作為一名數據分析師,你覺得最重要的能力是什麼？ 購買該鹽選專欄查看完整 10 篇內容
作 ROI[1] 的能力。
縱觀知乎上所有關於數據分析師入行的回答和文章，我們可以發現，絕大部分內容的落腳點都在「技能」上，什麼「深入淺出統計學」啦，「如何用溜 Excel 」啦，「怎樣寫 SQL 能提升執行效率」啦，「你不知道的數據分析 Python 包」啦，等等等等。彷彿在「數據分析」中，最重要的就是「技能」。這些內容，我第一次看到的時候，覺得很過癮，像是打開了新的世界；看了很多篇以後，就覺得也就那樣；而現在，當我看到這些內容，第一反應大概是「文章結尾肯定是賣書鏈接或者賣課鏈接」了。有時，我甚至會懷疑：他們真的做過數據分析師嗎？還是說只是四處搜颳了一些學習資料，然後拼湊出一篇看起來很高大上的文章？
為什麼我的看法會發生如此大的改變呢？它源於我在工作實際中的觀察：至少在國內，在絕大多數知名的互聯網大廠中，很多高 level 的數據分析專家，他們在狹義的「技術」上很一般，甚至有些數據分析專家完全不會寫 SQL，更不用說 Python；而那些在我看來技能非常厲害的數據分析師，卻依然有很多無法晉陞到高 level 。
這種現象的唯一解釋是：我們所認同的類似於「統計學/Excel/SQL/Python」的「數據分析技能樹」，其實根本就不是特別重要的東西，有這些技能當然不錯，但也只是類似武林高手多了一把武器罷了。
武林高手需要很多武器嗎？
後來我就逐漸總結出，那些真正高 level 的數據分析專家，除了管理上的能力外，他們和數據分析最相關的能力，其實是 「判斷工作 ROI 的能力」。詳細點說，他們在做一項分析前，能夠充分地了解：自己預期的投入時間是多少，有多少可以的調動的資源，想要的產出是怎樣的，這個產出大概能夠給業務帶來多少增益。
舉個例子。在我剛剛入行的時候，曾經我參與到一個項目，感覺很有趣，覺得自己可以大幹一番，拍拍胸脯對主管說：「我可以給這個項目做一個非常詳盡的 Dashboard[2]，可以從各種維度分析數據，並且下鑽，去洞察業務異動真正的原因。」
但我的主管卻說：「我知道你有這個這個能力，這個 Dashboard 也許很酷，但你不必這麼做。先做一個 MVP[3]就好了，因為這個業務不太穩定，可能都隨時下線。」
這個時候，我就突然明白了為什麼有些人能成為高階的數據分析師：他們能看出一個分析應該投入多少資源才是最合理的，而不是把自己的武器庫都掏出來炫技。
這種「判斷應該在分析中投入多少資源」的能力，說起來簡單，其實是非常、非常難的。
它需要你：
- 充分了解這個項目的大體框架；
- 充分了解這個分析的甲方，他會期待什麼樣的分析結果；
- 充分了解分析需要合作的相關人員，對他們的個性和能力有一定了解；
- 結合以上 3 點，對自己手裡所有的分析項目進行「緊急性」和「重要性」的重排序，得出一個分析的優先順序，最終敲出應該投入的時間，以及最後的產出。
這四個點，用時髦的話說，第一個叫做「框架性思維」，第二個叫做「期望值管理」，第三個叫做「資源調動」，第四個叫做「項目管理」。
這每一項，都是可以大做文章的大學問啊！
所以，那些高階的數據分析師，正因為他們有宏觀的思維，再加上一點點管理能力，所以才不會沉迷於技術細節，能抓大放小，以找到恰到好處的 ROI 為目標，讓數據分析最大化地體現它的價值。
參考
- ^Return on Investment 的縮寫，在此處意為「投入產出比」。
- ^Dashboard，即「儀錶盤」，實際工作中，我們會更傾向於用這個英文名，或者直接用「看板」代替。
- ^Minimum Viable Product –最簡化可實行產品。
如果從做直白的角度來說，做數據分析師最根本的能力是學習能力，學習能力好會讓你快速了解一個行業的運作流程以及整體框架，戰略方向包括他處於什麼水平，以及未來發展的方向。想做好這個領域就要保持住不斷學習精神。
我們先從整體上了解數據分析師要掌握的技能有哪些，然後再從具體職位類別來看，不同的職位具體要掌握的技能有哪些。
這樣你不僅可以從整體上有了全局的認識，還能從細節上知道不同職位類別的技能是什麼，這樣你就能根據自己的實際情況，有針對性的準備和學習。
一、數據分析的勝任力模型是什麼？
從整體上來看，數據分析師需要掌握的能力有很多，從總體上可以分為以下幾類，這些能力構成了數據分析師的能力模型。
1）理論基礎，包括統計學
2）數據分析工具，常用的分析工具有 Excel，SQL，Python 等
3）可視化工具，常用的有 Excel，商業智能(Business Intelligence,BI)
4）業務知識，包括常用的指標、某行業的業務流程
5）數據分析思維，包括常用的分析方法
6）通用能力，包括 PPT、溝通能力
下面我們來詳細看下每一種能力的要求。
1.理論基礎：統計學
數據分析背後的理論基礎是統計學。所以，掌握了統計學以後我們才能去看懂數據表達的意義是什麼。舉個例子，給你一家公司員工的工資，是平均值能代表這家公司的工資水平，還是中位數能代表？
如果沒學過統計學，那麼可能只認識這裡的平均值，而不知道中位數這個知識。但是，如果你學過了統計學就會知道，中位數比平均值更能反映出數據的集中表現。
統計學的內容比較多，詳細又可以分為兩類內容：描述統計分析、推論統計分析。
什麼是描述統計分析？
對大量信息進行歸納是處理數據時最基本的任務。中國約有 14 億人，一張記錄每位中國人的姓名和收入的電子表格包含了我們衡量這個國家經濟健康狀況所需的所有信息，通常我們也將多個數據集合在一起的東東叫「簡稱數據集」。但這張信息過量的表格其實相當於什麼都沒有告訴我們。這就是讓人覺得諷刺的地方：經常是數據越多，事實越模糊。??
因此，我們需要簡化，將一系列複雜的數據減少為幾個能夠起到描述作用的數字，正如奧運會體操比賽中，我們將一套多難度組合的複雜動作濃縮為一個得分：9.8 分。?
描述統計分析就是將一系列複雜的數據減少為幾個能夠起到描述作用的數字，用這些有代表性的數字來代表所有的數據。這樣在面對一大堆數據時，你可在不知道所有數據的情況下就能知道數據的整體情況。??
這就好比，我們通常一說起美女，能想到的是這樣幾個指標：長腿，大眼睛，臉蛋好看。雖然全國有那麼多美女，你也沒有見過全部的美女，但是你卻能通過這樣幾個代表美女的指標就可以大概知道什麼是美女。?
?同樣的，描述統計學的關鍵點在於，找到幾個關鍵的數字來描述數據的整體情況。那麼，問題就來了，能擔當起這樣重要責任的數字有哪些呢？描述數據的整體情況，我們可以用 4 個指標來做，分別是：平均值、四分位數、標準差和標準分。?例如，前面我們在拿到工資數據，就可以用「中位數」這樣的數字來描述工資的整體情況。
所以，描述統計分析就是掌握 4 個指標：平均值，四分位數，標準差和標準分。
什麼是推論統計分析？
推論統計分析就是通過樣本來推斷出總體。需要掌握的知識包括概率分布、中心極限定、如何用樣本估計總體、置信區間、假設檢驗。例如，互聯網常用的 AB 測試背後的原理就是假設檢驗，如果不掌握推論統計分析，那麼連 AB 測試的結果也看不懂，更不用說完成一個 AB 測試實驗。
2.數據分析工具
很多人看到現在 Python 很火，就不管自己的能力水平如何，就一頭扎進學習 Python 的大潮，最後發現其實自己學不會，或者學完用不上。
這其實是不對的，真正工作里最常用的數據分析工具其實是 Excel，SQL。所以，如果你的零基礎，不建議一上來就學 Python，而是先學會 Excel 分析數據，然後學會 SQL。
這樣你學會了常用的分析工具，然後再學 Python 才是加分項。同時，這樣學習的順序還有一個好處，如果你是零基礎沒學過編程，一上來學 Python，大概率是學不會的。但是如果你學過用 Excel、SQL 處理數據，那麼就具備了一定的基礎，再學 Python，很多概念就會理解起來比較容易。
這就好比，一個嬰兒不是一上來就學習跑步（Python），而是先把走路學會，具備了走路（Excel、SQL）的基礎，再跑步就容易多了。
需要注意的是，除非是工作必須要求的，其他少部分公司用的工具其實不需要學習。比如有些公司要求其他編程語言，例如 R、SPSS、SAS 這些工具。
現在 Pyhon 已經是人工智慧排名第一的編程語言了，大部分公司要求 Python，很少部分的公司要求其他的編程語言，所以學習市場要求最多的那個技能才能找到更多機會。如果你學習了少部分公司才要求的工具，那麼意味著你找工作或者跳槽只能選擇這些公司，而會錯失其他大部分公司的求職機會，對你整個職業生涯不利。
3.可視化工具
常用的可視化工具包括 Excel、商業智能（BI）。
一般的可視化圖表用 Excel 里的圖表功能就可以實現，而且使用起來也方便。如果是要經常做報表，並且要求實現報表自動化，那麼就需要用到商業智能（BI）工具。
那什麼是商業智能(BI)呢？
微軟官方給的定義是「使用用於自助服務和企業商業智能 (BI) 的統一、可擴展平台（該平台易於使用，可幫助獲取更深入的數據見解），連接到任何數據並對數據進行可視化。 」
毫無懸念，看這種官方定義就是看不懂。簡單來說就是把數據導入商業智能(BI)工具中，就可以快速對數據可視化。例如下圖就是把數據導入用商業智能(BI)工具中，通過可視化數據來分析。
IDC《2019 年下半年中國商業智能軟體市場數據跟蹤報告》顯示，在中國商業智能軟體子市場中，報表分析仍是目前市場最主要的需求，2019 年全年年市場份額佔比為 79.0%。高級分析和預測分析市場份額佔比 21.0%（下圖）。
常用的商業智能（BI）工具有哪些呢？
目前使用最多的商業智能（BI）工具是 Power BI、Tableau、帆軟，選擇其中任意一種學習就可以了。
4.業務知識
因為數據分析是用來解決具體行業問題的，需要從業務的角度出發，了解各個指標，以及每個指標之間的關係，還需要聯繫業務去理解數據。所以，工作中數據分析脫離不了業務，在分析中要找到導致問題發生的根本原因，而不只是單純的統計數據。
因此需要具備某個行業的業務知識才能去理解這個行業里的術語、業務問題等。
業務知識包括某個行業的常用指標、業務流程。需要注意的是，不同行業的指標、業務流程是不一樣的，所以需要學習的時候針對你的目標行業去學習準備。例如，下圖分別是金融信貸行業、在線教育行業的業務流程。
如果是剛入門，這塊內容做到了解即可，等進入工作以後，再慢慢深入業務，積累業務經驗。具體某個行業的常用指標、業務流程可以看書《數據分析思維》，這本書里涉及了 10 多個行業的指標、業務流程。
5.數據分析思維
在數據分析相關的職位里經常會寫這麼一條招聘要求「具備數據分析思維」。在工作或者面試中，會經常聽到分析思維、分析思路、分析方法。這三個詞語有什麼關係呢？其實簡單來說，它們都是指分析方法。
數據分析思維需要你掌握 10 種常用的分析方法。
如果你的分析目的是想將複雜問題變得簡單，就可以使用邏輯樹分析方法，例如經典的費米問題就可以用這個分析方法。
如果你的分析目的是做行業分析，那麼就可以用 PEST 分析方法，例如你想要研究中國少兒編程行業。
如果你想從多個角度去思考問題，那麼就可以用多維度拆解分析方法，例如找相親對象，需要從多個角度去分析是否合適。
如果你想進行對比分析，就要用到對比分析方法，例如你朋友問自己胖嗎，就是在對比。
如果你想找到問題發生的原因，那麼就要用到假設檢驗分析方法，其實破案劇里警察就是用這個方法來破案的。
如果你想知道 A 和 B 有什麼關係，就要用到相關分析方法，例如豆瓣在我們喜歡的電影下面推薦和這部分電影相關的電影。
如果你想對用戶留存和流失分析，就要用到群組分析方法，例如微博用戶留存分析。
如果你想對用戶按價值分類，那麼就要用到 RFM 分析方法，例如信用卡的會員服務，就是對用戶按價值分類，對不同用戶使用不同的營銷策略，從而做到精細化運營。
如果你想分析用戶的行為或者做產品運營，就要用到 AARRR 模型分析方法，例如對拼多多的用戶進行分析。
如果你想分析用戶的轉化，就要用到漏斗分析方法，例如店鋪本周銷量下降，想知道是中間哪個業務環節出了問題。
6.通用能力
通用能力包括 PPT 製作分析報告、溝通能力。
在工作中，要經常做分析結果做成數據分析報告，然後展示給業務部門、上級領導、客戶等，而這種展示數據分析報告的場景常用的工具就是 PPT，所以就要求你會用 PPT 製作數據分析報告，有較好的的文字、書面總結能力。
職業社交網站領英發布的《2018 新興工作崗位報告》報告里說，最大的技能缺口是軟技能，比如口頭交流、領導力和時間管理等。這份報告中建議，職場人士需要在快速變化的工作環境中，學習並保持軟技能，因為擁有這些技能的人才具備更大的職場優勢。
其實，任何職位都需要溝通能力，但是，數據分析師對溝通能力的要求更高。因為，數據分析師解決的是實際的問題，需要跨部門溝通業務，做好的數據分析報告也要展示給各個部門、領導、客戶，只有好的溝通能力，才能讓你的分析結果得到用戶的認可。 那麼這些通用能力如何提升呢？最直接的方式，就是通過寫文章來提升。
通過寫作可以同時提升你下面 3 個能力：
1）邏輯能力
寫作的本質其實是把一件事情講清楚，而邏輯能力強的人寫出來的內容，讀起來更順暢。
2）文字表達能力
數據分析師要經常做數據分析報告，和通過郵件彙報分析結果。這體現的其實就是文字表達能力，提高這個能力的辦法就是不斷去寫作。
3）溝通能力
寫作其實就是把想說的話通過文字和你的用戶去溝通。另外，經常在社群里提問和解答他人的問題，也可以提高你的溝通能力。你會看到不同人提問的水平是不一樣的，有的人可以完整的把一個問題描述清楚，有的人說完，其他人也不明白他的問題是什麼。這其實就是體現了溝通能力。
二、不同職位的數據分析能力要求有什麼不一樣？
經過前面的分析，我們從整體上知道了數據分析師需要掌握的能力。但並不是說，這些能力全都掌握了你才能找到一份數據分析師的工作。因為不同的職位的要求不一樣的。在《職業發展前景：數據分析師的晉陞通道》章節我們知道了數據分析相關職位的分類。
我把勝任力模型中的這些能力對應到不同的職位，就可以清楚的看到對應職位的能力要求（下圖）。
有一個誤區，很多人以為只要掌握了分析工具，就掌握了數據分析，其實不是的。從圖中，我們可以看出。各個數據分析職位都需要的能力是：業務知識、分析思維、PPT、溝通能力。這些能力才可以讓你從一個只會舞弄工具的普通職場人變成真正解決業務問題的職場高手。
很多人以為數據分析師需要掌握很高大的工具，其實不是的。例如騰訊里有一個崗位叫「商業數據分析師」，這聽起來很高大上。其實這個職位對應的就是上圖初級數據分析師的能力要求，也就是理論基礎（描述統計分析），分析工具（Excel），可視化工具（Excel）。
上圖中黃色標出的是相對於前一職位多出來的能力。中級數據分析師在初級數據分析師要求的能力上增加了分析工具（SQL），可視化工具（商業智能 BI）。高級數據分析師在中級數據分析師要求的能力上增加了理論基礎（推論統計分析），分析工具（Python）。
Excel、SQL、Python 要掌握到什麼程度？
我們知道了數據分析師最常用的分析工具是 Excel、SQL、Python。那麼問題就來了，這些分析工具具體掌握哪些內容呢？
一、Excel 需要掌握下面的知識點：
1）數據清洗相關的功能
查找和刪除重複數據，對應的是 Excel 里的刪除重複項功能。
數據抽取，也就是從一堆雜亂的數據中找出想要的數據，例如薪資「10k-20k」，需要從中截取出最低薪水「10」和最高薪水「20」，這就要用到 Excel 的字元串截取函數 left、right、mid）。
數據計算函數，包括平均值(average)、求和(sum)、最大值(max)、最小值(min)等），日期函數(date)，判斷函數（if，or，countif）。
2）數據分析相關的功能
最低 0.3 元/天開通會員，查看完整內容購買該鹽選專欄查看完整 10 篇內容
鹽選專欄
數據分析入行指南：助你互聯網行業發展有「錢」途
猴子 猴子數據分析學院創始人，著有暢銷書《數據分析思維》
￥9.90 會員免費
編輯於 03-18繼續瀏覽內容
知乎發現更大的世界打開
Chrome繼續
觀遠學院觀遠數據分析實戰交流群 微信號：GUANDATA2020謝邀@VOLARY
這個問題其實還蠻有意思的，以下是小編的一些思考：
01 結合業務場景
就如同唱歌好聽的人肯定不會單純炫耀技巧一樣，數據分析師在入門級別的時候肯定得掌握相關的工具和分析的方法論，構建屬於自己的技能樹和元知識體系。
但「盡信書不如無書」，在積累方法論與技能的同時，最最重要的一點就是「結合業務場景」！
任何脫離業務場景的分析都是「耍流氓」，因為你根本不清楚數據分析的目的是什麼，也沒有標準來量化分析結果，那麼，從頭到尾不是一個人的自嗨嗎？
由此可見，有的時候領導為什麼會發火，因為他想要的和你給的，完全是兩回事。
入門級數據分析師可以參考下面回答▽▽▽（大神略過）
有哪些讓人驚艷的數據可視化工具？?www.zhihu.com
商業/數據分析師入職第一個月需要注意什麼？?www.zhihu.com
02 牢記數據分析目的
知道自己的分析目的，不僅僅在分析的開始需要做到，更是在分析的過程中需要牢記。
以小編自己的工作經驗來說，人在沉浸與某一項具體事物的時候，往往抓住了點，缺喪失了面的全局觀。例如在做數據分析的時候沉迷於研究特例、個例，花費了大量時間，但最終分析偏離了期初的目標。
以做一個項目為例，看看數據分析目的的重要性▽▽▽
如何開始自己的數據分析項目？?www.zhihu.com
03 準確直觀的可視化展示
前期抽數、數據清洗、模型構建搗鼓了半天，最終分析報告如果只用到了「表格」來呈現，真的有種「千里江山毀於一旦」的感覺。
記住，此刻起，你要學會脫離「表哥」or「表姐」的身份了。
從心理學上來說，人的肉眼對圖的敏感度比對表格要高很多，如果有更直觀生動一點的可視化圖表來表達分析結果，為什麼不呢？
這樣老闆看的省時省力，瞬間抓住重點與看到問題，你離升職加薪也不遠了吧？
可視化相關乾貨回答、文章供大家參考▽▽▽
如何成為一名數據可視化工程師？?www.zhihu.com
觀遠學院：乾貨|數據分析不得不懂的12種可視化類別?zhuanlan.zhihu.com
觀遠學院：讓圖表開口說話 | 數據可視化之柱狀圖?zhuanlan.zhihu.com
觀遠學院：讓圖表開口說話 | 數據可視化之條形圖?zhuanlan.zhihu.com
04 思考與總結
相信大家也都聽過「1萬小時定律」，其實只要方法是對的，踏踏實實的做1千小時（按照1天工作8小時計算，是125天）就能小有成就。
「紙上得到終覺淺」，任何的理論、方法論、指南和回答（包括小編這次的），都只能作為參考。更多的需要大家結合實踐，不斷的去思考與總結。
什麼場景下用什麼方法論才靠譜？
數據分析過程中要避免的坑是什麼？
怎麼樣鍛煉自己的數據思維能力？
數據分析的小技巧都有啥？
怎麼樣量化自己的分析結果？
怎麼樣進一步挖掘自己的價值？
願大家多思考、多進步哦！每天都比之前的自己更加睿智一點點?
發佈於 2020-06-16繼續瀏覽內容知乎發現更大的世界打開Chrome繼續
高尚?特斯拉 數據分析師講故事的能力。
一位戰略總監曾經在看過我們的經過爬蟲、python、再製作成精美圖表、更各類花式操作以後的分析報告後說，
「數據很多，分析紮實，但是故事不圓，可以看，但不能用」
數據分析師的能力，用影響力的維度來說，大概分以下幾個等級
- 只負責出內容，對業務無影響，如：負責取數據，做報表
- 可以對自己控制的業務有影響，如：通過數據分析，在職責內做更優的決策
- 對整個業務線以及上下游有影響，相比2更廣泛，如：通過數據，促進業務協同決策
- 對相關干係人的思維方式有影響，相比3更深刻，如：從數據角度，發現和既有知識的衝突，經過深挖、討論、逐漸轉為更相信數據的思維模式。
數據分析師，想要實現價值，就是逐漸向上的過程，而這個向上，是通過講故事實現的。
更高級的數據分析師，不是會多少花式的技能，甚至遠遠不如你，他們會考慮的是：
用這些數據，我要講一個什麼故事？
公司上市之前，要講的可能是目前潛力巨大，必然時代潮流，佔領未來高地的崛起故事，
內部變革發起，要講的可能是懷念過去輝煌、感受切膚之痛，開始深刻變革的改革故事，
項目重大決策，要講的可能是意外發現洞察，以小及大推廣，挽救重大危機的英雄故事
從要走什麼發展路線，上什麼產品，抓哪些客戶，都是故事。
區別「取數據的」「SQLBoy」和厲害的數據分析師的一個重要維度，就是講故事的能力。不能像各為老總一樣講的動人，但求邏輯完整，故事深刻。
再想像一下你現在看過的演講、聽過的事件，傳播最多的，對你影響最大的，是不是都是故事？
完整的故事線，更有說服力，才更深入人心，
一個感動人心的、有說服力的故事都有這些元素：人物細節、對話、矛盾衝突、上價值
可以參見一下奇葩說中，辯手們在「我自己曾經...」後邊的段落。
而一個圓滿的「分析故事」，也要有這幾個元素：
情景Situation：描述目前狀態，重要的已知指標
衝突 Complication：數據和常識的衝突、過去和現在的衝突、目標和路徑的衝突、或者簡單的A方案和B方案的衝突、兩組數據之間的衝突
問題/目標/價值 Question：要解決什麼問題？
方案 Answer：僅僅停留在分析是沒有價值的，回答「然後呢？」的方式就是給出參考行動
參考了金字塔。實際的情況可能會更複雜多變。
總體來說，從厲害的人身上學到了進階方法就是：
拿數據，出結果，講故事。
不要在自己的分析中自我陶醉，而是什麼樣的故事才可以把你的結果，賣給老闆。
這個問題其實還蠻有意思的，以下是小編的一些思考：
01 結合業務場景
就如同唱歌好聽的人肯定不會單純炫耀技巧一樣，數據分析師在入門級別的時候肯定得掌握相關的工具和分析的方法論，構建屬於自己的技能樹和元知識體系。
但「盡信書不如無書」，在積累方法論與技能的同時，最最重要的一點就是「結合業務場景」！
任何脫離業務場景的分析都是「耍流氓」，因為你根本不清楚數據分析的目的是什麼，也沒有標準來量化分析結果，那麼，從頭到尾不是一個人的自嗨嗎？
由此可見，有的時候領導為什麼會發火，因為他想要的和你給的，完全是兩回事。
入門級數據分析師可以參考下面回答▽▽▽（大神略過）
有哪些讓人驚艷的數據可視化工具？?www.zhihu.com商業/數據分析師入職第一個月需要注意什麼？?www.zhihu.com
02 牢記數據分析目的
知道自己的分析目的，不僅僅在分析的開始需要做到，更是在分析的過程中需要牢記。
以小編自己的工作經驗來說，人在沉浸與某一項具體事物的時候，往往抓住了點，缺喪失了面的全局觀。例如在做數據分析的時候沉迷於研究特例、個例，花費了大量時間，但最終分析偏離了期初的目標。
以做一個項目為例，看看數據分析目的的重要性▽▽▽
如何開始自己的數據分析項目？?www.zhihu.com
03 準確直觀的可視化展示
前期抽數、數據清洗、模型構建搗鼓了半天，最終分析報告如果只用到了「表格」來呈現，真的有種「千里江山毀於一旦」的感覺。
記住，此刻起，你要學會脫離「表哥」or「表姐」的身份了。
從心理學上來說，人的肉眼對圖的敏感度比對表格要高很多，如果有更直觀生動一點的可視化圖表來表達分析結果，為什麼不呢？
這樣老闆看的省時省力，瞬間抓住重點與看到問題，你離升職加薪也不遠了吧？
可視化相關乾貨回答、文章供大家參考▽▽▽
如何成為一名數據可視化工程師？?www.zhihu.com觀遠學院：乾貨|數據分析不得不懂的12種可視化類別?zhuanlan.zhihu.com觀遠學院：讓圖表開口說話 | 數據可視化之柱狀圖?zhuanlan.zhihu.com觀遠學院：讓圖表開口說話 | 數據可視化之條形圖?zhuanlan.zhihu.com
04 思考與總結
相信大家也都聽過「1萬小時定律」，其實只要方法是對的，踏踏實實的做1千小時（按照1天工作8小時計算，是125天）就能小有成就。
「紙上得到終覺淺」，任何的理論、方法論、指南和回答（包括小編這次的），都只能作為參考。更多的需要大家結合實踐，不斷的去思考與總結。
什麼場景下用什麼方法論才靠譜？
數據分析過程中要避免的坑是什麼？
怎麼樣鍛煉自己的數據思維能力？
數據分析的小技巧都有啥？
怎麼樣量化自己的分析結果？
怎麼樣進一步挖掘自己的價值？
願大家多思考、多進步哦！每天都比之前的自己更加睿智一點點?
發佈於 2020-06-16繼續瀏覽內容知乎發現更大的世界打開Chrome繼續高尚?特斯拉 數據分析師講故事的能力。
一位戰略總監曾經在看過我們的經過爬蟲、python、再製作成精美圖表、更各類花式操作以後的分析報告後說，
「數據很多，分析紮實，但是故事不圓，可以看，但不能用」
數據分析師的能力，用影響力的維度來說，大概分以下幾個等級
- 只負責出內容，對業務無影響，如：負責取數據，做報表
- 可以對自己控制的業務有影響，如：通過數據分析，在職責內做更優的決策
- 對整個業務線以及上下游有影響，相比2更廣泛，如：通過數據，促進業務協同決策
- 對相關干係人的思維方式有影響，相比3更深刻，如：從數據角度，發現和既有知識的衝突，經過深挖、討論、逐漸轉為更相信數據的思維模式。
數據分析師，想要實現價值，就是逐漸向上的過程，而這個向上，是通過講故事實現的。
更高級的數據分析師，不是會多少花式的技能，甚至遠遠不如你，他們會考慮的是：
用這些數據，我要講一個什麼故事？
公司上市之前，要講的可能是目前潛力巨大，必然時代潮流，佔領未來高地的崛起故事，
內部變革發起，要講的可能是懷念過去輝煌、感受切膚之痛，開始深刻變革的改革故事，
項目重大決策，要講的可能是意外發現洞察，以小及大推廣，挽救重大危機的英雄故事
從要走什麼發展路線，上什麼產品，抓哪些客戶，都是故事。
區別「取數據的」「SQLBoy」和厲害的數據分析師的一個重要維度，就是講故事的能力。不能像各為老總一樣講的動人，但求邏輯完整，故事深刻。
再想像一下你現在看過的演講、聽過的事件，傳播最多的，對你影響最大的，是不是都是故事？
完整的故事線，更有說服力，才更深入人心，
一個感動人心的、有說服力的故事都有這些元素：人物細節、對話、矛盾衝突、上價值
可以參見一下奇葩說中，辯手們在「我自己曾經...」後邊的段落。
而一個圓滿的「分析故事」，也要有這幾個元素：
情景Situation：描述目前狀態，重要的已知指標
衝突 Complication：數據和常識的衝突、過去和現在的衝突、目標和路徑的衝突、或者簡單的A方案和B方案的衝突、兩組數據之間的衝突
問題/目標/價值 Question：要解決什麼問題？
方案 Answer：僅僅停留在分析是沒有價值的，回答「然後呢？」的方式就是給出參考行動
參考了金字塔。實際的情況可能會更複雜多變。
總體來說，從厲害的人身上學到了進階方法就是：
拿數據，出結果，講故事。
不要在自己的分析中自我陶醉，而是什麼樣的故事才可以把你的結果，賣給老闆。
講故事的能力。
一位戰略總監曾經在看過我們的經過爬蟲、python、再製作成精美圖表、更各類花式操作以後的分析報告後說，
「數據很多，分析紮實，但是故事不圓，可以看，但不能用」
數據分析師的能力，用影響力的維度來說，大概分以下幾個等級
- 只負責出內容，對業務無影響，如：負責取數據，做報表
- 可以對自己控制的業務有影響，如：通過數據分析，在職責內做更優的決策
- 對整個業務線以及上下游有影響，相比2更廣泛，如：通過數據，促進業務協同決策
- 對相關干係人的思維方式有影響，相比3更深刻，如：從數據角度，發現和既有知識的衝突，經過深挖、討論、逐漸轉為更相信數據的思維模式。
數據分析師，想要實現價值，就是逐漸向上的過程，而這個向上，是通過講故事實現的。
更高級的數據分析師，不是會多少花式的技能，甚至遠遠不如你，他們會考慮的是：
用這些數據，我要講一個什麼故事？
公司上市之前，要講的可能是目前潛力巨大，必然時代潮流，佔領未來高地的崛起故事，
內部變革發起，要講的可能是懷念過去輝煌、感受切膚之痛，開始深刻變革的改革故事，
項目重大決策，要講的可能是意外發現洞察，以小及大推廣，挽救重大危機的英雄故事
從要走什麼發展路線，上什麼產品，抓哪些客戶，都是故事。
區別「取數據的」「SQLBoy」和厲害的數據分析師的一個重要維度，就是講故事的能力。不能像各為老總一樣講的動人，但求邏輯完整，故事深刻。
再想像一下你現在看過的演講、聽過的事件，傳播最多的，對你影響最大的，是不是都是故事？
完整的故事線，更有說服力，才更深入人心，
一個感動人心的、有說服力的故事都有這些元素：人物細節、對話、矛盾衝突、上價值
可以參見一下奇葩說中，辯手們在「我自己曾經...」後邊的段落。
而一個圓滿的「分析故事」，也要有這幾個元素：
情景Situation：描述目前狀態，重要的已知指標
衝突 Complication：數據和常識的衝突、過去和現在的衝突、目標和路徑的衝突、或者簡單的A方案和B方案的衝突、兩組數據之間的衝突
問題/目標/價值 Question：要解決什麼問題？
方案 Answer：僅僅停留在分析是沒有價值的，回答「然後呢？」的方式就是給出參考行動
參考了金字塔。實際的情況可能會更複雜多變。
總體來說，從厲害的人身上學到了進階方法就是：
拿數據，出結果，講故事。
不要在自己的分析中自我陶醉，而是什麼樣的故事才可以把你的結果，賣給老闆。
推薦閱讀：
