你收藏了那么多的视频资源,学习了那么多的工具,但是依旧看到数据就懵逼,看到工具不知道如何运用,还是做不好数据分析;面对错综复杂的商业问题,面对堆积如山的数据,你仍然没有分析的头绪,统计学,建模一顿骚操作,得出结论竟然只是常识;你写出的报告毫无亮点,没有分析思路;面对那么多数据分析职位,却失之交臂。这是为什么呢?
我们从招聘信息上可以了解到,其实业务分析能力仍是首位,而什么是业务分析能力呢?很多人却没有一个系统的概念。这个问题看似简单,但是大部分人在学习的过程中都会遇到。
无论是产品,市场,运营还是管理者,你必须都要时刻反思:数据的价值在哪里?哪些数据是有用的,从数据中,我们又掌握了哪些内容。其实数据分析本身并不难,男的是真正获得能够支撑决策的结论。
就好像你熟读唐诗三百首,却写不出一首称得上还可以的诗,你熟记Python语法,却依然不能写出自己的程序。就算你有一把锋利的剑,却不懂招式,不懂驾驭,你空有法力,却不能运用。
从图中可以看出,工具,算法都不需要我们太过重视,而我们需要重视的是解决问题的能力,这才是对数据分析师的最大的价值,也是我们在今后不断学习的方向,也是未来数据分析师的分水岭。
所以真正的数据分析师 = 工具 方法 逻辑 思维,你仅仅掌握工具,自然不能得心应手。
那么到底掌握哪些技能,到什么程度,才可以胜任呢?
技术方面:我们学习技术的时候,不要盲目的去寻找资料,然后保存到网盘里面压箱底,不系统的学习就如啃一块大骨头,不仅仅不好啃,没准还可能放弃掉。而是有目的的明确地学习流程。针对每个流程做针对的学习。通常可以把数据分析项目分为数据预处理,统计分析,探索性分析,预测性分析,可视化及报告。然后我们可以针对每个流程学习。
方法方面:很多时候我们拿到原始数据或遇到一个问题,无从下手,很大可能不是技术不足,而是缺少分析方法。比如最简单的统计分析,统计量的理解要深刻,哪些字段可以分组,哪些是可以根据平均值观察,这些都是建立在你对统计分析理解的基础上。而仅仅这些分析,就足够得出有价值的结论。我们练习可以去多熟悉以前的案例,项目,找到基本的分析感觉,只有不断的去练习,总结,才能形成自己的一套分析理论。
业务思维:优秀的数据分析师一定对业务非常了解的。在做分析之前一定要切记,对于分析的问题,要有明确的需求,然后拆分成小组,模块,然后得出评估,最后根据评估得出结论。
很多人一开始学习,就热衷于炫技,写大量的代码,做炫酷的图表,这些很有可能实际在分析思维能力上的提升并不明显,甚至有可能导致你想要凸显的结论没有变现出来。很多人也会进入误区,认为努力弥补技术上的差距,就缩短了数据分析能力的差距,但很多时候,你和专业分析师差的是提出问题,梳理问题,解决问题的能力。这种能力就是源于对业务知识的理解。
在你拿到一个项目需要分析的时候,你要明确需求,要去解决什么问题,然后根据你现在的数据去分析,评估,最后根据你分析的结论做出哪些决策!