作为数据分析师,当然还是需要有必要的技能傍身,比如精通SQL、数据库原理、Excel/报表/BI工具技能。除此以外,上下游技术领域,比如数据仓库、数据架构、ETL,需要了解甚至会用。比如:
(1)SQL是最灵活的操作数据的语言
任何一个数据库都会提供SQL的支持,它架起了业务和数据的桥梁,简单易学,性价比很高,也是数据分析师的必须要学习的语言。
(2)EXCEL提供了最为灵活的轻量级数据的加工和呈现的能力
对于EXCEL的掌握是任何数据分析师的基本功,透视图,图表,公式,计算都是极其方便的工具。
(3)BI很大程度上就是用一些可视化技术来进行指标比较的艺术
BI有助于你更快、更直观的发现问题和定位问题,毕竟人脑对图表、图像的敏感度更高。
(4)数据挖掘技术
比如聚类,分类,预测等等随着机器学习,人工智能工具使用门槛的降低,数据分析师要掌握至少一种挖掘的方法。懂得如何构建模型,尤其是在金融、运营商、互联网、零售等这些数据成熟度较高的行业。
每一个人在学习数据分析的时候可能都会陷入迷茫,数据分析有那么多的技能,该学习那些呢?需要全部学会吗?
其实不需要的,不同的技能对应着不同的数据分析岗位。简单举例下面几个岗位:
岗位职责:通过设计合理的指标体系诊断业务运营中存在的问题,提出合理化建议,撰写业务分析报告。通过数据分析度量客户体验、诊断、完善产品设计。开发业务分析模型,帮助企业更好地进行决策。
使用工具:SQL、Excel、BI
岗位能力:
(1)用户行为分析、商品定位策略分析、运营效果分析
(2)多维透视分析、指标应用与设计、数据可视化
(3)描述性统计、相关分析、常用的数据分布
岗位职责:负责客户运营、产品营销、渠道管理和风险管理等业务领域策略分析人员,从事业务策略分析及优化等工作。通过梳理业务流程,结合用户画像,使用统计分析工具开展根因分析,诊断业务运营中存在的问,制定应对策略。通过统计分析模型,洞察客户需求,完善产品设计,同时不断改进模型,帮助企业更好地进行信息决策。
使用工具:SQL、Python数据模型与管理
岗位能力:
(1)产品运营分析报告、风险管理分析报告、问题根因分析报告
(2)用户标签设计与制作、用户画像原理、统计模型搭建、业务策略分析及优化
(3)统计分析基础、回归模型、数据降维、时序分析
岗位职责:熟悉各类数据挖掘算法。可以进行深层次的客户识别、画像,以满足营销和风险控制方面的需要。
使用工具:SQL、Excel、BI
岗位能力:
(1)知识图谱、客户画像、风控建模、精准营销建模、操作与事件识别
(2)数据接入、特征构建(数据降维与数据升维)、自然语言处理、大数据平台
(3)分类模型、聚类模型;回归模型、推荐系统;复杂网络、集成算法