“到2020年，企業基於大數據分析的支出，將突破5000億美元，大數據在未來四年內，能幫到全球企業賺取約1.6萬億美元的收入紅利。”
——國家知名數據公司IDC
大數據與喬布斯癌症治療、奧巴馬大選連任成功、微軟大數據成功預測奧斯卡21項大獎……這些知名大數據經典案例淋漓盡致地體現了數據分析的重要作用。
早在20世紀，數據分析崗就已運用到企業業務層中，“啤酒與尿布”的故事就是一個經典案例。在行業規模暴增的環境下，大數據領域整體人才缺口大，數據分析師成爲大數據時代的寵兒，需求佔比超過四成。
大數據浪潮的激流中，市場空間得到迅速釋放，企業對於大數據人才的需求也越來愈高，數據分析師則是這片翻騰浪花裏的中流砥柱。然而對於很多人來說，“數據分析”這個新興技術還只是一個模糊概念，對於“數據分析師”這個職業還是在霧裏看花。
數據分析到底是做什麼的？數據分析師是火爆一時，還是順應而生？數據分析師要求的職業技能可以爲此刻處於職業規劃期的你帶來哪些啓示呢？
本週推文小T將從是什麼、做什麼、需要什麼、發展前景等角度分四個部分聊聊數據分析這個職位，讓你一探究竟：
一、什麼是數據分析師？
首先，數據分析師到底是什麼？我們需要明確下這個概念。
廣義的數據分析師主要分爲兩大類：數據分析工程師和業務數據分析師。
業務數據分析師偏向於業務層面，主要基於統計方法通過對數據、數據指標的解讀來解決商業問題。可以劃分爲以下幾個層次：
業務監控：診斷當前業務是否正常？是否存在問題？業務發展是否達到預期（KPI）？如果沒有到達預期，主要問題在哪？是什麼原因引起的？
建立分析體系：這些數據分析師已經對業務有一定的理解，更多地是幫業務方建立一套分析體系，例如：營銷活動。分析師會告訴業務方，在活動前你應該收集分析哪些數據，從而制定恰當的營銷計劃。
行業未來發展的趨勢分析：這應該是數據分析師的最高級別，有的公司叫做戰略分析師/商業分析師。這個層次的數據分析師站的更高，在行業、宏觀的層面進行業務分析，幫助公司制定戰略發展計劃，並及時跟蹤、分析市場動態。
數據分析工程師主要包括：算法工程師和建模工程師。基於機器學習算法，利用算法和模型提高數據處理效率、挖掘數據價值、實現從數據到知識的轉換。一般指通過數據挖掘來解決具體問題。如：聚類分析，通過對於會員各種人口統計學、行爲數據進行分析，對會員進行分類，從而指導公司精準營銷。
二、數據分析師是做什麼？
我們先從一個故事講起，某養豬場廠長告訴A分析師，我要看幾個數據，你提取一下，一週後來給我彙報。
A分析師爲了分析老闆的目的，分析了去年他講話的內容，也分析了他以往的年終彙報。甚至爬了豬總的朋友圈得知一個消息，豬總其實不想繼續增加擴張，想減少投入，提高淨利，而且他對自動化餵養很感興趣。那麼問題來了？A分析師該如何思考？
A分析師需要從幾個關鍵的業務目標出發
羅列出目標影響因素有哪些？那麼問題來了，因素這麼多該如何去選取？
這時候就需要數據支持，一般2種方式：
內部數據去推送，驅動因素影響的程度如何？這時候相關分析、層次分析、迴歸分析等，給影響因素一個量化的標準，找出核心驅動因素；
外部數據，採用座談、調研等方式確定公司各個業務部門對驅動因素的鎖定。
其次就是驗證推理提取核心的過程
A分析師需要整體分析豬的結構，比如公母比例、豬齡結構、新生豬存活比例、豬市場價格變化等，也從市場分析了一些自動化餵養設備的投入，計算ROI，這時候要系統性的去思考，進行各類對比和梳理。
詳細的分析路徑不做過多闡述，具體參考下圖：
這時A分析師發現了什麼？
豬的繁殖出現了問題，公豬佔85%，母豬隻有15%的比例。
豬食的浪費問題，每天大概都有價值10000大洋的豬食被當成垃圾清走。
豬的市場價格從8月初上升趨勢顯著，近期逐漸穩定。
最後，A數據分析師給豬總呈現了三個數據，這纔是數據分析的核心。
繁殖問題，比例嚴重失調，緊缺母豬。趁着目前母豬在市場的引入價格相對較低，建議引入500頭母豬，這是第一個數據。
自動化餵養。通過分析ROI和採購價格對比，預計採購某廠家的自動化餵養，且可及時採集數據預測豬食投入，1年後自動化餵養可節約80w成本。
豬齡結構不平衡。成品豬較多，趁這波漲價建議加大銷售，騰出更多地方買入幼豬。預估明年5月份將提升40%的淨利。這是第三個數據。
——案例和圖片改自於“愛數圈”
概況來說，數據分析的日常工作主要包含以下幾個階段：
第一階段，問題識別與構建
Step1:識別問題
Step2:回顧之前的發現
第二階段，定位問題，並給出解決方案
Step3:數據處理
Step4:搭建模型
Step5:分析數據
第三階段，傳達結果並推動結果落地
Step6:傳達給相關方數據分析結果 並採取行動
三、數據分析師的發展前景到底如何？
從20世紀90年代起，歐美國家開始大量培養數據分析師，直到現在，對數據分析師的需求仍然長盛不衰，且有擴張之勢。
美國勞工部曾預測，2019年，數據分析師的需求量將增長40%。在數據分析行業發展成熟的國家，90%的市場決策和經營決策都是通過數據分析研究確定的。
據數聯尋英發布《大數據人才報告》顯示，未來3-5年內大數據人才的缺口將高達150萬。根據中國商業聯合會數據分析專業委員會統計，未來中國基礎性數據分析人才缺口將達到1400萬，而BAT等大型互聯網公司的招聘職位裏，80%以上都在招大數據人才。進入大數據行業，也成了越來越多人實現職場高薪夢的路徑之一。
基於TempoBI製作的“數據分析師”職業看板，數據來源：智聯招聘
在美國，大數據分析師每年薪酬高達17.5萬美元。
而國內頂尖互聯網公司，大數據分析師的薪酬可能要比同一個級別的其他職位高20%至30%，且頗受企業重視。
國內某大型招聘平臺給出的大數據分析師平均薪酬爲：14.57K（取自1139份樣本），北京、深圳、上海、成都、廣州、杭州、西安、濟南、鄭州、南京爲需求量前十的城市。
四、想要做一名數據分析師需要什麼技能？
數據分析的一個核心詞語是“支撐決策”，它的本質是商業分析，而不是技術和工具問題，大數據時代，數據價值和驅動纔是每個分析師應該關注的問題。
想成爲一個出色的分析師需要N多技能，哪些技能能夠讓你快速實現自己的目標，這纔是學習數據分析應該定位的。
懂業務：從事數據分析工作的前提就會需要懂業務，即熟悉行業知識、公司業務及流程，最好有自己獨到的見解，若脫離行業認知和公司業務背景，分析就沒有太大的使用價值本質上。技術是爲業務服務的，技術落地的成功，首先從一份高質量的業務需求開始。
懂數據：數據分析本身是通過數據，最終解決商業問題的過程。需要負責收集收據、構建數據庫、搭建和運行模型，並準備高級類型的分析用來解釋已有數據中的模式，還會負責預測分析的基本部分。因此，一方面需要明確數據來源及數據指標體系構建等數據收集處理技術；另一方面對於分析模型和算法功能等分析技術也要十分熟練。
懂代碼：數據分析師想要得到更遠的發展需要具備一定的編程能力。對於數據分析的全流程來說，從數據獲取、數據預處理、數據分析、結構呈現等方面，都可以基於一定的編程語言來實現。瞭解Mysql，postgresql，sql server等數據庫原理，熟悉SQL，會R、python、C/C++等腳本語言對於數據分析工作非常重要。
此外，面對越來越龐大的數據，單純的統計分析和代碼已經不能滿足高效敏捷的數據分析需求，我們必須掌握並依靠強大的數據分析工具來幫助我們完成數據分析工作。
我們介紹了數據分析師所需要的硬實力和軟實力。那麼我們就從硬實力和軟實力這兩個方向分別來分析什麼專業可以從事大數據分析師。
硬實力：數據分析師需要學生有一定的數學、計算機背景，從這個出發點來說，數學、統計、計算機科學等專業可以從事數據分析工作。
不過，這三個專業的同學可以雖然可以處理大量數據，並且擁有很強的數據分析能力，但是這類同學對於Business 和 Marketing缺乏瞭解，數據分析的結果對於企業並無太大收益。
軟實力：軟實力要求學生懂業務、懂管理，從這個出發點來說，市場營銷、電子商務、經濟學等專業畢業後也可以從事數據分析相關工作。
不過，這幾個專業在業務方面可能專業度非常高，但是缺點也是非常明顯的：缺乏很強的數學和計算機背景，在實際操作中缺乏相關的專業技能。
大數據時代，培養既懂技術又懂業務的複合型人才是時代趨勢所致。
數據分析師作爲大數據生態裏邊最靠近業務的一環，重要性不言而喻！沒有數據分析師，數據的價值無從談起，沒有數據分析師，數據存儲、ETL都是成本，無法產生利潤，而數據分析師可以通過數據影響決策，最終影響業務並創造更多利潤。