一个优秀数据分析师具备的11个特性

简介:

数据分析是一个很复杂的过程,当你成为一名数据分析师,你的身上不知不觉就有了以下这些特征,让我们一起来看看是不是这样:

1、业务至上

不会把什么方法、什么工具挂在嘴边,首先想到的是你的业务模式是什么?你想解决什么业务问题?

2、用数据说话

觉得、以为、估计,大概、可能、也许这些词说的越来越少,业务好不好、产品好不好、活动好不好,用数据说话!!

3、对数据负责

开发TMD又搞错了,产品里面点又漏了…这些都不能当作理由了,自己的数据自己负责,会经常全面、多纬度的校验自己的数据。

4、备注要清楚

数据来源是什么,数据的定义是什么,数据的时间范围是什么,喜欢开始各种备注,会站在看报告的人角度,把看报告的人当小白。

5、保持好奇心

好奇心,与生俱来,但时间长、资历老了,很容易被磨灭,我知道、我以为我知道,其实不一定;保持一颗好奇心,扩宽自己的视野,刷新自己的技能,不断拓展你的边界。

6、有备而来

在正式开讲、分享自己的分析报告之前要先做个彻底的熟悉,逻辑、数据、结论和讲的方式来回梳理个几次,心理面默默的Review几次,不会初当初生牛犊不怕虎、一问问题就懵逼不知道回去查一查分析分析。。。不打无准备的仗。

7、 渴望分享

熬夜啃书、闷头项目的方式一去不复返,不再自闭门造车,非常十分的渴望把自己的成果分享给大家,与人交流、拓展自己的思维。

8、不可攻击他人

如1所言,越来越重视业务、越来越看轻技术,不会因为别人使用的是SQL、Excel这些工具就随意攻击他们,因为解决问题才是王道,有时候可能越简单的方式越是有效的,怀着一种平和的心态,海纳百川,有容乃大。

9、平衡生活工作

数据分析是一种高强度的脑力活动,有时候你的大脑真的非常需要稍作休息,不要盲目不管不顾自己的身体给业务取数、给老板写报告,“取数狂、SQL狂、Excel达人”绝对是不可取的工作方式。每周工作80小时,听上去很牛X,但是你的工作效率肯定要打一个问号,甚至一不小心会犯个不可饶恕的小错误然后前功尽弃。

10、中午打个盹

1天24小时,不可能全都耗在数据上,这样结果也不会好,停下来,中午打个盹,脑子灵光灵机移动,分析思路在我脑子里。

11、广泛浏览学习

每天早上会广泛浏览网站,除了虎嗅、36氪之类的,逛逛数据分析网看看大数据世界有什么新鲜事发生、有什么新技术发展、有哪位大咖的观点分享,保持一颗学习的心。
本文转自d1net(转载)

相关文章
|
机器学习/深度学习 存储 数据挖掘
NumPy数据分析基础:NumPy特性以及Python内置数据结构对比详解
NumPy数据分析基础:NumPy特性以及Python内置数据结构对比详解
243 0
|
3月前
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
在数字化时代,数据分析至关重要,而Python凭借其强大的数据处理能力和丰富的库支持,已成为该领域的首选工具。Python作为基石,提供简洁语法和全面功能,适用于从数据预处理到高级分析的各种任务。Pandas库则像是神兵利器,其DataFrame结构让表格型数据的处理变得简单高效,支持数据的增删改查及复杂变换。配合Matplotlib这一数据可视化的魔法棒,能以直观图表展现数据分析结果。掌握这三大神器,你也能成为数据分析领域的高手!
76 2
|
3月前
|
机器学习/深度学习 数据采集 数据可视化
基于爬虫和机器学习的招聘数据分析与可视化系统,python django框架,前端bootstrap,机器学习有八种带有可视化大屏和后台
本文介绍了一个基于Python Django框架和Bootstrap前端技术,集成了机器学习算法和数据可视化的招聘数据分析与可视化系统,该系统通过爬虫技术获取职位信息,并使用多种机器学习模型进行薪资预测、职位匹配和趋势分析,提供了一个直观的可视化大屏和后台管理系统,以优化招聘策略并提升决策质量。
168 4
|
3月前
|
机器学习/深度学习 算法 数据挖掘
2023 年第二届钉钉杯大学生大数据挑战赛初赛 初赛 A:智能手机用户监测数据分析 问题二分类与回归问题Python代码分析
本文介绍了2023年第二届钉钉杯大学生大数据挑战赛初赛A题的Python代码分析,涉及智能手机用户监测数据分析中的聚类分析和APP使用情况的分类与回归问题。
83 0
2023 年第二届钉钉杯大学生大数据挑战赛初赛 初赛 A:智能手机用户监测数据分析 问题二分类与回归问题Python代码分析
|
5天前
|
SQL 数据挖掘 Python
数据分析编程:SQL,Python or SPL?
数据分析编程用什么,SQL、python or SPL?话不多说,直接上代码,对比明显,明眼人一看就明了:本案例涵盖五个数据分析任务:1) 计算用户会话次数;2) 球员连续得分分析;3) 连续三天活跃用户数统计;4) 新用户次日留存率计算;5) 股价涨跌幅分析。每个任务基于相应数据表进行处理和计算。
|
1月前
|
机器学习/深度学习 数据采集 数据可视化
数据分析之旅:用Python探索世界
数据分析之旅:用Python探索世界
26 2
|
2月前
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
【9月更文挑战第2天】数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
55 5
|
3月前
|
供应链 数据可视化 数据挖掘
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题一
本文详细介绍了第十一届泰迪杯数据挖掘挑战赛B题的解决方案,涵盖了对产品订单数据的深入分析、多种因素对需求量影响的探讨,并建立了数学模型进行未来需求量的预测,同时提供了Python代码实现和结果可视化的方法。
123 3
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题一
|
3月前
|
机器学习/深度学习 数据采集 数据挖掘
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 建模及python代码详解 问题二
本文提供了第十一届泰迪杯数据挖掘挑战赛B题问题二的详细解题步骤,包括时间序列预测模型的建立、多元输入时间预测问题的分析、时间序列预测的建模步骤、改进模型的方法,以及使用Python进行SARIMA模型拟合和预测的具体实现过程。
68 1