在一個工作交流群里，一個朋友說想轉行做數據分析師，隨后很多人開始討論，半路出家的能找到工作嗎？做數據分析師需要哪些知識和技能？

今天我們就來說說商業數據分析師的7類崗位，以及基礎技能。要知道數據分析這一行，入行容易，精通難。方法工具都要有。

一、商業數據分析的7類崗位

1.業務統計人員

理解企業數據，發現業務問題，開發預測模型，幫助企業更好地進行信息決策。

2.數據挖掘人員

進行知識發掘積累，需要熟悉各種數據挖掘算法，可以進行深層次的客戶識別、畫像，以滿足營銷、風控和客戶關系管理方面的需要。

3.大數據分析人員

處理海量異構數據，借助其他工具進行數據的搜集、儲存和清洗。同時與數據挖掘人員、報表制作人員、業務統計分析人員合作完成工作。

4.業務支持

創建業務報表或進行業務分析。

5.報表制作人員

撰寫SQL程序進行查詢并生成報表。

6.數據管理人員

為需求人員提供便捷的數據訪問服務。

7.數據架構人員

流處理、模型開發和數據質量管理設計所需的架構和方法；平臺架構人員：負責企業管理平臺的安裝、配置、管理和維護。

二、什么是數據分析？

數據分析是基于商業目的，收集、整理、加工和分析數據，提煉有價值信息，并指導實踐的過程。數據分析的三大作用，主要是現狀分析、原因分析和預測分析。過程主要包括：明確分析目的與框架、數據收集、數據處理、數據分析、數據展現、撰寫報告6個階段。

1、明確分析目的與框架

一個分析項目，它的數據對象是誰？商業目的是什么？要解決什么業務問題？數據分析師對這些都要了然于心，隨后整理分析框架和分析思路。

例如，減少新客戶的流失、優化活動效果、提高客戶響應率等。每個項目對數據的要求不同，使用的分析手段也是不一樣的。（本文第三部分將詳細介紹4種常用分析框架。）

2、數據收集

數據收集是數據分析的基礎，按照確定的分析框架，有目的的收集、整合相關數據。

3、數據處理

數據處理是指對收集到的數據進行加工、整理，它是數據分析前必不可少的階段，也是整個數據分析過程中最占據時間的，耗費時間的程度取決于整個項目對數據倉庫和數據質量的要求。

數據處理的常用方法有：數據清洗、數據轉化等。

4、數據分析

在明確了分析目的與框架，收集處理好數據后，就可以開始著手進行數據分析了。我們需要通過特定手段、多種方法和行業技巧對數據進行探索，從中發現因果關系、內容聯系和業務規律等，為商業目的提供參考。

到了這個階段，要能駕馭數據、開展分析工作，就要使用工具和方法了。

在分析方法方面，最基本的要了解例如方差、回歸、因子、聚類、分類、時間序列等概念，及他們的原理、使用范圍、優缺點；在分析工具方面，數據分析師一般首選Excel，同時搭配一個專業的分析軟件，如數據分析工具SPSS/SAS/Matlab等，便于進行一些專業的統計分析、數據建模等。

5、數據展現

俗話說：字不如表，表不如圖。借助數據展現手段，能更直觀的讓數據分析師表述想要呈現的信息、觀點和建議。一般情況下，數據分析的結果都是通過圖表方式來呈現的。

常用的圖表包括：餅圖、折線圖、柱形圖/條形圖、散點圖、雷達圖、金字塔圖、矩陣圖、漏斗圖、帕累托圖等。

6、撰寫報告

最后階段，就是撰寫數據分析報告，這是對整個數據分析成果的呈現。通過分析報告，把數據分析的目的、過程、結果及方案完整呈現出來，以供商業目的提供參考。

Tips: 一份好的數據分析報告，首先需要有一個好的分析框架，并且圖文并茂，層次明晰，能夠讓閱讀者一目了然。結構清晰、主次分明可以讓閱讀者正確理解報告內容；圖文并茂，可以令數據更加生動活潑，提高視覺沖擊力，有助于閱讀者更形象、直觀地看清楚問題和結論，從而產生思考。

另外，數據分析報告需要有明確的結論、建議和解決方案，不僅僅是找出問題，后者是更重要的，否則稱不上好的分析，同時也失去了報告的意義，數據的初衷就是為解決一個商業目的才進行的分析，不能舍本求末。

三、4種常用分析框架

從管理和業務的角度提出的分析框架，指導著后期數據分析工作的開展。

營銷方面的理論模型有：4P、用戶使用行為、STP理論、SWOT等。

管理方面的理論模型有：PEST、5W2H、時間管理、生命周期、邏輯樹、金字塔、SMART原則等。

本文主要說明：5W2H、邏輯樹、4P、用戶使用行為這4個比較實用的理論。

1、5W2H

定義：何因（Why）、何事（What）、何人（Who）、何時（When）、何地（Where）、如何做（How）、何價（How much）

適用范圍：用戶行為分析、業務問題專題分析、營銷活動等。

優點：廣泛應用于企業營銷、管理活動，對于決策和執行性的活動措施非常有幫助，也有助于彌補考慮問題的疏漏。

2、邏輯樹

定義：邏輯樹，又稱問題樹、演繹樹或分解樹等。它將問題的所有子問題分層羅列，從最高層開始，并逐步向下擴展。

適用范圍：業務問題專題分析

優點：邏輯樹的作用主要是幫你理清自己的思路，避免進行重復、無關的思考。邏輯樹能保證解決問題的過程的完整性，能將工作細分為便于操作的任務，確定各部分的優先順序，明確地把責任落實到個人。

缺點：涉及的相關問題可能有遺漏，雖然可以用頭腦風暴把涉及的問題總結歸納出來，但還是難以避免存在考慮不周全的地方。所以在使用邏輯樹的時候，盡量把涉及的問題或要素考慮周全。

使用邏輯樹必須遵循以下3個原則：

要素化：把相同問題總結歸納成要素。

框架化：將各個要素組織成框架，遵守不重不漏的原則。

關聯化：框架內的各要素保持必要的相互關系，簡單而不孤立。

3、4P

定義：4P，即產品（Product）、價格（Price）、渠道（Place）、促銷（Promotion）

適用范圍：主要用于公司整體經營情況分析。

4、用戶使用行為

用戶使用行為，即用戶為獲取、使用物品或服務所采取的各種行為。

用戶使用行為的完整過程

通常情況下，用戶對產品首先需要有一個認知、熟悉的過程，然后試用，再決定是否繼續消費使用，最后成為忠誠用戶。在這個鍋層中，我們可以利用用戶使用行為理論，梳理產品分析的各關鍵指標之間的邏輯關系，構建符合公司實際業務的產品分析指標體系。

它的缺點是用途較為單一，就是用于用戶行為的研究分析。

數據分析師的發展前景普遍如何？本文，我們收集了目前國內主流招聘網站的一些相關數據，通過可視化的方式來看看這一崗位的現狀。

分析目的

基于招聘網站的相關數據，通過可視化分析，探究以下問題：

哪些行業對數據分析師需求量最大？

招聘企業普遍處于哪個階段（融資情況，上市情況）？

數據分析崗位學歷要求？

數據分析崗位工作經驗要求？

數據分析崗位薪水情況？

數據整理

我們隨機采集了目前較為主流的幾個招聘網站有關“數據分析”崗位的數據，包括拉勾網、智聯招聘、獵聘網以及BOSS直聘。

采集字段為：職位、公司、薪水、經驗要求、學歷要求、所屬行業、企業融資情況

分析工具

首先使用八爪魚數據采集工具（免費版，可從官網http://www.bazhuayu.com下載），添加搜索網址，并選擇我們所需的字段，開始采集。對于新手來說，八爪魚數據采集工具是不錯的選擇，可以沒有任何代碼基礎，也不需要寫正則等采集規則（火車采集器會復雜一點，需要寫正則）。

然后我們將采集到的數據導出，導出格式為Excel，由于各招聘網站字段有出入，需要使用Excel工具進行簡單的整理。

數據分析工具我們使用DataHunter數據可視化分析平臺Data Analytics，同樣也是因為Data Analytics相比于Excel等產品更為簡單易用，拖拽式的操作即可完成分析過程。對于個人用戶，Data Analytics完全免費，可通過在官網（http://www.datahunter.cn）注冊即可使用。

分析結果

這里并未把所有行業都顯示出來，只選擇了占比較高的一些。數據結果顯示，金融行業、數據服務、游戲這三個行業對數據分析師的需求更為強烈，醫療、信息安全、生活服務、社交等行業也在招聘數據分析相關崗位。其它行業還包括了計算機硬件、廣告營銷、文化娛樂等。

與數據分析相關的崗位占比，可以看到，絕大部分企業在招聘數據分析師，其它崗位還包括數據分析工程師、數據分析經理、數據分析專家以及數據分析實習生，盡管都是與數據打交道，但不同崗位對技能的要求還是有一些區別的。

薪水方面，我們也只是顯示了占比較多的薪水區間。可以看出，數據分析崗位的薪水普遍在10K-20K的區間，10K以下的崗位也有一定的占比，當然，從整體數據來看，數據分析崗位的薪水跨度區間還是很大的，實習生工資最低只有3K左右，而最高薪可以達到80K-100K。

我們可以看到，絕大部分崗位都需要有一定的工作經驗，其中，3-5年占比最多，其次是1-3年。當然，還有部分企業要求有5-10年的工作經驗。而學歷方面，本科占比最多，有部分要求較高的職位，還要求具備博士、碩士學歷。

在所有招聘數據分析相關崗位的企業中，可以看到不少互聯網巨頭對于數據分析師都有強烈的需求，提供的崗位也比較多，其中包括了京東、美團、餓了么、近日頭條、58同城、搜狐、聯想等。另外，可以看到，大部分企業均已拿到融資或上市，也有部分企業還處于未獲得融資狀態或不需要融資。