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
|
3月前
|
SQL 分布式计算 数据可视化
数据分析案例-数据分析师岗位招聘信息可视化
数据分析案例-数据分析师岗位招聘信息可视化
66 0
|
11天前
|
机器学习/深度学习 算法 数据可视化
数据报告分享|WEKA贝叶斯网络挖掘学校在校人数影响因素数据分类模型
数据报告分享|WEKA贝叶斯网络挖掘学校在校人数影响因素数据分类模型
|
13天前
|
数据采集 数据可视化 数据挖掘
数据分享|R语言因子分析、相关性分析大学生兼职现状调查问卷数据可视化报告(上)
数据分享|R语言因子分析、相关性分析大学生兼职现状调查问卷数据可视化报告
|
13天前
|
数据可视化
数据分享|R语言因子分析、相关性分析大学生兼职现状调查问卷数据可视化报告(下)
数据分享|R语言因子分析、相关性分析大学生兼职现状调查问卷数据可视化报告
|
存储 分布式计算 监控
OushuDB 小课堂丨描述性分析如何利用数据做出更好的决策
OushuDB 小课堂丨描述性分析如何利用数据做出更好的决策
85 0
|
前端开发
前端那些经常被忽视而真实存在的小问题
前端那些经常被忽视而真实存在的小问题
89 0
前端那些经常被忽视而真实存在的小问题
|
机器学习/深度学习 人工智能 自然语言处理
数据分析起家的海云数据,还想向唇语识别冲刺
作为海云数据创始人兼 CEO,不仅是因为其自主研发的唇语识别技术,提高英文识别准确率,更重要的是,冯一村找到了唇语识别的变现之道。
217 0
数据分析起家的海云数据,还想向唇语识别冲刺
|
数据可视化 BI
技术人最不该忽视可视化数据分析!
阿里妹导读:在这个“人人都是数据分析师”的时代,阿里的同学几乎都在参与数据的采集、加工与消费。数据可视化作为连接“加工——消费”的重要一环,其质量至关重要。优秀的可视化能促成卓越洞见,糟糕的内容则让所有的努力失去意义。今天,阿里高级产品经理沉砂为我们详细介绍数据可视化工具以及如何选择有效图表。
8747 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。
1869 0