用過往的經歷，聊聊數(shù)據分析這個職業(yè)

首先從理解上看，“數(shù)據分析"可以從三個層面的構成來剖析 --對業(yè)務的認知、 分析思維和數(shù)據處理能力。前面兩項很多人都有，沒吃過豬肉還沒見過豬跑，只要別抱著事不關己高高掛起的態(tài)度了解業(yè)務并不難，而分析思維這個很難說每個人都有但是不見得每個人都能意識的到自己有，期間的差異便是在橫向跨度和理解深度上。

至于數(shù)據處理能力，應該是一個不折不扣的老大難問題，因為會涉及到方法論、數(shù)據敏感性、思維意識和各種不同的工具應用熟悉度。換一句話，也是面試時候經常能碰到的些問題，就是你會哪些分析方法和算法、在運營上有沒有過經驗、能不能從業(yè)務里面識別出異常的問題和挖掘出商業(yè)機會等，會不會python/spark/tenserflow/sq/hive等等。

在工作幾年之后，碰到過很多的挫折和瓶頸，第一個便是效率。給你一堆表或者幾千萬的數(shù)據， Excel不能做嘛，不存在的! Excel當然能，但是電腦撐不住，各種卡機、各種轉圈圈，這時候想要做幾列簡單的統(tǒng)計可能就需要十幾分鐘，再做個 處理又幾十分鐘沒了。

因為效率低，后來發(fā)現(xiàn)同樣的事情R能做、python能做、 mysq|能做、 spark也能做，所以便有了“工具為王”的理解認知。

對于這層理解并沒有什么不好，但是其本質思想卻是我有一個業(yè)務上的假設需要通過怎么樣的數(shù)據來支撐，這其中需要用到什么樣的處理過程和邏輯。

通過和很多人聊的結果上來看，越是往上的人越注重業(yè)務認知和分析思維，相對而言處理能力顯得并沒有那么重要，即便它占了你工作80%甚至以上的時間。很多人對于數(shù)據分析師的理解，可能覺得這是一個技術崗，因為這群人在很多時間里面都在寫著各種腳本、代碼，乍一看確實和程序員沒什么區(qū)別。

但實際上，還是有區(qū)別的，就是分析師在寫完代碼之后還會寫PPT、寫商業(yè)分析報告，可謂是全能選手，估計有些甚至代碼調優(yōu)能力還很厲害（開個玩笑）。

前陣子回顧了一下自己的學習歷程，某種程度上來說是實用主義者，碰到了、有需求的時候才會去主動學，用不到的會先擱著到那邊。譬如說最早學R、??? Python, 一開始的時候只是拿來和Excel做交互，讀取表數(shù)據、匯總、拆分，然后提取文本數(shù)字，生成一張報表什么的。

這里說個現(xiàn)象，應該很多從業(yè)的人都有遇到過這樣的經歷，就是學R還是學Python，在數(shù)字化鏈接的背景下，數(shù)據量的暴增以及新的技術不斷迭代，也在不斷的驅使我們更新迭代自己的技能，同樣的分析思路和方法也是需要不斷更新的；

所以場景是搗騰出來的，其實準備從業(yè)的數(shù)據分析師或者需要增加技能的分析師都有過疑惑。

工作里面有無數(shù)多的情況下可以用它去代替的時候，就慢慢變成了一種習慣，熟悉度也會增加，不用刻意的去練習。在處理完一些日常的辦公需求之后，拓寬了一些認知和領域，譬如說爬蟲、短文本處理、長文本挖掘、數(shù)據可視化、交互式圖表、自動郵件、監(jiān)控預警等等。再到后面就是搜羅到的海量數(shù)據，想要發(fā)現(xiàn)規(guī)律和特征，就衍生出算法方面的知識點，怎么聚類、分類，如何去做預測，怎樣才能提高準確率，怎樣做模型評估。

學習都是層層遞進的一個過程，維持著對它的興趣，便會一直驅動著前進，所以有時候興趣才是最好的老師。

經常被問到的一個問題，數(shù)據分析是什么，本質上說人人都是數(shù)據分析，只不過是隱形的。它不用刻意的去學，原本我們都會，就是需要不斷的復盤、總結，然后歸納成具有條理性的框架，最后需要的是找到一個可落地的解決方案來執(zhí)行就可以了。

一些典型的分析案例，譬如說從用戶的哪些信息里面能夠判斷流失了或者留存表現(xiàn)好，通過哪些維度的數(shù)據能夠合理的對用戶進行分層，用什么方式能夠預測未來的發(fā)展趨勢，怎樣能夠描述市場上的供需關系，如何才能更好的監(jiān)控內部的數(shù)據質量......這些都是一些公司在日常管理中碰到的問題和痛點。

總結到一個點就是，數(shù)據是真實業(yè)務的投影，也是業(yè)務好壞的映射，通過對信息的處理轉化成為數(shù)據關系再用圖表的形式呈現(xiàn)出來，讓更多的人方便發(fā)現(xiàn)其中的規(guī)律，然后去調整策略。這便是數(shù)據分析的價值；

最典型的過程是對用戶群體進行分類劃分標簽，對不同類的人挖掘他們的共性，根據共性判斷應用哪種營銷策略，通過數(shù)據監(jiān)測策略的執(zhí)行好壞，應用自動化的過程呈現(xiàn)當前狀態(tài),使用算法對未來的可能性進行預估。

再比如當下市面上比較成功的幾個算法應用的案例，分別有淘寶、頭條、抖音、菜鳥和高德，對應了商品推薦、內容區(qū)分、影音識別和線路規(guī)劃，前期都需要做大量的數(shù)據研究，這就包括用戶分類、商品標準化、主題建設、詞匯收集、圖片素材、gis信息等等。

所帶來的商業(yè)場景就是當你登錄到任何一個app,就會有大量你喜歡的、猜你想的、別人喜歡你可能喜歡的廣告呈現(xiàn)出來，然后根據平臺的用戶基數(shù)，但凡1萬個人里面只有1個人成交，在幾百萬幾千萬的用戶基數(shù)下，帶來的成交量也是很可觀的。所以流量會成為很多互聯(lián)網公司的第一推廣目標，從哪些渠道引流、如何選擇市場拓展、怎樣引導轉化以及用戶留存，這些之后遺留下來的問題都是業(yè)務關注的重點，回歸到本質就是當碰到問題的時候管理層應該如何做決策，純粹的經驗、市場敏感度都可以做決策驅動，通過多維數(shù)據分析可以做到的是決策驗證，往往會有意想不到的發(fā)現(xiàn)。

對于一個分析師剛接觸新業(yè)務的人來說，需要做以下幾點:

1.積累接觸中碰到的問題，形成知識樹，什么情況需要進行沉淀?但凡在自己認知范圍外的知識點都應該被記錄，然后定期復盤，過去那個時間點的理解和經過一段時間之后的感受有什么區(qū)別，為什么?這個環(huán)節(jié)就是自我蛻變和成長的過程;

2.在針對問題進行定向解決時，需要足夠多的去收集有關問題的信息，真正的理解問題本質，對背景、目標、涉及到的人、可能的解決辦法能夠描述清楚，然后進行目標拆解,有過程有步驟地推進;事前能夠盡可能地考慮全面，后續(xù)能夠減少臨時和隨機性的問題出現(xiàn)，占據太多時間;

3.做分析，我覺得有一個前提必須要先學會，就是要識人，一群人里面誰會認同科學的分析方法，誰會去配合做這些事情，那他就是你的合作伙伴；如果面對的是一群本身就不懂的人，那就要學會去引導，或者通過一些事件去轉變他們的思想……這個著實比較難。

最后說點學習的感悟：

對于學習來說，要多看無用書，學校教育都是唯有用而為之，設定成績排位目標，讓多數(shù)人以這條線為準來區(qū)分好壞，工作之后設定績效考核，來篩選對公司產生更多價值的人才。

在一個快節(jié)奏的時代，很容易沉不住氣，一個字形容那就是燥，戾氣也會很重?；氐綗o用、無為，找到真正屬于自己的核心價值區(qū)域。

總是說格局，對于格局的理解應該可能是能看到別人所看不到的機會，有些人是與人俱來的，而不少人是通過后天訓練才能獲得到的，所以一定要多出去走走，多看看世界，才能有世界觀，而不是活在遐想的空間里面。

另外是破局，活著就會碰到順勢而為和逆境困擾，逆境的時候別去硬碰硬，利用好環(huán)境進行化解，轉逆為安。幾個要素:信息->觀點->共鳴->沖突->利益->欲望->好奇->幻想->感官；

對于工作很難知道自己喜歡或者不喜歡。你的認知是需要一個過程的， 所以我覺得，用喜歡不喜歡來選擇工作，對90%的人來講，挺危險的。因為恐怕，你以為你喜歡的事情，你去做了以后會發(fā)現(xiàn)，你沒那么喜歡。

所以，不要輕易的去相信那些所謂的評測結果，最重要的還是你對它有過了解么，是不是自己真正喜歡的。現(xiàn)在途徑很多，可以從互聯(lián)網上找到很多人寫的分享、心得，也可以加各種群讓大佬們進行指導，還可以去找自己的引路人拜個師繼續(xù)保持學習的心態(tài)。

人們眼中的天才之所以卓越非凡，并非天資超人一等，而是付出了持續(xù)不斷的努力。1萬小時的錘煉是任何人從平凡變成世界級大師的必要條件。

對于工作，沒有人可以預測到未來你會在什么行業(yè)做什么樣的事情，有很多朋友一開始做著數(shù)據分析， 后來去轉了運營、轉了市場、轉了財務，但是殊途同歸，到今天都到了企業(yè)的中高層。

對于此時此刻做的任何選擇都不會錯，只是在選擇之后希望能沉下來，在自己想做的垂直領域有所收獲。與此同時，在學習上需要講究方法、追求高效，如果進步慢不妨多出去跟人聊聊，取長補短，就像有個說法：沒有經歷完整的人生何談人生觀，沒有走過世界，何談世界觀一樣，最后，加油！

--------? ?往 期 推 薦??----------

▼

• [PPT福利領取】分享一些高大上、有逼格的PPT模板
  

• [數(shù)據產品筆記】二、數(shù)據可視化設計規(guī)范
  

• 2021年讓我們做個深度思考的人

• 我所理解的【數(shù)據中臺】建設方法論

• 超級PPT福利貼 | 免費PPT素材資源領取

• [阿里首次公開]-數(shù)據中臺實踐完整版（附下載）

? ??