一、什么是数据分析能力
要想提升数据分析能力，先要知道什么是数据分析能力。如果用一句话概括：能够用量化思维解决工作/生活中遇到的问题。拆解来看，主要有以下四点：
其一：理论知识运用程度。对于统计学、概率论、模型原理等知识的掌握程度。
其二：分析工具运用程度。对于SQL、Python、R、Spss、BI等工具的应用程度。
其三：对于业务理解程度。业务背景、业务形态、业务未来的发展趋势，是否了如指掌。
其四：数据化思维程度。这一点说起来比较虚，但却是最难达到的。武侠小说里，人剑合一是最高境界，形成属于自己的分析思维，也是数据分析的最高境界。
二、如何在工作中提升数据分析能力
工作中提升数据分析能力，较重要的的五项习惯：
第一项：多参考优秀员工的代码及工具配置这一点主要针对初入数据岗位的同学，当你的理论知识以及工具应用还不是很娴熟的时候，通过学习前辈的代码，照猫画虎自己实现一遍，提升的效率是非常快的。一方面，可以参考代码思路；另一方面，可以在短时间内对底层数据有一个很深刻的摸底。
第二项：充分了解业务，与业务方多沟通当你刚刚接手业务，对于其中的背景还不是很了解的时候，谈数据分析就是空中楼阁。即便接了需求，也常常是被动处理，很难有自己的思考。因此，在初期阶段，要花较多的时间去了解现阶段业务情况，了解后，再逐步开展分析工作。另外，与业务方关系也是十分重要的，偶尔约个饭、约个遛弯，可以让你获得很多意想不到的收获。
第三项：需求从被动转主动，自主思考与业务的结合点数据分析最郁闷的事情之一，莫过于无休止的被动接需求。当我们对于业务有了充分的了解后，对于业务方提的需求，我们可以从数据角度给出一些建议，主动思考数据与业务的结合点，不必完全被业务带着走。这样做，一方面，可以在业务侧建立专业性；另一方面，也可以提升自己将数据与业务结合的能力，对于数据思维的提升有很大帮助。
第四项：总结需求共性，推动工具沉淀你有没有发现，当你面试的时候，面试官不会关心你做了多少个需求，而是关心你每个需求沉淀了什么，通俗点「深度>广度」。因此这就要求我们，在做完一系列需求后，能够将相似内容做一些归总，思考是否可以用相对通用的工具和技能，解决未来遇到的相似问题。例如：异动归因分析工具、实验分析工具等。
第五项：工作中逐步沉淀体系化思维最后一点，也是至关重要的。由于我们工作内容往往偏点线状，很难形成一个体系的面，导致我们的知识是割裂的。因此，这就需要我们在工作中，将日常需求和项目的分析思路提炼出来，整合成属于自己的知识体系。
三、高手是怎样做的？
步骤一：在接到新业务时，花1-2天时间，过一遍产品文档，这期间遇到不明白的先整体记录在一起，等过完后系统性咨询业务同学。同时，让业务同学将产品现状及近期OKR同步出来，反复沟通2-3次后，把产品相对摸清。步骤二：前期先被动接一些数据需求，这个阶段会比较难受，更多的是被Push去做些东西。由于刚开始接触，很难给出合理的业务见解。当然，也不用着急，这个阶段更多的是去了解学习，并逐步通过一些分析方法，更科学的解决所处理的事情。步骤三：随着项目需求接触越来越广，会将其中的共性方法、思路整理到一个文档上，并尝试通过工具化方式进行整合开发。缩减后续需求成本，将更多的时间拿来主动思考，做一些对自己、对业务有意义的分析项目。步骤四：空闲时间与产品约个遛弯，了解下产品要做的事情，然后主动结合步骤三，通过一些分析方法去实现分析落地，例如：发现近期新用户留存一直在下跌，就可以从数据角度进行分析，给出产品改进建议，主动推动事情的落地。
最后，通过以上的实践策略和步骤，职场中的数据分析师不仅可以在工作中快速提升自己的数据分析能力，还可以为业务带来更大的价值。不断学习和实践是提升数据分析能力的关键，希望每位数据分析师都能在工作中不断进步，实现自己的职业目标。