数据分析师培训机构告诉你，如何成为优秀的数据分析师

近些年，数据分析师已经成为了许多企业必不可少的一个岗位，相对的，如今市场对于数据分析师岗位的需求量也越来越高。

这是一个用数据说话的时代，也是一个依靠数据竞争的时代，在世界500强企业中，有90%以上都建立了数据分析部门。

接着很多的知名it行业推动下IBM、微软、Google等知名公司都积极投资数据业务，建立数据部门，培养数据分析团队。

到现在的今天各国政府和越来越多的企业意识到数据和信息已经成为企业的智力资产和资源，数据的分析和处理能力正在成为日益倚重的技术手段。

那么如何成为一名优秀的数据分析师成为了很多想要转行人的心头大事，那么一个优秀的数据分析师需要需要具备哪些素质呢？

 简单来说，可以分为以下几种能力，业务能力、思考能力、沟通能力、表达能力、分析方法、数据能力、技术能力、统计知识、落地能力。

业务能力

1）行业理解：比如电商主营业务是卖货(C端)以及提供在线货架管理(B端)，然后延伸服务(比如金融、自营品牌等)，目前国内市场的top3是天猫、京东、唯品会，三家的业务模式又各有不同；

2）产品模式：卖给谁(用户人群有啥特点)？卖什么(主营产品或服务)？在哪卖(交易场景是啥)？这3点对应的是人、货、场；

3）关键指标：只有被量化以及对比适合的参照点才能知道业务的好坏，推荐《精益数据分析》这本书，涉及互联网的主要商业模式以及相应的关键指标解读；

思考能力

很多人都认为数据分析师需要一个十分缜密的思维，有这种想法的原因就是数据分析师在分析数据的时候需要多多的思考，多沟通，只有不断的思考才能够做好数据分析工作。

所以一个好的数据分析师一定需要好的思考能力，数据分析思维不是一天就能够培养成的，是需要结合自己的工作经验，通过不断的遇到问题、解决问题、得出经验结论的一个长期过程。

但是我们可以通过一些方法去提高自己的数据分析能力。这些方法就是多去研究数据、多读书并总结、多观察趋势。这些方法都可以提高数据分析思维能力。

沟通能力

数据处理和逻辑梳理需要足够的耐心，尤其是在各种数据格式不统一，数据表存放混乱，以及业务流程／逻辑异常复杂的情况下，作为数据分析师，一定要有足够的耐心，沉下来进行全面的数据流程确认，画出对应的流程图，理清楚分析重点。

同时，数据分析贯穿了数据仓库，技术，产品，业务等多个环节，需要和很多人沟通。所以，需要具备一定的沟通能力。在沟通之前，需要清楚的知道本次沟通的目的是什么，以及如何通过对方来达成自己有效数据分析的目标。与技术沟通，是理解参数含义，与运营沟通，是理解分析目标，与产品沟通，则更强调产品逻辑以及背后的思考。

分析能力

数据分析的两个主要分支方向——分析和挖掘，不管是哪个方向，基本的数学知识和机器学习算法都属于必备技能：

分析偏业务

自上而下的“理论”或者业务驱动；

和产品、运营打交道比较多(工作输出对接主要就是这两类同事)；

一般title是“数据分析师”、“数据产品经理”、“运营分析师”、“商业分析师”等；

通常要求会Excel/R/Python/SAS、Tableau/PowerBI等软件，会使用常见的算法，了解产品和运营的分析思路，能输出产品或运营优化方案并促进落地等；

挖掘偏技术

自下而上的数据驱动以发现更优模式；

通常对接数据平台或者对算法依赖非常重的业务(比如风控)；

title里通常带有关键字“开发”、“研发”、“算法”、“挖掘”、“工程”、“大数据”等；

能力上通常要求能使用大数据依赖的操作系统(Linux/shell等)、大数据软件(Spark/Hadoop/Storm等)、开发语言(C/C++/Java/Scala等)、机器学习框架(Tensorflow/Mahout等)，然后就是要熟悉数据结构、算法(数学算法和计算机算法)。

数据能力

数据分析师必须掌握的常用语句和函数有如下几种。

（1）合计和标量函数：Count()、Max()、Sum()、Upper()、lower()、Round()等。

（2）distinct——distinct 关键字可以过滤重复的数据记录。

（3）Top——结合 select 语句，Top 函数可以查询头几条和末几条的数据记录（仅限 SQL Server， 在其他数据库，可用 limit 语句、rownum 列等方式实现相似的目的）。

（4）Order By——结合 select语句，Order By 可以让查询结果按某个字段正序和逆序排列。

（5）Group By——Group By 子句可以对查询的结果集按指定字段分组。

（6）Group By & Having 子句——Having 语句基于 Group By，定义分组条件。

（7）Inner Join，Left Outer Join，Right Outer Join and Full outer Join——多表的列关联，即通过 Join 可以将不同物理表中的数据列根据一定的关联条件合并成一个结果集。

（8）Union 合并查询：Union/Union ALL 查询可以把多张表的数据行合并起来，Union 在合并 时重复的数据仅保留一行，而 Union ALL 则是直接合并，不会处理重复行。 在大数据时代，有很多查询工具可供选择。Hive 和 SQL 是目前比较主流的工具。Hive 是基 于 Hadoop 的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供完整的 SQL 查询功能，可以将 SQL 语句转换为 MapReduce 任务进行运行。Hive 和 SQL 是非常相似的， 主要的区别就是 Hive 缺少更新和删除功能。如果你可以熟练使用 SQL，就可以平稳过渡到 Hive。 另外，一定要注意两者在结构和语法上的差异。

统计知识

在实际工作中经常会遇到统计学的知识，比如显著性、置信度、离散度等等，它会让分析结果更加专业、严谨。经常在AB Test、数学模型、抽样检验里用到。

落地能力

 推动数据分析结果落地是数据分析师最大的成就！

业务的业绩达成才是你的最终目标，数据分析固然能够基于历史和现在的数据进行分析，给出建议，但要想真正证明数据的价值，还需要业务执行层的鼎力支持。

想要成为一个优秀的数据分析师并不是一件简单的事情，需要各方面素质能力综合才能成为配得上优秀二字。

文章来源：网络  版权归原作者所有 

上文内容不用于商业目的，如涉及知识产权问题，请权利人联系小编，我们将立即处理