分析師的日常工作如果要列幾個關鍵詞，可概括為：『溝通』、『培訓』、『數據採集』、『產品應用』、『業務諮詢』。

在神策數據，除了一般分析師的專業分析、邏輯能力、學習能力外，神策的分析師更加看重以下幾個要點：

（1）良好的服務意識，具備較強的溝通與演講能力

與一般的甲方分析師角色不一樣，神策分析師主要的工作都在與客戶打交道，引導和協助客戶實施數據採集和分析平台上線應用，以及對客戶業務和技術團隊進行產品應用的培訓交付，面臨的客戶場景、客戶訴求和客戶類型多種多樣，對分析師的溝通、演講、快速應變能力均有較高的要求，同時積極、樂觀、服務意識也是非常關注的個性品質，對工作的有效推進和持續熱愛非常關鍵。

（2）對大數據產品和業務分析感興趣，關注分析的業務價值輸出如前面所述，神策的數據分析師的專業價值，主要是基於神策產品之上，在業務側的分析應用和價值交付，因此期望加入的分析師，一是商業意識和價值感強，能清晰的認識到分析的價值，更多的是體現在業務應用落地和實際的數據提升上，而不是分析體系的邏輯和結構有多完美、分析方法有多麼強大；二是在個人發展訴求上，對大數據產品和業務分析更感興趣，而不是期望在數據挖掘和數據建模上做到專精或者在產品/運營等業務能力上能積累更深更廣。

（3）有深入的業務分析和改進實踐的背景（社招）社招與校招的差別主要體現在業務經驗積累上。神策分析師的業務價值交付，主要是面向客戶的業務團隊，分析師需要具備與客戶業務團隊打交道，實現數據對業務價值交付，因此社招的對象會關注在業務和分析兩方面的積累，要麼就是在業務上與業務人員有深度配合的數據分析師，要麼就是數據分析能力較強的業務人員，業務和分析兩者缺一不可。

目前神策招聘數據分析師的崗位要求如下：

1、三年以上互聯網/諮詢行業數據分析經驗，本科及以上學歷，數學及計算機相關專業優先；

2、具備優秀的數據分析能力、以及業務感覺，有豐富的數據驅動業務的實戰經驗；

3、熟練使用統計分析工具，邏輯嚴謹，能夠獨立分析和解決問題；

4、具備優秀的溝通意識，良好的現場表達能力，能夠獨立負責和跟進項目；

5、熟悉數據平台的整體搭建，熟練使用 SQL/R/Python/Excel 等工具；

6、具備極強的學習能力和自我驅動意識，能夠發現問題並解決問題。

歡迎投遞簡歷！

發佈於 03-30繼續瀏覽內容知乎發現更大的世界打開Chrome繼續CDA數據分析師CDA數據分析師關注公眾號【CDA數據分析師服務號】，獲取更多專業優質內容！

1.python、SQL、R語言

這些都是最基礎的工具，python都是最好的數據入門語言，而R語言傾向於統計分析、繪圖等，SQL是資料庫。既然是數據分析，平時更多的時間就是與數據分析打交道，數據採集、數據清洗、數據可視化等一系列數據分析工作都需要上面的工具來完成。

2.業務能力

數據分析師存在的意義就是通過數據分析來幫助企業實現業務增長，所以業務能力也是必須。企業的產品、用戶、所處的市場環境以及企業的員工等都是必須要掌握的內容，通過這些內容建立幫助企業建立具體的業務指標、輔助企業進行運營決策等。

當然這些都是數據分析師最基本也是各位想轉行的小夥伴需要重點學習的內容，以後想要有更好的發展，還需要學習更多的技能，例如企業管理，人工智慧等。

數據分析師?

uniu56bl7kgzt0uf.mikecrm.com

1.python、SQL、R語言

這些都是最基礎的工具，python都是最好的數據入門語言，而R語言傾向於統計分析、繪圖等，SQL是資料庫。既然是數據分析，平時更多的時間就是與數據分析打交道，數據採集、數據清洗、數據可視化等一系列數據分析工作都需要上面的工具來完成。

2.業務能力

數據分析師存在的意義就是通過數據分析來幫助企業實現業務增長，所以業務能力也是必須。企業的產品、用戶、所處的市場環境以及企業的員工等都是必須要掌握的內容，通過這些內容建立幫助企業建立具體的業務指標、輔助企業進行運營決策等。

當然這些都是數據分析師最基本也是各位想轉行的小夥伴需要重點學習的內容，以後想要有更好的發展，還需要學習更多的技能，例如企業管理，人工智慧等。

數據分析師?

uniu56bl7kgzt0uf.mikecrm.com

聊聊數據分析師崗工作內容

  • 數據中台部門：
  1. 圍繞構建公司的數據基礎設施，為上層的業務分析打好地基方面展開；
  2. 偏向於數據底層清洗、指標加工、儲存、可視化數據產品等；
  3. 還包括非常重要的公司底層數據資產的搭建、整合等。
  • 運營部門：
  1. 強調數據化運營、量化運營，提升效率，驅動業務；
  2. 偏向於業務流程優化、營銷活動分析、用戶畫像分群、生命周期價值分析。
  • 產品部門：
  1. 關注產品體驗、產品優化迭代；
  2. 產品可用性測試分析、產品流程或功能迭代測試與效果分析；
  3. 與運營部門配合共同關注用戶增長與留存。
  • 經營分析部門：
  1. 側重監控預算達成、診斷經營狀況，為業務提供經營策略調整和優化的決策建議；
  2. 預算編製及達成監控、業務運營現狀、效果、問題分析、財務分析、組織效率、成本控制等決策建議。
  • 風險管理部門：
  1. 側重對業務產品全流程風險、信用風險等跟蹤、監測、預警；
  2. 風險策略的設計與實施、跟蹤和分析策略有效性及影響等，風險指標監控和風險預警。
  • 模型與演算法組：

看好的未來方向，也是正在努力的方向，有時間再討論。

  1. 關注模型監控與效果評估，與產品協同對模型產品的推廣；
  2. 梳理模型監控點，完善監控體系，跟進模型效果分析；
  3. 人群分析與特徵挖掘，了解客群穩定性與衍變。

初級數據分析師必學工具

1.基礎篇(適用於初級數據分析師)

1）excel

關鍵知識點：excel基本函數(sumif,countif,left,rand等)、lookup(vlookup/hlookup)，數據透視表

2） sql

關鍵知識點：增刪改查，特別是條件查詢(where, group by, order by等)

3）python

關鍵知識點：numpy，pandas，matplotib，seaborn包的熟練使用

注意，python可以乾的事兒太多了，從web開發到演算法模型，瞄準你的目標-數據分析，專註學我說的這幾個包就可以了

4）統計學

關鍵知識點：概率論、假設檢驗、分布(泊松、二項、正態等)、統計抽樣等

進階篇必學

（適用於中級數據分析師、數據挖掘工程師）

1）數學知識

關鍵知識點：線性代數：線性代數：矩陣運算，矩陣特徵(秩、跡、特徵值特徵矩陣、相似矩陣、正定矩陣、逆矩陣、非奇異、行列式)、線性相關，向量空間，向量範數，矩陣範數，最小二乘法，最大似然估計

微分：極限，導數，偏導數，泰勒展開，梯度下降法，牛頓法

凸優化：基本概念(凸集合，凸函數，上境圖，凸組合，凸包)，凸優化(拉格朗日對偶性，對偶問題，KKT條件，拉格朗日乘數法)

2）數據挖掘演算法

關鍵知識點：分類、回歸、聚類、關聯規則挖掘、降維等

4.最後說幾個學習過程中的大坑。

想把所有板塊的知識學完再學下一個：錯！舉個例子，python可以做的事情太多了，你要把python學完再進行下一步么？怎麼辦？學我說的關鍵知識點就夠了。

先學技術，在搞分析：錯！分析比技術門檻低得多，如果你想轉行數據分析，建議從偏分析的數據分析師入手，比如自己寫個分析報告作為敲門磚，技術可以在工作後利用下班時間學習。剩下的坑待補充。

工具篇

做數據分析沒有工具，就像劍客沒有劍，士兵沒有槍一樣，常見的工具包括Excel，Sql，SAS，SPSS，Python，R語言。

難易程度依次是：EXCEL → Sql→ SAS，SPSS → python，R語言

對於初級數據分析師，玩轉Excel是必須的，數據透視表和公式使用必須熟練，VBA是加分。

另外，還要學會一個統計分析工具，SPSS作為入門是比較好的。對於高級數據分析師，使用分析工具是核心能力，VBA基本必備，SPSS/SAS/R至少要熟練使用其中之一，其他分析工具(如Matlab)視情況而定。

對於數據挖掘工程師，嗯，會用用Excel就行了，主要工作要靠寫代碼來解決呢。

Python語言：

對於初級數據分析師，企業最常用的千萬級別的資料庫，熟練掌握SQL語言。

會寫SQL查詢，有需要的話寫寫Hadoop和Hive查詢，基本就OK了。既然SQL學了，那也就學學mysql吧，這是一個存儲數據的東西，你說它重不重要呢？

對於高級數據分析師，除了SQL以外，學習Python是很有必要的，用來獲取和處理數據都是事半功倍。當然其他編程語言也是可以的。

對於數據挖掘工程師，Hadoop得熟悉，學習新流行的hadoop之類的分散式資料庫來提升個人能力，對求職有幫助。Python/Java/C++至少得熟悉一門，Shell得會用。

總之編程語言絕對是數據挖掘工程師的最核心能力了。

業務理解能力

業務理解說是數據分析師所有工作的基礎也不為過，數據的獲取方案、指標的選取、乃至最終結論的洞察，都依賴於數據分析師對業務本身的理解。

對於初級數據分析師，主要工作是提取數據和做一些簡單圖表，以及少量的洞察結論，擁有對業務的基本了解就可以。對於高級數據分析師，需要對業務有較為深入的了解，能夠基於數據，提煉出有效觀點，對實際業務能有所幫助。

對於數據挖掘工程師，對業務有基本了解就可以，重點還是需要放在發揮自己的技術能力上。

邏輯思維：

理工男都具有的思維。對於初級數據分析師，邏輯思維主要體現在數據分析過程中每一步都有目的性，知道自己需要用什麼樣的手段，達到什麼樣的目標。

對於高級數據分析師，邏輯思維主要體現在搭建完整有效的分析框架，了解分析對象之間的關聯關係，清楚每一個指標變化的前因後果，會給業務帶來的影響。

對於數據挖掘工程師，邏輯思維除了體現在和業務相關的分析工作上，還包括演算法邏輯，程序邏輯等，所以對邏輯思維的要求也是最高的。

大數據可視化工具：

數據可視化說起來很高大上，其實包括的範圍很廣，做個PPT裡邊放上數據圖表也可以算是數據可視化，所以我認為這是一項普遍需要的能力。

對於初級數據分析師，能用Excel和PPT做出基本的圖表和報告，能清楚的展示數據，就達到目標了。

對於高級數據分析師，需要探尋更好的數據可視化方法，使用更有效的數據可視化工具，如可視化工具tableau，可視化工具的鼻祖，對於處理好的數據可作自由的可視化分析，圖表效果驚人，根據實際需求做出或簡單或複雜，但適合受眾觀看的數據可視化內容。

大數據BI工具FineBI：類同Tableau，可在前端做任意維度分析；數據可在前端繼續處理（計算、篩選過濾等），可對接hadoop之類的大數據平台，數據處理性能較好。對於數據挖掘工程師，了解一些數據可視化工具是有必要的，也要根據需求做一些複雜的可視化圖表，但通常不需要考慮太多美化的問題。

協調溝通：

不是業務，勝似業務！對於初級數據分析師，了解業務、尋找數據、講解報告，都需要和不同部門的人打交道，因此溝通能力很重要。

對於高級數據分析師，需要開始獨立帶項目，或者和產品做一些合作，因此除了溝通能力以外，還需要一些項目協調能力。

對於數據挖掘工程師，和人溝通技術方面內容偏多，業務方面相對少一些，對溝通協調的要求也相對低一些。

2021年最新數據分析學習資料?

amaomaode.mikecrm.com

發佈於 03-31繼續瀏覽內容知乎發現更大的世界打開Chrome繼續瘋貓子瘋貓子數據分析/人工智慧/人生項目投資人，執行人這些內容才是入門數據分析的正確姿勢瘋貓子的視頻 · 7935 播放

我剛好有個視頻可以回答你這個問題，大致來說你需要掌握數據分析的基本框架，基本分析思路，然後就是能夠幫助你拓展數據處理能力的編程技能和一些高級工具，最重要的就是，需要你持續不斷的積累相關行業的業務知識和專用模型和演算法。

這樣你就會成為一名優秀的數據分析師。

這些內容才是入門數據分析的正確姿勢瘋貓子的視頻 · 7935 播放

我剛好有個視頻可以回答你這個問題，大致來說你需要掌握數據分析的基本框架，基本分析思路，然後就是能夠幫助你拓展數據處理能力的編程技能和一些高級工具，最重要的就是，需要你持續不斷的積累相關行業的業務知識和專用模型和演算法。

這樣你就會成為一名優秀的數據分析師。

授人以魚不如授人以漁，想知道需要哪些技能，看招聘數據分析崗位的職位描述與崗位能力要求。

推薦閱讀：
相关文章