開局一張圖
咱打工人要想進步，最關鍵的不只是努力，還要選好領域、明確好目標。怎麼選擇行業領域，咱們放在後續聊；今天先重點聊聊這個目標到底具體該是什麼樣。數據分析師們坐穩扶好，發車：
一、概括來說，理想的數據分析師應該是“橋樑”
很多朋友都對數據分析師這個崗位有太多不切實際的幻想，比如這個崗位特別需要技術、適合女生、不需要太多跟人打交道、越老越喫香。
但現實呢？面試造火箭入職擰螺絲、天天SQL日日EXCEL、產品運營技術都是爸爸、大齡高壓線一樣存在
問題出在哪兒？出在定位上。公司只是需要一羣人應用數據分析這項技能、通過數據分析這個方法，來降本提效or輔助決策。我們劃一下重點：降本提效or輔助決策作爲目標，這纔是重點；而是否必須是數據分析師這羣人，甚至是否一定要用數據分析這種方法，其實都不一定！
要是產品經理都具備崗位要求描述的那種數據分析水平，要是運營、市場有足夠的經驗可提供思路，那沒有數據分析師也是完全可以的！不過好在，產品經理招聘JD上的能力要求更多是理想，運營、市場的經驗也時常在變幻莫測的市場行情下失靈，公司需要數據分析師來彌合這些gap，不僅僅是補缺，更是把數字與業務連接起來。
數據分析師的價值在於“橋樑“。或者換個角度來說，未來很長時間裏，最有價值的人才都是橋樑型人才，他們可以幫助兩個or多個領域建立起連接
比如說，很多搞算法研究的同學，對應用場景的興趣和敏感度都沒產品那麼高，有時候就會陷入自己的小世界，要是趕上產品經理再沒經驗，就會導致開發出來的東西落地效果不佳。但如果你既有很好的算法基礎，又有足夠的業務敏感度，能夠直奔清晰明確的目標去研究開發，保證最終落地的效果很好，那他應該大概率就是算法團隊的leader了
數據分析師也一樣，我們缺乏的往往就是這種做橋樑的意願和能力，導致自己孤立在數字與代碼中，苦苦求索而體現不出價值！
二、具體來說，可以從9個維度拆解目標模版
之前很多數據分析師同學問過我，到底該怎麼精進自己？我一般都概括的回答：像個產品經理一樣要求自己就ok了。但想了想，又覺得這個建議還是不太有操作性，於是結合近期的閱讀，總結了如下9個能力維度，作爲數據分析師的理想模版，也是通向“橋樑”的可行路徑
1、業務知識
有啥用？
能夠通過數據分析，滿足產品、運營、市場等部門的需求
能將非結構化的業務問題，轉化爲以統計分析方法爲基礎的解決方案探索框架
能從戰略和戰術的角度，參與那些能夠對組織產生影響的決策
怎麼辦？
熟悉所在產品線or業務線的人物角色、分工和流程
掌握所在公司的黑話和術語（用不用單說，但起碼得會）
能從宏觀角度審視自己所做的業務在公司中的戰略價值，並清楚自己的分析產出能對業務有什麼實質性的幫助
熟悉所做事情面臨的各種可能的限制條件，比如政策限制、公司內外部利益牽扯關係等
掌握合作業務方中重點角色對數據的態度看法，必要的時候能通過關鍵人物獲取關鍵信息
2、分析思維
有啥用？
基於項目目標，應用數據評估某個假設
通過統計分析找出相關性和依賴性
通過審查結果確定對項目的影響
通過倡導分析來提升業務價值
溝通傳遞數據洞察的結論
怎麼辦？
在開始分析數據之前，確定需要解決的問題
採用結構化的方法設計問題，讓這個問題可被量化分析
對不同類型的數據能夠因地制宜的使用不同的統計分析方法
能夠將結果中純數字的部分與實際情況掛鉤，比如到底是局部現象還是整體特徵、到底是相關性還是因果性
衡量分析結果的可行性，並能制定出切實可行的落地實施方案
能夠挑選合適的時機、以合適的表達方式，清晰的傳遞分析結果和價值主張，讓更多人認可數據分析
3、數據管理
有啥用？
能爲高質量的決策提供有質量保障的數據
能從各種數據源提取數據
能妥善的治理數據以形成數字資產
怎麼辦？
掌握提取數據、轉換數據、清理數據的各種方法技術
回答業務問題的時候，能很好的評估出數據的適用性和質量
通過建立標準和模型，準確的描述數據來源和數據之間的關係
理解不同的數據模型結構，並能因地制宜的實現這些模型
4、數據探索
有啥用？
量化給定數據集的廣度和深度，並思考它是否適合於某個分析目標
識別以前未曾發現的數據之間的關聯性
評估數據獲取的過程是否存在偏差，優化現有業務數據化的流程
怎麼辦？
使用結構化、可重複、可視化的方法，從集中趨勢、變化和數據類型等多個角度，探索總結任何一個數據集的特徵
深入數據集內容，弄清不同數據之間的相關性
基於對數據獲取方式的瞭解，能夠準確評估當獲取方式、流程發生變化時，數據集本身會有什麼重大改變
5、數據可視化
有啥用？
基於可視化的數據溝通分析結果，並清楚的解釋和傳達價值
怎麼辦？
明確每個圖表想要傳遞的結果和目標
基於目標和數據類型，選擇最合適的工具創建清晰明確的圖表
將多個數據圖表按照大目標串聯成一個完整的故事
6、技術素養
有啥用？
總能找到分析解決業務問題的正確工具
能與時俱進的探索技術替代方案
怎麼辦？
結合對當前公司環境和水平的理解，選擇合適的技術工具，或對現有技術工具提出合理的優化建議
時刻積極學習最新的工具和技術，研究工具和系統之間的交互操作性
7、戰略思維
有啥用？
運用創新思維和系統思維支持決策
怎麼辦？
善於積累總結經驗形成自己的一套方法論
培養自己綜合多方因素進行判斷決策的能力
時刻了解所在行業和大環境的發展變動
保持開放的心態、正直的品質
8、領導力
有啥用？
能識別並培養出自己人
能夠在組織中建立信譽和影響力，並以此應對變化、調節衝突
怎麼辦？
爲員工制定可操作的、量體裁衣的學習計劃
提供資源幫助員工實現其目標
保持開放的心態，願意聽取別人的觀點
及時的識別潛在衝突並干預
鼓勵大家通過合作來解決問題
及時反饋並設定正確的期望，設置合理的獎懲制度
9、分析產品管理
有啥用？
通過項目管理方法，保障分析能夠像產品一樣按流程規範產出結果並在業務場景落地生效
怎麼辦？
對數據質量管理和分析團隊活動過程管理提供有效的改進方案
在決定分析項目優先級時，敏銳的考慮定量和定性的成本
合理的把控評估需求，選擇最重要的需求最優先完成
能將分析過程中的經驗和知識沉澱總結，並形成公共文檔進行知識管理
三、追求完美有些難？那就看看不同側重模版
怎麼樣？是不是覺得上面那個理想模版太理想了？簡直不是人能達到的？有這種感覺就對了，全能有時候就意味着全都不能，所以還是要結合自身稟賦，選擇一個更適合自己的子模版
負責一個業務的數據分析相關事宜，更偏應用層而非技術，解決業務的實際問題就好，不糾結到底用什麼高端的模型算法
更技術控一些，但也需要對業務知識有一定了解，不然太憋屈了
感覺起來很高大上，但其實業務分析師資深了之後補齊一下戰略思維也OK的
比較接近理想模版的就是leader角色了，各方面都要會一些，但我更建議是業務和分析多一些，技術層面的事物就交給專門的技術比較好
怎樣，有沒有找到適合你的那一款？或者你也可以走出自己的路，打造屬於你自己的模版～但我想表達的就是，心中儘量還是保有全面發展的意願，戰略上有所重視，戰術上所有選擇。
源：古牧聊數據