本文摘要

过年前的一个下午，有幸听到了快手宋世君老师关于数据分析的直播；直播中，他讲述了自己对数据分析的一些理解，并且和线上的同学有QA的互动，听完整个直播让自己有对数据分析师有了醍醐灌顶的理解，自己为了更好的理解也听了录播两遍，下面我将直播中的重要内容整理成文字分享给需要的朋友们。

问：怎么理解数据分析？

1 “分析”本身是一种定位，一种目标的实现。像商业分析、战略分析以及用户研究都是分析，只是用的工具和目的上的差别。

2 而“数据分析”职能是三个学科的交叉结合，这三种学科中：重要程度从上到下，容易学习程度从下到上。尤其商业思维是潜移默化一点点掌握学习的。


商业思维

量化的科学方法论，如统计学、商业分析、财务模型、经济模型、社会模型

数据处理技能，如SQL、python、Excel

问：数据分析师在公司里是什么定位？

1 越来越多的公司开始重视数据，做数据驱动业务。对于数据驱动来说，需要做到数据能力建设和数据文化建设：

能力建设：底层数据库、数据工具、数据产品的搭建；

文化建设：分对内文化建设和对外文化建设；

所谓对内文化建设是指：数据团队内部对自己的定位认知；

对外文化建设是指：外部即其他团队对数据的认知以及对数据团队的认知；具体来说就是让大家有以下的认知：

数据是有用的（一类公司会认为数据没有用，一般是历史悠久的企业）

认为数据万能（事实上数据是有局限性的）

数据职能合作的认知，和数仓、产品、运营以及领导之间的关系

2 能力建设和文化建设是同等重要的，但是大多数公司将重心放在能力建设上面，文化建设却跟不上；这就会造成大家都以为数据只是工具，且也会把数据分析师当成取数的人。


所以，要看一家公司对数据分析师的定位，就要看这家公司的数据能力建设程度和数据文化建设程度。

问：数据文化怎么建设？

1 需要一个能力很强且对数据有非常强的认知的leader去做；

2 作为个人，自己做些亮点的东西去影响周围的人，但是比较难产生效果。

一般都是自上而下，有高段位的人影响管理层去建设文化。

问：数据运营、分析师和算法的区别？

1 数据运营：把数据作为拿到业务结果的抓手, 要对业务结果负责, 这些是数据运营；

2 数据分析：需要兼备定量能力和业务思维；在保证科学性与中立性的前提下，通过数据做业务发展的催化剂，数据驱动来补足直觉驱动的短板；解决的是数据的离线问题，白盒解决问题。

3 算法：基于数据做实时的在线实现，是数据的再应用，黑盒解决问题；

问：数据分析师如何选公司？

1 成立太早的公司不建议去，没有数据土壤；选择有一定规模的新型的公司，他们重视数据且有数据文化建设，数据会对标国际发展水平；初期发展的公司更多是要做数据基建，需要数仓和工程类的员工，不适合数据分析师。

2 数据最好能做到横向拉通，而不是完全分散在各个业务部门下，这种不适合数据文化的建设；

3 尝试不同的业务去做数据分析，目的是了解不同的业务，提升业务经验。从而实现自己的业务思维从点到线到面；因此，也尽量选择公司文化比较多元，业务比较复杂的公司；

其他的QA互动

Q1：互联网红利殆尽，互联网公司全员数据分析培训，数据工具提升，想做到人人都是数据分析师；那对于数据分析师岗位是不是会面临淘汰？

A：应该这样做，有数据产品或者数据工具能替代日常的基本数据分析，这对数据分析师是好事。这样我们就能有更多的精力去做更深入的分析（第二类）。

数据分析工作分两类：一类是明确数据框架的数据沉淀，以后会慢慢被各种产品替代；一类是：定义业务问题并且框架化这个业务问题，用数据化的方式描述业务。

Q2：怎么看数据分析师门槛？

A：数据分析师是门槛很低的岗位，但是是天花板很高。真正做精是很难的。

Q3：数据分析和业务之间的关系？

A：相互成就的关系；分析是基于业务场景来做，而且能反哺业务。

Q4：国内互联网公司和国外互联网公司在数据分析上有什么差异？

A：国外互联网公司的数据基建做的比较好，如数据产品工具完善、数据质量有保证；这样数据分析师工作效率就会比较高。

国内的话，业务丰富度和复杂度高于国外。

Q5：数据分析师非常重要的核心竞争力？

A：批判性的思考，质疑的能力。

Q5：如何保持自己的竞争力？

A：软能力的提升，如商业思维、沟通能力、汇报能力。

-END-

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。