大數(shù)據(jù)從幾年前的概念演變?yōu)楝F(xiàn)在是落地數(shù)據(jù)，越來越多的人感受的數(shù)據(jù)的價值，目前全國各大高校同樣陸續(xù)開設(shè)數(shù)據(jù)科學(xué)與大數(shù)據(jù)專業(yè)，企業(yè)也已開展招聘數(shù)據(jù)分析相關(guān)的職位。
之前想成為數(shù)據(jù)分析師的人大致有三類：
第一類是非計算機專業(yè)的在校生，不知道怎么回事，反正就是對數(shù)據(jù)感興趣了，然后想畢業(yè)之后從事相關(guān)工作，但對職位要求、該做什么準(zhǔn)備一無所知，處于懵懂期;
第二類是互聯(lián)網(wǎng)公司的產(chǎn)品經(jīng)理和運營經(jīng)理，及少數(shù)的市場經(jīng)理。這些人在實際工作中，發(fā)現(xiàn)確實數(shù)據(jù)很有用，但對自己的數(shù)據(jù)分析能力感到不滿意，進而想做出提升;
第三類是傳統(tǒng)企業(yè)的業(yè)務(wù)人員，也是不知道怎么就對數(shù)據(jù)感興趣了，想要從事數(shù)據(jù)分析相關(guān)的崗位，但缺少時間系統(tǒng)學(xué)習(xí)，工作經(jīng)歷又不足以支撐自己跳到數(shù)據(jù)分析職位。
而現(xiàn)如今隨著互聯(lián)網(wǎng)大數(shù)據(jù)應(yīng)用的廣泛展開，越來越多的企業(yè)、政府機構(gòu)等開始設(shè)立數(shù)據(jù)相關(guān)的角色以及職責(zé)。
圍繞數(shù)據(jù)分析工作，也劃分了幾類職責(zé)區(qū)域。從平臺建設(shè)線上，包括：
數(shù)據(jù)平臺工程師：負(fù)責(zé)數(shù)據(jù)平臺的研發(fā)，牽涉到從數(shù)據(jù)采集到分析的相關(guān)組件開發(fā)。
數(shù)據(jù)挖掘工程師：利用機器學(xué)習(xí)/數(shù)據(jù)挖掘相關(guān)技術(shù)，研發(fā)算法模型，用于個性化推薦、用戶畫像、精準(zhǔn)廣告等。
數(shù)據(jù)產(chǎn)品經(jīng)理：把數(shù)據(jù)相關(guān)的需求抽象為數(shù)據(jù)平臺的功能產(chǎn)品。
從數(shù)據(jù)流向的角度，包括：
ETL 工程師：把工程團隊的模塊產(chǎn)生的數(shù)據(jù)，不管是日志、數(shù)據(jù)表，還是埋點的數(shù)據(jù)，進行清洗、轉(zhuǎn)換，建模成利于數(shù)據(jù)分析的數(shù)據(jù)。ETL 是 Extract – Transform – Load 的縮寫。
數(shù)據(jù)分析師：利用 ETL 工程師處理好的數(shù)據(jù)，滿足業(yè)務(wù)人員的數(shù)據(jù)需求。
業(yè)務(wù)人員：產(chǎn)品、運營、市場、管理層等，因為產(chǎn)品改進、運營活動、商業(yè)決策等，有數(shù)據(jù)需求。
數(shù)據(jù)分析師的基本要求
對數(shù)據(jù)感興趣：是不是看到一行行的數(shù)字就頭大，選擇直接跳過?還是愿意花些時間研究這些數(shù)字背后意味著什么?如果你看蘋果的發(fā)布會的話，會看到喬布斯的幻燈片里出現(xiàn)最多的就是數(shù)字，賣了多少部，分了多少錢，厚度減少到多少毫米之類的，他相信數(shù)字簡單明了。
如果對數(shù)據(jù)不感興趣，這個角色一定不適合你。
良好的理解和抽象能力：把業(yè)務(wù)人員說的只言片語，抽象為明確的數(shù)據(jù)需求，清楚怎么從基礎(chǔ)數(shù)據(jù)中實現(xiàn)出來。還有把一些重復(fù)性的需求，抽象出模式來，用機器來替代。
良好的表達(dá)能力：數(shù)據(jù)分析師有個天然的優(yōu)勢，能夠直接和老板打交道，這就要求你能站在老板的層面來表達(dá)。把一堆堆的數(shù)據(jù)，很好的呈現(xiàn)給業(yè)務(wù)人員，幫助他們做出正確的決策。
快速動手能力：業(yè)務(wù)人員提的數(shù)據(jù)需求，巴不得下一秒都拿到。
數(shù)據(jù)分析的專業(yè)能力。
興趣是可以培養(yǎng)的，既然愿意看這篇文章，說明有興趣。理解、表達(dá)、動手能力，是要有意識的訓(xùn)練。數(shù)據(jù)分析的專業(yè)能力，是可以通過學(xué)習(xí)提升的。
作為數(shù)據(jù)分析師，無論最初的職業(yè)定位方向是技術(shù)還是業(yè)務(wù)，最終發(fā)到一定階段后都會承擔(dān)數(shù)據(jù)管理的角色。因此，一個具有較高層次的數(shù)據(jù)分析師需要具備完整的知識結(jié)構(gòu)。
1. 數(shù)據(jù)采集
了解數(shù)據(jù)采集的意義在于真正了解數(shù)據(jù)的原始面貌，包括數(shù)據(jù)產(chǎn)生的時間、條件、格式、內(nèi)容、長度、限制條件等。這會幫助數(shù)據(jù)分析師更有針對性的控制數(shù)據(jù)生產(chǎn)和采集過程，避免由于違反數(shù)據(jù)采集規(guī)則導(dǎo)致的數(shù)據(jù)問題；同時，對數(shù)據(jù)采集邏輯的認(rèn)識增加了數(shù)據(jù)分析師對數(shù)據(jù)的理解程度，尤其是數(shù)據(jù)中的異常變化。
2.數(shù)據(jù)存儲
無論數(shù)據(jù)存儲于云端還是本地，數(shù)據(jù)的存儲不只是我們看到的數(shù)據(jù)庫那么簡單。
3.數(shù)據(jù)提取
數(shù)據(jù)提取是將數(shù)據(jù)取出的過程，數(shù)據(jù)提取的核心環(huán)節(jié)是從哪取、何時取、如何取。
o 從哪取，數(shù)據(jù)來源——不同的數(shù)據(jù)源得到的數(shù)據(jù)結(jié)果未必一致。
o 何時取，提取時間——不同時間取出來的數(shù)據(jù)結(jié)果未必一致。
o 如何取，提取規(guī)則——不同提取規(guī)則下的數(shù)據(jù)結(jié)果很難一致。
4.數(shù)據(jù)挖掘
數(shù)據(jù)挖掘是面對海量數(shù)據(jù)時進行數(shù)據(jù)價值提煉的關(guān)鍵，以下是算法選擇的基本原則：
o 沒有最好的算法，只有最適合的算法，算法選擇的原則是兼具準(zhǔn)確性、可操作性、可理解性、可應(yīng)用性。
o 沒有一種算法能解決所有問題，但精通一門算法可以解決很多問題。
o 挖掘算法最難的是算法調(diào)優(yōu)，同一種算法在不同場景下的參數(shù)設(shè)定相同，實踐是獲得調(diào)優(yōu)經(jīng)驗的重要途徑。
5.數(shù)據(jù)分析
數(shù)據(jù)分析相對于數(shù)據(jù)挖掘更多的是偏向業(yè)務(wù)應(yīng)用和解讀，當(dāng)數(shù)據(jù)挖掘算法得出結(jié)論后，如何解釋算法在結(jié)果、可信度、顯著程度等方面對于業(yè)務(wù)的實際意義，如何將挖掘結(jié)果反饋到業(yè)務(wù)操作過程中便于業(yè)務(wù)理解和實施是關(guān)鍵。
6.數(shù)據(jù)展現(xiàn)
數(shù)據(jù)展現(xiàn)即數(shù)據(jù)可視化的部分，數(shù)據(jù)分析師如何把數(shù)據(jù)觀點展示給業(yè)務(wù)的過程。數(shù)據(jù)展現(xiàn)除遵循各公司統(tǒng)一規(guī)范原則外，具體形式還要根據(jù)實際需求和場景而定。
7.數(shù)據(jù)應(yīng)用
數(shù)據(jù)應(yīng)用是數(shù)據(jù)具有落地價值的直接體現(xiàn)，這個過程需要數(shù)據(jù)分析師具備數(shù)據(jù)溝通能力、業(yè)務(wù)推動能力和項目工作能力。
數(shù)據(jù)溝通能力。深入淺出的數(shù)據(jù)報告、言簡意賅的數(shù)據(jù)結(jié)論更利于業(yè)務(wù)理解和接受，打比方、舉例子都是非常實用的技巧。
