真实!数据分析师到底是做什么的?

简介: 现在有关数据分析的文章满天飞,很多小伙伴好奇:到底数据分析是做什么的?今天小熊妹给大家捋一捋,就拿几个大家常问的问题举例吧。

问1:数据分析是干什么的?


答1:在企业里收集数据、计算数据、提供数据给其他部门使用的。


问2:数据分析有什么用?


答2:让大家有数据可以看。在企业里,需要看数据的时候多着呢。如果从工作流程的角度看,至少有5类分析经常做:


  1. 工作开始前策划型分析:要分析一下哪些事情值得的做


  1. 工作开始前预测型分析:预测一下目前走势,预计效果


  1. 工作中的监控型分析:监控指标走势,发现问题


  1. 工作中的原因型分析:分析问题原因,找到对策


  1. 工作后的复盘型分析:积累经验,总结教训


当然,还有日常工作中数不清的“小熊妹,给我个数据看看”这种叫临时型分析好了。其实这种都不能算分析,因为也没分析啥,就是丢个csv文件给他就完事了。好在我现在有3个实习生在帮忙跑数,这些被人呼来喝去的工作已经少很多了。


问3:我总听说“数据驱动”,数据真的能驱动?


答3:数据确实能驱动,每次业务部门的老板们做决策前都要拿一堆数据,平时还要看各种数据监控报表,还有阶段性复盘,感觉离了数据就没法干活了。

但是数据驱动和数据分析师驱动是两码事。作为一个查数姑,我从来没见过我能驱动谁。我的日常工作基本上都在取数、做报表、偶尔帮助模型组搞搞模型,一天天的就这么过去了。我唯一驱动的就是实习生,让他们帮忙买个奶茶,拿个快递啥的……


问4:为啥要刻意区分数据分析VS数据分析师?


答4:数据分析是一项工作,谁都能做。数据分析师是一个岗位,大公司才有专门的数据分析师岗位,小公司经常是一个开发哥哥全包了。


问5:那数据分析是咋做的?


答5:数据分析大体上分3步:


第一步:获取数据。通过埋点获取用户行为数据,通过数据同步,打通内部各系统数据。以及做数仓建设,存储数据。


第二步:计算数据。根据分析要求,提取所需要的数据,计算数据,做表。第三步:解释数据。解读数据含义,推导出一些对业务有用的结论。


问6:那这三步工作都是数据分析师做吗?


答6:并不全是,这个在不同企业,情况不一样。如果公司规模大的话,获取数据经常是数据开发组完成的,他们一般挂着“数据开发工程师”或者“大数据工程师”的头衔,解释数据则是运营自己写ppt做解读,留给所谓“数据分析师”的,其实就是中间的计算数据的一步,也就是所谓的查数。查数姑(查数据的小姑娘)的外号就是这么来的。


像我在的互联网厂子,数据一般都是自己收集的,所以有一组数据开发的小伙伴专门做数据采集、数仓建设,我们在的小组是数据服务,就是单纯的跑数、和业务方沟通、写一些ppt。


有些公司(一般是做电商的),数据是直接从淘宝、天猫、亚马逊等平台导出的,然后基于这些数据做分析。有些公司(一般是传统企业),数据是直接用的大型的BI产品,然后所有人基于BI产品导出数据分析有些公司规模很小,就直接一个小组从数据埋点到数仓到提数全干了。


总之情况五花八门。搞笑的是,这些公司都会说:我在招“数据分析师”,一个“数据分析师”名义之下,工作千差万别,就搞得人晕头转向了。


问7:那做数据分析师收入高吗?


答7:这个最好自己上招聘网站看,都写在那呢。要让我说,这工作工资一点都不高,其实和同一个企业内的其他岗位比没啥优势,也没见运营的、产品的就比我低呀。很多人会觉得做数据分析工资高,可能是因为自己在的行业本身平均工资就低,和互联网公司一对比就显得更低了。


问8:那做数据分析师一定要学编程吗?


答8:额,这得看啥叫“编程”,比如隔壁数据开发组的小哥哥们,就觉得本姑娘我根本就不算编程,写sql查个数再做个PPT,算啥编程呀。可能因为我们人比较多,分工细,我就只出数,对业务方聊就好了,偶尔用tableau画画图啥的。


但是那种完全不碰代码,就是在excel里整理下文档的,所谓的“数据分析师”,我是强烈不建议你去做的。想当年我第一份工作就是这种,结果发现每天都在打杂,一点存在感都没有,也没人教。所谓的“野生数据分析师”就是这种吧。然后就果断离职换工作了。


所以至少得有基础的数据查询能力,数据库查询得很熟练。


问9:那做数据分析师能转算法吗?


答9:应该挺难的。反正我看我们负责算法的人都很厉害,压根一点都看不懂的那种。而且算法岗招聘内卷的一塌糊涂,经常看到他们入职的人都是各种名校,怕怕,像我这种渣渣是没胆量挑战的。大家有兴趣可以试试。


而且,虽然都是做数据,但数据分析岗和算法岗交集其实挺少的。一般算法岗有明确的应用场景(比如我认识的小哥哥都是做搜索的)。在这个场景下具体算法一大堆,还需要大数据开发的支持(不然数据量大,实现不了)。所以其实并非大家想象的,这两岗位都是做数据的,转呀转就转过去了。


问10:那做数据分析师有前途吗?


答10:这个我可回答不了,毕竟工作经验不久,见识也不算特别多。目前就是一份工作做着而已,期待有更多年经验的大神来回答吧。打工这件事吗,刚毕业的时候觉得有个10K已经很多了,现在20几K还不够花,而且同事也经常有离职的,感觉不出来换个地方打工有啥区别……


以上就是数据分析常问的十个基础问题,希望大家喜欢。

相关文章
|
5月前
|
存储 数据可视化 数据挖掘
大数据环境下的房地产数据分析与预测研究的设计与实现
本文介绍了一个基于Python大数据环境下的昆明房地产市场分析与预测系统,通过数据采集、清洗、分析、机器学习建模和数据可视化技术,为房地产行业提供决策支持和市场洞察,探讨了模型的可行性、功能需求、数据库设计及实现过程,并展望了未来研究方向。
255 4
大数据环境下的房地产数据分析与预测研究的设计与实现
|
机器学习/深度学习 数据采集 数据可视化
数据分析案例-基于随机森林模型探究电商网站推销商品的影响因素
数据分析案例-基于随机森林模型探究电商网站推销商品的影响因素
1037 0
数据分析案例-基于随机森林模型探究电商网站推销商品的影响因素
|
搜索推荐 物联网 机器人
啥是工业4.0?真实案例来了
啥是工业4.0?真实案例来了
612 0
|
大数据 数据挖掘
阿里小贷:封闭流程与数据挖掘
    随着新年后资金面的舒缓,货币基金收益率开始了持续的回落,货币基金投资方式的必然调整也加剧了风险收益比的不确定性。更为严峻的是明显的竞争加剧,随着一些大型商业银行让夺利益推出类似产品,始终无法进入线下支付的支付宝和财付通并不占优势。
3006 0
|
数据可视化 大数据 数据挖掘
如何快速成为数据分析师(个人角度)
说来我正式接触数据分析也快一年,对速成还是有一些心得。优秀的数据分析师是不能速成的,但是零经验也有零经验的捷径。 分享之前我还是要推荐下我自己创建的大数据学习资料分享群 710219868 代号风火,这是全国最大的大数据学习交流的地方,2000人聚集,不管你是小白还是大牛,小编我都挺欢迎,今天的已经资讯上传到群文件,不定期分享干货,包括我自己整理的一份最新的适合2018年学习的大数据教程,欢迎初学和进阶中的小伙伴。
1914 0
|
数据可视化 数据挖掘 数据处理
《R语言游戏数据分析与挖掘》一1.3 数据分析师的能力要求
本节书摘来华章计算机《R语言游戏数据分析与挖掘》一书中的第1章 ,第1.3节,谢佳标 著 更多章节内容可以访问云栖社区“华章计算机”公众号查看。
1797 0