【我的分享】你清楚知道自己在数据分析的哪个位置和阶...

一.数据分析师分类1.广义上的数据分析师

4种分类，按照顺序，顺序越高，越处于底层，也越强调技术。

（1）数据分析师

可分为4类。

a.商业分析师

• 对行业的深入了解，结合当前公司状态制定战略方向
  

b.运营分析师

• 拆分公司战略目标，分配到各个业务部门形成策略方案
  

c.BI分析师

• 常规数据需求实现系统化，自动化，解放人力资源
  

d.数据产品经理

• 搭建数据指标体系，数据平台上建看板/仪表盘
• 需要懂excel，sql，python，R语言等；常用分析方法
  

• 工作职能因不同岗位职责而各不相同
• 薪资待遇还不错
  

数据分析师的价值点：

• 发现问题
• 与业务，产品相结合给出方案建议
  

• 推动方案落地
  

（2）数据挖掘工程师

• 也是算法工程师
• 需要懂sql，python等，熟练掌握挖掘算法
  

• 通过挖掘算法支撑线上用户需求
• 薪资待遇很丰厚
  

（3）数据工程师

• 负责搭建和维护数据仓库
• 薪资待遇很棒
  

• 需要懂java，python等
  

（4）数据架构师

• 搭建底层数据库架构
• 薪资待遇超级丰厚
  

• 需要懂java，python等
  

2.按技术层面等级分类（1）初级数据分析师

• 0-1年经验
• 有相关培训经历，会excel，sql提取复杂逻辑关系数据，python处理数据流
  

（2）中级数据分析师

• 1-3年经验
• 熟练excel，sql，python，有独立撰写分析报告
  

（3）高级数据分析师

• 3-5年经验
• 精通excel，sql，python，有独立主导撰写分析报告
  

（4）资深数据分析师

• 5年以上经验
• 会excel，sql，python，主导项目推进并完成
  

3.按管理层面等级分类（1）数据分析主管

• 初级：0-1年管理经验
• 高级：1-2年管理经验
  

（2）数据分析经理

• 初级：1年管理经验
• 高级：1+管理经验
  

（3）数据分析总监

• 初级：1年管理经验
• 高级：1+管理经验
  

（4）VP

• 分商业部和运营部分析师
  

二.工作内容1.基础数据

• 数据指标体系
• 埋点
  

• 数据指标监控和分析
  

在问题被提出前优先提出解决方案

• 各种提取数据
  

与各部门对接

2.专项分析

不同公司内容有所不同。

• 业务优化分析
• 异常数据分析
  

3.数据分析项目vs数据分析需求(1)数据分析项目

多个部门协同合作弯沉给，最终有成果落地

(2)数据分析需求

一个数据分析项目中的一小部分，产出是一份数据分析报告

a.来源

• 自我发现问题
  

• 自我驱动
• 时刻监控公司的运营动态
  

• 部门领导指派
  

• 公司boss
• 各个部门管理层
  

b.步骤

• 背景
  

• 数据分析需求背景
• 公司具体业务
  

• 终极目标
  

• 数据分析需求的目的
  

• 方案设计
  

• 根据到达的预期目标给出方案
  

• 数据处理
  

• 通过数据分析工具对数据流进行加工处理，为深入分析做准备
  

• 分析报告
  

• 通过对数据进行深入分析，得出分析结论
  

• 方案落地
  

• 根据分析结论给出优化方案
  

• 案例
  

• 公司简介：共享出行
• 需求背景：针对用户做精准化运营
  

• 终极目标：提高用户活跃率
• 方案设计
  

• 根据用户自身属性和消费行为，给每个用户打上标签，就是用户画像
  

三.对接部门1.产品部/运营部/商业部/销售部/客服部/服务部

• 业务部门，和运营相关，提需求多的
• 对数据需求，询问目标，达到的目的，最终效果；因为对方可能对数据理解不足，想法偏激，需求和目的不相关。要纠正他们的错误想法，帮他们理清思路。
  

• 不需要太客气
  

2.技术开发部

• 技术相关
• 埋点
  

• 不要质疑他们的技术
• 客气客气再客气
  

3.大数据部

• 数据技术支持
• 友善友善再友善
  

4.boss

• 数据分析需求随机
• 依然询问需求的目的
  

四.能力要求1.基础技能

• excel
• sql
  

• python
• 常用分析方法
  

2.数学思维能力

• 逆向思维
• 发散性思维
  

• 逻辑思维
  

3.软技能

• 语言表述能力
• 协调沟通能力
  

• 自我驱动能力
• 归纳方法论能力
  

找到自己的位置，确定下一个高地，向前，向前，向前！

真棒

666

666

666