的建設以及部分臨時的資料查詢需求。

1.資料埋點

資料分析師要對業務進行分析，分析所需要的資料需要透過埋點來獲取。分析師參與到資料規劃、資料採集的過程中，可以更快地拿到資料，減少資料等待時長，有利於提高分析的效率。

舉個例子來說，假如現在使用者流失很嚴重，業務提了個需求讓分析師幫忙分析下使用者流失前的第n步都做了什麼？

但是，碰巧使用者流失前第n步的事件log沒有記，那麼作為資料分析師沒有資料分析也無從下手，只能給研發提出埋點需求，在下個版本進行資料埋點。

那麼這樣一來，分析的週期就會延後一個版本。如果分析師參與到資料埋點這項工作中來，諸如此類的事情大部分都是可以避免的。

2.指標體系及報表體系建設

資料的終極目的是定位業務問題，輔助業務決策。而指標體系就是監控業務問題，定位業務問題的好幫手。

所以，指標體系的建設也是資料分析師的重要工作之一，好的指標體系能夠直接反映業務問題，同時能夠幫助資料分析師快速定位業務問題，以輔助業務進行決策。

3.商業智慧分析

資料分析師當然也少不了分析，包括了各類活動效果分析、版本變化分析、使用者分析、流失分析等等。

一份好的分析報告能夠給業務的發展提供多種思路，也是分析師最重要的價值體現。

資料分析師在資料治理流程中需要撰寫資料埋點文件、搭建資料指標體系、報表體系以及分析業務問題。

總結作為一名資料分析師，每天的日常工作絕對不侷限於大家平常談笑的時候說的取數工作，一定要不斷的衍生自己的工作邊界，這樣才能不斷的能力進階。如果你正好剛進入資料分析師的工作，千萬不要讓自己成為取數的工具，一定要全面的瞭解資料分析師的職責範圍不同的時代對資料分析師的要求不同，不同的行業對資料分析師的要求同樣也不一樣，一定要充分認知自己的行業要求，從不同的角色要求中，一點點去積累，未來才能更容易的突破資料分析師的瓶頸，打破資料分析師只是取數或者低瓶頸的標籤。總的來說，資料分析師每天日常的工作主要集中在：取數分析、撰寫分析報告、產品最佳化，運營協作，專案管理等範疇。