於澤專場：大佬來談談數據分析那些事兒

小洛寫在前面：python

不少小夥伴在數據分析的道路上都會有一些疑問，今天咱們請了某大型集團公司商業數據團隊負責人於澤來爲你們解答一些不少夥伴都關心的問題。於澤曾在阿里、字節跳動核心團隊就任，經歷了短視頻從0-1的迭代過程，曾擔任某直播中臺數據分析團隊負責人，具備多年的數據分析經驗及團隊管理經驗，小洛平時也常常和他一塊兒探討交流數據分析方面的問題，讓咱們一塊兒來看看他對數據分析的一些看法吧！算法

問題一：不一樣階段數據分析師所必備的能力都包含哪些？
sql

數據分析師有不少方向，在此咱們先指討論業務向分析師的必備能力，咱們把分析師劃分爲初級、中級、高級三個階段：ide

初級分析師：工具

一、基礎數據能力：數據提取(sql)、sql調優（小公司須要）、基本分析能力、數據處理能力（工具不限，excel或者python等均可以）  二、良好的溝通表達能力

中級分析師：在初級分析師的基礎上，須要具有統計學、機率論、量化計算能力、項目管理、業務理解能力。統計學機率論的知識運用能力及深刻程度將影響到思惟的天花板，而項目管理、業務理解能力將直接影響到所作事情是否能夠落地，發揮價值。提到對應的能力均可以展開不少內容，抽象一下就是須要更強的經過數學與實踐結合的能力以及團隊配合溝通能力。
高級分析師：一、更深的業務理解能力：初、中級分析師在初期大部分都是承接相對基礎，或者某個功能項的事情，沒有系統化沉澱好業務思惟。在這個階段的業務理解必定會結合着歷史經驗或者是以前對於經驗的抽象整理。二、判斷力：判斷力依賴於幾點：一是行業經驗，經驗是基於實踐過的事情去總結概括，因此在這個過程當中，咱們所作的事情以及當時是否能夠拿到正確且科學的業務結論很是重要，能夠爲以後的判斷提供依據。二是拓展數據之外的能力，數據分析是支持發現問題、解決問題的一種線索，可是真正決定問題及解決問題的思惟方式是源於生活的，因此在生活中的經驗不少時候能夠反哺爲業務sense。此外，補充其餘領域的知識好比心理學、設計、經濟等，也是很是有必要的，這些都會在潛移默化中，提高咱們的判斷力。三、保持初心：分析師的價值在於能夠用最公正的視角看待問題，不作數據遊戲。時刻保持對所作事情的熱情，促進本身不斷思考不斷進步，不斷追求真理纔是咱們應該作的。 問題二：數據分析如何渡過中年危機？
首先明確一點，中年危機是任何行業及崗位都會面臨的問題，並不侷限於數據分析崗位。因此，這個問題其實咱們能夠理解爲，咱們須要瞭解本身所作職位能夠爲企業所貢獻的價值，這樣咱們才能知道，隨着年齡變大咱們怎麼纔可以不被淘汰。
一、儘早明確我的規劃，業務分析師、數據科學（算法、挖掘）、數據產品等，瞭解每一個方向對應重點能力模型，專一精力在一個重點方向上面。儘可能要發展本身的核心競爭力，看過一部分分析師的bad case。例如業務分析師很喜歡研究算法，可是實際工程能力不強，可能致使在工業生產即便有想法也很難落地。還有一些分析師會樂於接觸方方面面的知識，包括算法、統計、戰略、模型，可是卻沒有本身的核心競爭力，致使對任何方面都不夠深刻。看上去什麼都在作，什麼作的都不深刻。因此要基於本身的職業方向，早早的有意識的提升本身在對應職業的核心競爭力。
二、積累目標方向的能力並積累價值較高的業務經驗。那麼什麼經驗算是價值高的業務經驗的呢？我理解在公司商業模式上的主鏈路的事情是高價值經驗，例如：頭條的增加、推薦、商業化。這種經驗很是寶貴，任何一家公司都須要具有這樣經驗的人才。陌陌的社交方向，豆瓣的社區方向，長視頻的內容分析等。每一個人都在隨着團隊和公司成長，公司在這個方向更有優點天然我的能夠吸取的內容會更多。目標方向能力指的是在職業規劃中，哪一個專業能力是必須的，好比：目標規劃往技術方向發展，工程能力的提高就更重要一些。對應的能力模型也會和業務分析師不同。
三、提高所專攻方向的專業能力。專業能力融合爲思想，指導決策：例如算法能力，並非說了解不少經常使用算法就說明算法能力強，要了解算法思想。不一樣的算法是在不一樣的階段、面對不一樣業務場景，以及當時數據處理能力，總結出來的。因此算法自己是會更新迭代的。因此沒有一成不變的算法，只有相對穩定的算法思想。例如統計學思惟，大部分在課本中學過一些統計思想，可是真正和實際場景結合的過程當中，該如何應用，相信不少人是沒法很好的結合的。是由於沒有很好的理解統計思想。
四、人脈。隨着自身能力的增強，身邊人的層次和能力也是一樣會之增加，因此不管是分析師、產品、仍是其餘崗位，到某個階段後，對應行業的圈子是不大的。因此後面能夠依賴身邊的這些夥伴互相成就，機會不少時候會本身找過來。
問題三：如何說服業務方配合，讓分析結果能夠落地？
一般，對於在業務部門的分析師來講，和業務合做會較順利，因此咱們重點展開說跨部門的合做。其實跨部門和業務方配合種種的不順利的根本核心緣由不外乎幾點，瞭解根本緣由，從而針對性的交流溝通。
一、綁定雙方共同目標，全部人配合的前提是你們目標一致，因此須要先找到雙方一致的點，從而切入。須要領導支持，明確這種業務配合方式是否合理。
二、培養信任感，信任感是基於歷史一件件正反饋的事情積累下來的，因此須要咱們真正能幫業務解決實際的問題，業務方纔會基於信任，配合分析結果的落地。在分析師沒有業務經驗的時候能夠先靜下心來多聽聽業務的思惟，並結合本身的理論知識思考，再基於實際業務的結果造成本身的商業思惟。
三、足夠的業務能力，分析師不只要發現問題，還要給出針對問題想到解決方案。且解決方案要相對可落地。若是咱們對於解決方案側的能力沒有業務強，咱們須要主動去向業務方學習，這也是大部分分析師沒有作到的很重要的一點。好比：分析師發現了推薦算法對應點擊率比同行業差，可是對於推薦不瞭解，問題扔給推薦同窗。推薦同窗可能對這個問題也沒有更好的解決方法。像這種case自己是由於對於推薦側的瞭解很少。 問題四：分析師如何衡量工做產出？
一、明確的業務結果，分爲支持工做的業務指標增益以及主動提建議的指標增益，這些都是實打實的價值。
二、有突破性的認知發現，例如工做中發現、解決的流程類問題等。
三、專業能力成長，專利數、解決技術問題難度等。不少處理或者模型搭建並非你們都會的，因此專業能力的變化須要關注。
四、解決問題的能力。關注團隊同窗的成長，團隊內每一個同窗都會有配合過程當中的各類問題，關注這我的對於自身問題的解決狀況。

最後給你們一些在職場上的小建議：
一、保持好奇心，追求真理，保持上帝視角解決問題：不管是否在業務團隊內，不要有領地意識。要時刻保持追求作對的事情。這樣你纔可能離真理更近，同時我的才能成長的更快。
二、敢於承擔更多的事情：不要怕多承擔事情，任何事情在業務的一環都是相對有價值。保持熱情，能夠加速本身在各個領域的成長，同時反哺分析思路。
三、多體驗生活，多總結思考：其實生活和工做不少時候會有必定的相關性，互聯網鏈接了人和需求。因此只有多體驗生活（娛樂，生活，社交等）才能活得更有「人」味。這個會幫助咱們在工做中拓展思路。
四、作數據的解讀者，而不是數據的提供者：一個數據不一樣的人看到想法不同，只有慢慢的對業務理解深度愈來愈強，才能知道每一個數據背後的業務含義。


 歡迎點個贊贊喔，關注小洛的公衆號，一塊兒交流數據分析話題~   學習