最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
打印 上一主题 下一主题
开启左侧

在数据分析过程中,你是否遇到这些坑?

[复制链接]
跳转到指定楼层
楼主
发表于 2016-9-24 11:15:23 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
数据分析学习的内容只多不少。说起数据分析师,可以称之为行业的IT农民工,也可被冠以IT界的行业咨询光环。在我看来,他更像是拥有扎实IT技术和宽阔行业视角的分析掌舵师。


数据分析的学习是个漫长且需要不断磨练的过程。


在数据分析过程中,你是否遇到这些坑?

A : 有很多学习路径,但还是无从下手
B : 找了一堆资料,怎么样也看不进去
C : 听大牛讲案例,思路都明白,但就是做不出来
D : 听完案例之后无法举一反三
E : 感觉什么都会一点,操作起来全暴露了
F : 行拼命挤进数据分析圈,有问题还是不知道向谁求教


数据分析师的成长路径大体可以分为以下三个阶段:

初级分析师

•提出一个业务问题,可以从数据层面进行解答,并保证合理的数据结构、与业务逻辑紧密的关联性,最后保证数据的准确性。
•能够熟练进行数据预处理
•熟练掌握一门通用技术

中级分析师

•能够独立完成高质量的数据分析报告、如产品规划、市场活动等
•可以cover住从前期规划到后期细节完善再到后期分析评估的整个过程

高级分析师

•能够独立负责一组模块级别的项目,带领团队全面解决问题,实时把控基层数据分析师的工作质量
•技术方面,能全盘熟悉数据分析的整个过程,包括对数据采集、埋点、造型和数据清洗工作
•能够提出对业务痛点的有建设性的解决方案


一张图了解数据分析师的职业生涯规划



一个合格数据分析师,从了解行业开始

一个合格数据分析师,必定熟知业务,为什么这么说呢?因为大多有数据分析需求的,都是由于业务上某某问题需要挂上流程,或者某些地方需要埋点以便未来决定产品的优化方向,抑或是公司未来战略需要调整,需要数据分析来做支撑。

再举个例子。

从一些IT公司和客户公司的合作来看,往往是甲方的信息主管提出某某问题你们的产品或者方案能否解决,解决的效率如何云云。而乙方常常是处于还没有弄清业务的迷茫状态。

再比如,某旅游公司的数据分析工作并不由信息部门参与,而是每个部门单独设立一个数据分析的岗位,出报表或者数据分析展示都是由这些懂部门业务又有一定分析技能的人来做。该公司的负责人表示:我们以互联网的思维来引导数据分析的工作,不需要多专业的数据技能,配合报表工具FineReport和商业智能FineBI这种轻量级的数据分析展示工具,已经能满足大部分需求。我们相信懂业务的人更能做出合格的数据分析。

既然明白了了解行业的重要性,那如何去了解一个行业呢?


如何快速了解一个行业:

1、探索行业的商业价值及市场格局

了解一个行业要先分析这个行业存在的价值,行业的产业链是什么样的,涉及到多少环节,每个部门的既有利益获得所依赖的关键因素是什么,因为这有可能成为你数据分析的总要指标。此外还要了解这个行业是否存在垄断现象,垄断意味着掌握着产业的定价权。

2、阅读财报-杜邦分析法

为什么要阅读财报?因为从财报中可以获取公司的所有权性质、主营业务、主要客户、收入结构、成本结构、员工规模、人才结构,更高深的可以了解公司的战略方向和主要承担的风险。


3、阅读一本综述性行业书籍

书是最好的老师,它能帮你快速梳理行业知识,提供系统性的人是。例如你是保险行业,可以看一下《风险管理与保险》,旅游行业可以看一下《旅游零售行业经营方式》。

4、行业资讯+行业人士访谈

熟知了行业也要经常关注一些行业资讯。资讯的获取可以通过投资机构的行业报告,咨询公司的分析报告以及行业交流的网站论坛。线下多参加一些行业数据分析/大数据的交流活动,有大牛指点必然获益匪浅。

5、对比自己的技能素养

要时刻反省自身,是否有能力解决这些痛点,能否提出解决方案。行业的痛点在哪是否了解,还要补充哪些知识。

最后,作为一个数据分析从业者,如果想磨练自己的技能,建议深耕一个行业,打好扎实基础。

End

来源:数据分析不是个事儿


楼主热帖
分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
收藏收藏 转播转播 分享分享 分享淘帖 赞 踩

168大数据 - 论坛版权1.本主题所有言论和图片纯属网友个人见解,与本站立场无关
2.本站所有主题由网友自行投稿发布。若为首发或独家,该帖子作者与168大数据享有帖子相关版权。
3.其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和168大数据的同意,并添加本文出处。
4.本站所收集的部分公开资料来源于网络,转载目的在于传递价值及用于交流学习,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。
5.任何通过此网页连接而得到的资讯、产品及服务,本站概不负责,亦不负任何法律责任。
6.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源,若标注有误或遗漏而侵犯到任何版权问题,请尽快告知,本站将及时删除。
7.168大数据管理员和版主有权不事先通知发贴者而删除本文。

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-4-26 05:30

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表