一名优秀的数据分析师是怎样炼成的？

近些年，互联网公司对数据分析师岗位的需求越来越多，这不是偶然。
　　过去十多年，中国互联网行业靠着人口红利和流量红利野蛮生长；而随着流量获取成本不断提高、运营效率的不断下降，这种粗放的经营模式已经不再可行。互联网企业迫切需要通过数据分析来实现精细化运营，降低成本、提高效率；而这对数据分析师也提出了更高的要求。
　　本文将和大家分享数据分析师的演变、数据分析价值体系、数据分析师*的四大能力、七大常用思路以及实战分析案例。
一、数据分析师的前世今生
　　在介绍数据分析师之前，我们先来看一下这几个历史人物，看看他们都跟数据分析师有着怎样的渊源？
二、数据分析师的价值金字塔
　　一个完整的企业数据分析体系涉及到多个环节：采集、清理、转化、存储、可视化、分析决策等等。其中，不同环节工作内容不一样，消耗的时间和产生的价值也相差甚远。
　　
    互联网企业数据分析体系中至少有三方面的数据：用户行为数据、交易订单数据和 CRM 数据。工程师把不同来源的数据采集好，然后通过清理、转化等环节统一到数据平台上；再由专门的数据工程师从数据平台上提出数据。这些工作占用了整个环节 90% 的时间，然而产生的价值却只占 10%。
　　这个金字塔再往上数据分析就和业务实际紧密结合，以报表、可视化等方式支持企业的业务决策，涵盖产品、运营、市场、销售、客户支持各个*部门。这个部分占用了整个环节才 10% 的时间，但是却能产生 90% 的价值。
　　一个优秀的商务数据分析师应该以价值为导向，紧密结合产品、运营、销售、客户支持等实践，支持各条业务线发现问题、解决问题并创造更多的价值。
　　三、数据分析师*的四大能力
数据分析师*的四大能力
　　1. 全局观
　　某日，产品经理跑过来问我：Hi, 能不能帮我看一下昨天产品新功能发送的数据？谢谢！条件反射我会说：好，我马上给你！不过我还是礼貌性地问了一句：为什么需要这数据呢？产品经理回复道：哦，昨天新功能上线了，我想看看效果。知道了产品经理的目的，我就可以针对性地进行数据提取和分析，分析的结果和建议也就更加具有可操作性。
　　很多时候，数据分析师不能就数说数，陷入各种报表中不能自拔。一个优秀的数据分析师应该具有全局观，碰到分析需求的时候退一步多问个为什么，更好地了解问题背景和分析目标。
　　2. 专业度
　　某企业的数据科学家针对用户流失情形进行建模预测，较终得到的用户流失模型预测准确率高达 90% 多。准确率如此之高，让商务分析师都不敢相信。经过检验，发现数据科学家的模型中有一个自变量是「用户是否点击取消按钮」。而点击了「取消」按钮是用户流失的重要征兆，做过这个动作的用户基本上都会流失，用这个自变量来预测流失没有任何业务意义和可操作性。
　　数据分析师要在所在行业（例如电商、O2O、社交、媒体、SaaS、互金等等）展示她/他的专业度，熟悉自己行业的业务流程和数据背后的意义，避免上面的数据笑话。
　
　　3. 信任度
以销售岗位为例，一个销售人员首先要和用户建立起信任；如果用户不信任你的话，那他也很难信任或者购买你的产品。同理，数据分析师要和各部门同事建立良好的人际关系，形成一定的信任。各个部门的同事信任你了，他们才可能更容易接受你的分析结论和建议；否则事倍功半。
本文转自西线学院官网

以上所展示的信息由采购商自行提供，内容的真实性、准确性和合法性由发布此信息的采购商负责。八方资源网对此不承担任何保证责任。

我们建议您在跟采购商发生任何交易之前，务必先确认该商家的资质，若是大批量采购需先签署正规合同。请谨慎交易，谨防欺诈行为。