窃浀膲粝雴幔俊?/b>中。

活動時間：2019/8/9 - 9/3

活動規則：內容大於 300 字、無事實錯誤且同等條件下創作時間在前的回答將被優先採納，回答被採納後將獲得知乎鹽選會員 7 天體驗卡並有機會獲得精美的知乎周邊禮物。

詳情請見活動內。為職場新人答疑解惑，期待你的分享～

其它活動問題

數據分析師工作有哪些「新手常見錯誤」？
數據分析師工作有什麼能大大提高效率的技巧？
數據分析師工作有哪些適合入門和了解行業的書籍、視頻？

瀉藥，看來我要跟其他幾位的答案區別很大了。

我本人一直在互聯網行業，但是工作履歷上其實線上線下都做過，目前所在的公司規模比較大。大公司對分析師所帶來的好處是很多的，最大的好處是在數據基礎建設方面會做得很好，定時郵件報表、dashboard什麼的也不用太費心思，內部都有現成數據工具；數據量也足以證明分析結論；也因為組織架構的原因，所以不需要接常規需求，精力非常集中，基本產出都是專項分析，而這部分才是分析師的精華所在。

日常工作的話，學習是一部分，對你沒看錯，學習也是工作的一部分，但我指的不是分析工具如R、python的學習，這種只算是入門門檻。我所說的是學習內部文檔、其他部門做過的事情、現有的執行規劃、已經沉澱下來的相關業務的方法論，這些都對之後日常工作的幫助較大。

第二個是探索性分析，就算公司規模很大了，也不代表有些東西就都被徹底分析完畢了，真要認真看的話，有些東西做的也不是盡善盡美。探索性分析多半會出現在專項分析中，因此會有試錯成本，只有在分析後，才能準確地告訴別人，這個項目哪裡比較好入手，哪裡最好就別考慮了，有些東西雖然沒有成果，但可以沉澱為方法論。這中間還會與同事腦暴，探討分析思路，共同摸索。

第三個是分析結論，外人是不看你工作中間有多辛苦寫過多少SQL做過多少模型踩了多少坑的，他們只會看你的分析結果有沒有價值，當分析有結論後，開始思考的就不再是分析本身，而是如何更好的落地，推動別人，說服管理層。所以重點是讓別人更好讀懂你的東西，要會講故事，嗯，所以溝通表達是重要能力。

第四個是歸納總結，項目做完不代表徹底完成，要寫總結，給自己個交代，項目背景是什麼，為什麼做，整體規劃是什麼，中間遇到了什麼坑，計算過程、分析過程是怎樣的，最終結論是什麼，有什麼方法論可以沉澱下來，這個項目的內容對其他項目有什麼幫助。這些會定期分享給其他人做過的專項分析，帶著團隊一起成長。

所以我的日常工作就很清楚了：

與數據較勁
與自己較勁
與同事較勁
與管理層較勁
分享較勁的經驗

主要工作寫SQL，做個圖表，導出一個EXCEL。

工作其實沒那麼高大上的，掙錢養活自己就是這麼難。

日常數據分析基本方法大全：

大浪淘沙，讓數據發光是一種能力?

mp.weixin.qq.com

日常數據分析的技能樹VS薪酬：

數據分析師，你是什麼段位？?

mp.weixin.qq.com

如果你理解了這 4 個詞兒，就知道了數據分析的日常工作：溝通、監控、分析、建議。

1.溝通

很多人以為數據分析是個技術活，需要埋頭苦幹，這就大錯特錯了。其實數據分析日常工作中最重要的是溝通需求。很多新入職的數據分析師，把分析結果彙報上去以後，才發現不是業務方所以需要的。這就是一開始雙方沒有溝通好，沒有做到想業務方所想、急業務方所急。

溝通需要注意哪些坑呢？

數據分析本質上是對業務的支撐，所以分析的需求是來自業務方（比如產品、運營、銷售等部門）。

而業務方是不懂數據的，所以提出的需求往往天馬行空，或者只是從自身業務角度出發來提需求，這就導致業務方提出的需求不明確。這時候就需要數據分析師溝通的時候，要清楚業務方需求是什麼，要達到什麼目標，並要求業務人員把需求寫清楚。不然你把分析結果給她，她說不對，然後讓你重新提供新的數據，這樣你就會陷入無限的反返工中。

另外，數據分析師還會做一些數據支持的工作，也需要溝通。公司的業務情況會不斷變化，當公司現有的系統無法滿足新的業務需求時，就需要數據分析師能夠從資料庫中取出業務方需要的數據。

數據支持一般是臨時性需求，雖然這部分工作一般工作量不大，但頻次較多。需要多和業務方溝通，才能避免把自己變成一個「取數機器」。

2.監控

如果你看數據分析的招聘，通常會寫這麼一條要求「製作公司日報表和月報表」。報表就是把監控的指標做到一個表格里。如果表格是每周做，叫做周報；如果是每個月做，叫做月報。通過製作報表來監控報表裡面的指標，通過監控指標的變化，及早發現可能存在的問題。例如，對比上周六的日活躍用戶數，發現本周六的日活躍用戶數有明顯下降了。只有發現了問題，才能進入下一步的分析。

3.分析

當公司業務遇到問題或者監控發現問題時，數據分析師需要分析找到問題發生的原因。例如，本周六的日活躍用戶數有明顯下降，需要找到下降的原因是什麼導致的。數據分析師也會接到專題分析的項目。專題分析是對某一專門問題做的分析。比如銷售部門想知道公司產品在微信、百度、今日頭條等各個渠道的推廣效果如何，就需要數據分析師做一個專題分析，然後將分析結果做成報告給銷售部門。

4.建議

在針對業務出現的問題找到原因後，還不夠。數據分析師要提出建議，這樣才能指導業務方下一步具體如何去解決問題。需要注意的是，提建議的時候要提出多種建議，避免提出一種建議，不然業務方沒法通過一種建議來作出決策。

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

發佈於 03-10繼續瀏覽內容知乎發現更大的世界打開Chrome繼續路路創業公司專業打雜

最近和組內的小夥伴們一起給自己的崗位起英文名，最後覺得 MEO 這個簡寫名稱不錯，聽起來和 CEO CFO 很相似，很高大上。實際是什麼含義呢？Microsoft Excel Operator——Excel 操作員。

小組除了 leader，其他人的崗位名稱都是「數據分析師」。數據分析師可以分為兩個方向，一個是偏產品技術的，另一個是偏市場業務的。我們組屬於業務部門的支持部門，所以更多的工作是偏向市場業務的，需要了解所屬平台的業務，針對當前的業務發展情況通過數據提供運營策略支持。

小組人數不多，但是每個人都會負責一部分業務的數據需求與分析工作。主要分類有：

績效：制定全國地面業務的績效方案，監控績效完成情況；需要深入了解實際業務；
報表：製作日報、周報、月報等報表；需要熟練使用 Excel，以及有耐心；
數據支持：為運營、業務提供數據支持，需求方提出數據調取需求，分析師根據需求描述直接從資料庫中調取數據後發送給需求方；需要會寫 SQL，會懟需求；
數據分析：參與到需求方的項目中，有針對地對項目的數據進行分析，不僅需要調取數據，還需要根據數據進行分析並得出一些結論；和數據支持類似，要會寫 SQL，會懟需求；
運營策略：通過數據了解市場現狀，對下一步的運營方向和目標提供建議；這一項要求較高，需要會寫 SQL 的同時，懂分析方法和一些演算法；
數據產品：配置數據看板、數據自動化等，提高數據調取效率；需要有耐心；
數據口徑維護：維護平台的數據口徑統一且準確；

大概就這些了。每一項都有很多坑。績效每個月都在變，報表表頭也經常換，老闆緊急要看的數據總是會有，項目快結束了才想起數據，市場模型複雜多變，數據產品又慢又難用，口徑更改沒有同步……所以，每天的工作，除了正常的工作外，就是去填坑，以及挖坑。

但其實每家公司，甚至同一家公司的各個大部門裡，數據分析師的工作都是不一樣的。這些和公司所在行業，發展現狀，公司的管理模式，工作流程，以及領導層對數據的重視程度等等，都有很大關係。

最後再寫一下去年一次面試時面試官說的話，面試官是一家知名的教育行業的產品和數據部門的負責人。他表示目前互聯網公司里的至少 90% 的數據分析師，日常工作都是接需求，寫 SQL，做報表，真正做分析的很少。這也剛好和我所遇到的類似，大部分數據分析師，日常工作都還是在做單一的基礎的工作。

小組人數不多，但是每個人都會負責一部分業務的數據需求與分析工作。主要分類有：

績效：制定全國地面業務的績效方案，監控績效完成情況；需要深入了解實際業務；
報表：製作日報、周報、月報等報表；需要熟練使用 Excel，以及有耐心；
數據支持：為運營、業務提供數據支持，需求方提出數據調取需求，分析師根據需求描述直接從資料庫中調取數據後發送給需求方；需要會寫 SQL，會懟需求；
數據分析：參與到需求方的項目中，有針對地對項目的數據進行分析，不僅需要調取數據，還需要根據數據進行分析並得出一些結論；和數據支持類似，要會寫 SQL，會懟需求；
運營策略：通過數據了解市場現狀，對下一步的運營方向和目標提供建議；這一項要求較高，需要會寫 SQL 的同時，懂分析方法和一些演算法；
數據產品：配置數據看板、數據自動化等，提高數據調取效率；需要有耐心；
數據口徑維護：維護平台的數據口徑統一且準確；

8:30開始上班

首先要看昨天晚上跑的程序出結果了嗎，出錯了嗎？為什麼我們會在晚上跑程序？一個大企業在數據用的比較厲害的情況下，白天有很多的工作人員在使用各種各樣的數據，而我們數據分析使用的數據又比較多，如果做一些循環的演算法花的時間就比較長，所以我們通常會把比較大的查詢或者程序的執行放在晚上，晚上做的人不太多，我們可以佔用比較大的伺服器資源，能夠把這個項目順利地跑下來。看了這個程序之後，結果可能會有兩種，一種是出了問題了，一種是沒問題。不管結果如何，都要查看一下。

8點30分到9點

我們坐下來就要看一下EMAIL、微信、釘釘是否有領導給我們提出了新的任務。數據分析師經常會接多種多樣的任務，同時會幹好幾個任務，所以必須要看到今天有沒有收到新的任務，把新的任務跟老的任務放在一起，排一下工作的優先順序。為什麼要排一下，做大數據的時候會非常耗時間，它不是小數據，不是你執行之後就馬上能出現結果，所以分析師要知道哪些優先，哪些不優先，合理地安排你的工作，不然你等待的過程就是在浪費時間。

9點

如果你昨天的程序出現了一些問題，就要debug！

10點到11點

可能會開一個新項目的碰頭會，新的一個數據項目會召集了業務經理，業務經理會把方方面面相關的人在碰頭會裡面都召集到，在一個小時之內要把這個項目說一下，各個方面的人要提出自己的問題，分析師要憑自己的工作經驗去判斷跟我們自己相關部分的分析項目到底有多少，我們是否可以完善的執行。如果不能完善地執行，在會議上就要提出來，比如說數據不夠，沒有這個數據，就要提出來。

中午休息

開完碰頭會，繼續回來做程序，程序做得差不多了，快到中午了，要去吃飯休息一下，我們盡量的利用吃飯的時候先去運行一下程序，一般是用小數據量去運行，這樣數據運行速度會比較快一點。

13點到16點

中午休息完，看一下分析結果，分析結果非常棒，就可以遞交。這個時候你老大的老大或者你業務經理的老大，又提出來一個緊急的數據分析要求，這個工作你得評估一下，看一下自己一天的工作是不是太忙，不太忙的話，你面子還是要照顧他，想一想你未來以後要做一兩百萬年薪的數據科學家，你這個人是不能得罪的。所以看這個事兒不太麻煩，就給他做了，那一天中就插入這麼一個小小事。那麼數據編程的工作正在做的時候，你前面跑出來的結果交給業務部門，業務部門的老大看不懂你的數據，想要你解釋一下，又得跑過去跟他解釋數據結果到底代表了什麼樣的業務意義。常年的解釋下來，你是會比較有經驗。業務部門溝通完了，業務經理的頭要求你乾的10分鐘的活，你把結果給他，一般像這種業務部門的老大更不懂數據，你還得去跟人家解釋你做出來的數據到底代表了一個什麼樣的業務問題。