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！