怎么成為一個數(shù)據(jù)分析師、數(shù)據(jù)產(chǎn)品經(jīng)理？都需要哪些知識儲備？如何快速、深入的學習這些技能、知識？?
賈海峰老師有3年數(shù)據(jù)開發(fā)，6年的數(shù)據(jù)產(chǎn)品。從9年多的工作實踐中，總結(jié)歸納，希望對數(shù)據(jù)有興趣的同學有所幫助。

一、入行前你應該懂這幾點

數(shù)據(jù)入門職業(yè)方向：

1.?開發(fā)或者數(shù)據(jù)開發(fā) ?

2.?數(shù)據(jù)分析師

3.?數(shù)據(jù)產(chǎn)品經(jīng)理

?本文主要著重介紹數(shù)據(jù)分析師和數(shù)據(jù)產(chǎn)品經(jīng)理。想要從數(shù)據(jù)分析師成長為數(shù)據(jù)產(chǎn)品經(jīng)理，首先你得成為一名分析師，一名具備成長為數(shù)據(jù)產(chǎn)品經(jīng)理的合格分析師。

1 選擇數(shù)據(jù)分析師的注意事項

入門分析師，要比入門開發(fā)工程師簡單些，相對開發(fā)工程師而言專業(yè)也限制較小。“怎么能做一個合格的分析師”這也是問的最多的問題。?

2 跨崗不跨行

入門分析師需要很重要的一點就是領域，自己熟悉的業(yè)務領域。領域是不少新人常忽略的要素，其實數(shù)據(jù)分析不會脫離業(yè)務存在。你進入哪個行業(yè)，很大程度會決定你初期的技能樹和知識點。譬如金融領域的風控模型、營銷領域的生命周期、廣告領域的點擊率預估等，各有各的特色。?

3 應屆生如何做選擇

如果是一位應屆生，不妨多了解自己感興趣的領域，和專業(yè)相關(guān)是最好的，并且積累相關(guān)的經(jīng)驗，為面試做準備。如果已經(jīng)有一定行業(yè)履歷，只是想要轉(zhuǎn)崗數(shù)據(jù)分析師，那么跨崗不跨行，盡量避免跳到一個陌生的領域。?寧專務多，如果領域經(jīng)驗太寬泛，那么需要考慮這三點：1.?自己感興趣的

2.?自己擅長的

3.?有錢途的?

4 不要做這樣的“數(shù)據(jù)分析師”????

數(shù)據(jù)分析有三種職位：數(shù)據(jù)分析師、數(shù)據(jù)運營、商業(yè)分析。
絕大部分人，都是從這三個崗位開始自己的數(shù)據(jù)之路，也是基數(shù)最大的崗位。因為基數(shù)大，所以這類崗位通常魚龍混雜。?有兩類雖然也叫數(shù)據(jù)分析師，但不是職業(yè)發(fā)展的首選。

比如有些雖然叫數(shù)據(jù)分析師，但每天只需要和Excel打交道，完成leader布置的表格整理工作就行。混個幾年，成為一位數(shù)據(jù)分析主管，給下面的新人繼續(xù)布置Excel任務。

還有一類數(shù)據(jù)分析師，崗位職責要求你掌握常用的機器學習算法，面試首先推導一個決策樹或者邏輯回歸。入職后也是各類代碼，和分析打交道的情況不多。

都叫數(shù)據(jù)分析師，其實天差地別。分析師崗位的職位描述一般是：

1. 負責和支撐各部門相關(guān)的報表；

2. 建立和優(yōu)化指標體系；

3. 監(jiān)控數(shù)據(jù)的波動和異常，找出問題；

4. 優(yōu)化和驅(qū)動業(yè)務，推動數(shù)據(jù)化運營；

5. 找出可增長的市場或產(chǎn)品優(yōu)化空間；

6. 輸出專題分析報告。

實際情況是，不少業(yè)務端的數(shù)據(jù)分析師，主要工作只做第一點。別管它用匯總、分析、數(shù)據(jù)支持什么修飾詞，基本是跑SQL，做報表。
硬生生活成了業(yè)務端的表哥、表姐。
這是很常見的情況，也是入門新人的第一個坑，甚至不少分析師這種工作一做就是三五年的。但這類分析師，從頭到尾，都沒有解決問題，只是在出數(shù)據(jù)….

二、真正的數(shù)據(jù)分析師

1 多維分析與量化解釋

業(yè)務部門往往更關(guān)心，某個指標為什么下跌或者上升。產(chǎn)品的用戶是什么樣的？怎么能更好的完成自己的KPI。
以活躍指標的下跌舉例：活躍指標下跌了多少？屬于合理的數(shù)據(jù)波動，還是突發(fā)式？什么時候開始的下跌？是整體的活躍用戶下跌，還是部分用戶？為什么下跌？是產(chǎn)品版本問題，還是運營失誤？怎么解決下跌的問題這是一套標準的解決思維。
分別對應what、when、who、why、how。每一部分都不是三言兩語可以解釋清楚。
不要看它簡單，例如你通過多維分析，發(fā)現(xiàn)某個地區(qū)的活躍下跌了，不要急著把它作為分析的結(jié)論，這是不合格的數(shù)據(jù)分析。某地區(qū)的活躍下跌，只是現(xiàn)象，不是原因，把它作為結(jié)論提交，肯定會被罵的。
這也正是很多數(shù)據(jù)分析師實際工作與業(yè)務的真實需求的差距所在。?對于上述問題分析師要解決的是，為什么這個地區(qū)的活躍下跌了。是該地渠道，是該地競爭對手，是該地市場環(huán)境？這些問題都是細化深入的范疇。并且，它們要能以量化解釋，而不是我認為。

做好了這點，才是一個真正的數(shù)據(jù)分析師。當然，這一點看的是leader。leader能否帶你進入業(yè)務分析的大門，決定你將來是不是成為一個表哥。
新人切記切記。

2 業(yè)務數(shù)據(jù)體系化

解決問題是一方面工作，另外一方面，數(shù)據(jù)分析師的職責是將業(yè)務數(shù)據(jù)體系化，建立一套指標框架。
活躍下跌的問題，本質(zhì)上也是指標問題。什么時候開始下跌，哪部分下跌，都能轉(zhuǎn)化成對應指標，如日活躍用戶數(shù)，新老用戶活躍數(shù)，地區(qū)活躍數(shù)。
你不能衡量它，就無法增長它，指的就是指標體系。指標體系可以是業(yè)務部門建立，但數(shù)據(jù)分析師也挺合適。
一方面他們比數(shù)據(jù)開發(fā)這類技術(shù)崗位更貼合業(yè)務，一方面不像業(yè)務崗位對數(shù)據(jù)抓瞎。?指標體系如果工程化自動化，也就是BI，所以數(shù)據(jù)分析師可以算半個BI分析師，這里不包括BI報表開發(fā)。BI如果采購第三方，數(shù)據(jù)分析師負責BI沒問題，如果自有開發(fā)，那么BI崗技術(shù)的色彩更濃厚。

3 數(shù)據(jù)分析思維和業(yè)務理解

數(shù)據(jù)分析思維和業(yè)務的理解，是分析師賴以生存的技能。
很多時候，工具是錦上添花的作用。
掌握Excel+SQL/hive，了解描述統(tǒng)計學，知道常見的可視化表達，一些可視化工具使用，足夠完成大部分任務。提高的話還是要會Python、R語言和機器學習這類能力，對此類數(shù)據(jù)分析師不是必須的。畢竟為什么下跌，你無法用數(shù)據(jù)挖掘解答。

三、數(shù)據(jù)分析師的職業(yè)發(fā)展

數(shù)據(jù)分析師是一個基礎崗位，如果專精于業(yè)務，更適合往管理端發(fā)展，單純的工具和技巧很難拉開差距。數(shù)據(jù)分析的管理崗，比較常見的有數(shù)據(jù)運營經(jīng)理/總監(jiān)，數(shù)據(jù)分析經(jīng)理等，相對應的能力是能建立指標體系，并且解決日常的各類「為什么」問題。

另外補充：商業(yè)/市場分析是另外一個方向，更多見于傳統(tǒng)行業(yè)。你要開一家超市，你得考慮哪里開，這就要考慮居民密度，居民消費能力，競爭對手的多寡，步行交通距離，開車交通距離等。這些數(shù)據(jù)是宏觀的大指標，往往靠搜索和調(diào)研完成，這是和互聯(lián)網(wǎng)數(shù)據(jù)分析師最大的差異。

回到“數(shù)據(jù)分析師的職業(yè)發(fā)展”問題上，有了職業(yè)規(guī)劃的意識（越早越好），那么，如果你是新人，比較普遍的發(fā)展路線是先成為數(shù)據(jù)分析師，積累相關(guān)的經(jīng)驗，再幾年后，決定往后的發(fā)展，是數(shù)據(jù)產(chǎn)品，還是專精數(shù)據(jù)分析成為管理崗。

-?END -

本文為首發(fā)于愛數(shù)據(jù)學習社（ID：lovedatacn）