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
197 0
|
5天前
|
机器学习/深度学习 数据采集 算法
Python用逻辑回归、决策树、SVM、XGBoost 算法机器学习预测用户信贷行为数据分析报告
Python用逻辑回归、决策树、SVM、XGBoost 算法机器学习预测用户信贷行为数据分析报告
|
2天前
|
机器学习/深度学习 数据挖掘 Python
Python数据分析 | 泰坦尼克逻辑回归(下)
Python数据分析 | 泰坦尼克逻辑回归
7 1
|
2天前
|
机器学习/深度学习 数据挖掘 BI
Python数据分析 | 泰坦尼克逻辑回归(上)
Python数据分析 | 泰坦尼克逻辑回归
15 0
|
2天前
|
数据采集 数据挖掘 Python
Python数据分析 | 线性回归
Python数据分析 | 线性回归
11 1
|
3天前
|
数据采集 人工智能 数据挖掘
「一行分析」利用12000条招聘数据分析Python学习方向和就业方向
「一行分析」利用12000条招聘数据分析Python学习方向和就业方向
|
5天前
|
数据采集 数据可视化 数据挖掘
利用Python和Pandas库优化数据分析流程
在当今数据驱动的时代,数据分析已成为企业和个人决策的重要依据。Python作为一种强大且易于上手的编程语言,配合Pandas这一功能丰富的数据处理库,极大地简化了数据分析的流程。本文将探讨如何利用Python和Pandas库进行高效的数据清洗、转换、聚合以及可视化,从而优化数据分析的流程,提高数据分析的效率和准确性。
|
5天前
|
SQL 数据采集 数据挖掘
构建高效的Python数据处理流水线:使用Pandas和NumPy优化数据分析任务
在数据科学和分析领域,Python一直是最受欢迎的编程语言之一。本文将介绍如何通过使用Pandas和NumPy库构建高效的数据处理流水线,从而加速数据分析任务的执行。我们将讨论如何优化数据加载、清洗、转换和分析的过程,以及如何利用这些库中的强大功能来提高代码的性能和可维护性。
|
5天前
|
数据可视化 数据挖掘 BI
【Python】—— pandas 数据分析
【Python】—— pandas 数据分析
20 1