开局一张图
咱打工人要想进步，最关键的不只是努力，还要选好领域、明确好目标。怎么选择行业领域，咱们放在后续聊；今天先重点聊聊这个目标到底具体该是什么样。数据分析师们坐稳扶好，发车：
一、概括来说，理想的数据分析师应该是“桥梁”
很多朋友都对数据分析师这个岗位有太多不切实际的幻想，比如这个岗位特别需要技术、适合女生、不需要太多跟人打交道、越老越吃香。
但现实呢？面试造火箭入职拧螺丝、天天SQL日日EXCEL、产品运营技术都是爸爸、大龄高压线一样存在
问题出在哪儿？出在定位上。公司只是需要一群人应用数据分析这项技能、通过数据分析这个方法，来降本提效or辅助决策。我们划一下重点：降本提效or辅助决策作为目标，这才是重点；而是否必须是数据分析师这群人，甚至是否一定要用数据分析这种方法，其实都不一定！
要是产品经理都具备岗位要求描述的那种数据分析水平，要是运营、市场有足够的经验可提供思路，那没有数据分析师也是完全可以的！不过好在，产品经理招聘JD上的能力要求更多是理想，运营、市场的经验也时常在变幻莫测的市场行情下失灵，公司需要数据分析师来弥合这些gap，不仅仅是补缺，更是把数字与业务连接起来。
数据分析师的价值在于“桥梁“。或者换个角度来说，未来很长时间里，最有价值的人才都是桥梁型人才，他们可以帮助两个or多个领域建立起连接
比如说，很多搞算法研究的同学，对应用场景的兴趣和敏感度都没产品那么高，有时候就会陷入自己的小世界，要是赶上产品经理再没经验，就会导致开发出来的东西落地效果不佳。但如果你既有很好的算法基础，又有足够的业务敏感度，能够直奔清晰明确的目标去研究开发，保证最终落地的效果很好，那他应该大概率就是算法团队的leader了
数据分析师也一样，我们缺乏的往往就是这种做桥梁的意愿和能力，导致自己孤立在数字与代码中，苦苦求索而体现不出价值！
二、具体来说，可以从9个维度拆解目标模版
之前很多数据分析师同学问过我，到底该怎么精进自己？我一般都概括的回答：像个产品经理一样要求自己就ok了。但想了想，又觉得这个建议还是不太有操作性，于是结合近期的阅读，总结了如下9个能力维度，作为数据分析师的理想模版，也是通向“桥梁”的可行路径
1、业务知识
有啥用？
能够通过数据分析，满足产品、运营、市场等部门的需求
能将非结构化的业务问题，转化为以统计分析方法为基础的解决方案探索框架
能从战略和战术的角度，参与那些能够对组织产生影响的决策
怎么办？
熟悉所在产品线or业务线的人物角色、分工和流程
掌握所在公司的黑话和术语（用不用单说，但起码得会）
能从宏观角度审视自己所做的业务在公司中的战略价值，并清楚自己的分析产出能对业务有什么实质性的帮助
熟悉所做事情面临的各种可能的限制条件，比如政策限制、公司内外部利益牵扯关系等
掌握合作业务方中重点角色对数据的态度看法，必要的时候能通过关键人物获取关键信息
2、分析思维
有啥用？
基于项目目标，应用数据评估某个假设
通过统计分析找出相关性和依赖性
通过审查结果确定对项目的影响
通过倡导分析来提升业务价值
沟通传递数据洞察的结论
怎么办？
在开始分析数据之前，确定需要解决的问题
采用结构化的方法设计问题，让这个问题可被量化分析
对不同类型的数据能够因地制宜的使用不同的统计分析方法
能够将结果中纯数字的部分与实际情况挂钩，比如到底是局部现象还是整体特征、到底是相关性还是因果性
衡量分析结果的可行性，并能制定出切实可行的落地实施方案
能够挑选合适的时机、以合适的表达方式，清晰的传递分析结果和价值主张，让更多人认可数据分析
3、数据管理
有啥用？
能为高质量的决策提供有质量保障的数据
能从各种数据源提取数据
能妥善的治理数据以形成数字资产
怎么办？
掌握提取数据、转换数据、清理数据的各种方法技术
回答业务问题的时候，能很好的评估出数据的适用性和质量
通过建立标准和模型，准确的描述数据来源和数据之间的关系
理解不同的数据模型结构，并能因地制宜的实现这些模型
4、数据探索
有啥用？
量化给定数据集的广度和深度，并思考它是否适合于某个分析目标
识别以前未曾发现的数据之间的关联性
评估数据获取的过程是否存在偏差，优化现有业务数据化的流程
怎么办？
使用结构化、可重复、可视化的方法，从集中趋势、变化和数据类型等多个角度，探索总结任何一个数据集的特征
深入数据集内容，弄清不同数据之间的相关性
基于对数据获取方式的了解，能够准确评估当获取方式、流程发生变化时，数据集本身会有什么重大改变
5、数据可视化
有啥用？
基于可视化的数据沟通分析结果，并清楚的解释和传达价值
怎么办？
明确每个图表想要传递的结果和目标
基于目标和数据类型，选择最合适的工具创建清晰明确的图表
将多个数据图表按照大目标串联成一个完整的故事
6、技术素养
有啥用？
总能找到分析解决业务问题的正确工具
能与时俱进的探索技术替代方案
怎么办？
结合对当前公司环境和水平的理解，选择合适的技术工具，或对现有技术工具提出合理的优化建议
时刻积极学习最新的工具和技术，研究工具和系统之间的交互操作性
7、战略思维
有啥用？
运用创新思维和系统思维支持决策
怎么办？
善于积累总结经验形成自己的一套方法论
培养自己综合多方因素进行判断决策的能力
时刻了解所在行业和大环境的发展变动
保持开放的心态、正直的品质
8、领导力
有啥用？
能识别并培养出自己人
能够在组织中建立信誉和影响力，并以此应对变化、调节冲突
怎么办？
为员工制定可操作的、量体裁衣的学习计划
提供资源帮助员工实现其目标
保持开放的心态，愿意听取别人的观点
及时的识别潜在冲突并干预
鼓励大家通过合作来解决问题
及时反馈并设定正确的期望，设置合理的奖惩制度
9、分析产品管理
有啥用？
通过项目管理方法，保障分析能够像产品一样按流程规范产出结果并在业务场景落地生效
怎么办？
对数据质量管理和分析团队活动过程管理提供有效的改进方案
在决定分析项目优先级时，敏锐的考虑定量和定性的成本
合理的把控评估需求，选择最重要的需求最优先完成
能将分析过程中的经验和知识沉淀总结，并形成公共文档进行知识管理
三、追求完美有些难？那就看看不同侧重模版
怎么样？是不是觉得上面那个理想模版太理想了？简直不是人能达到的？有这种感觉就对了，全能有时候就意味着全都不能，所以还是要结合自身禀赋，选择一个更适合自己的子模版
负责一个业务的数据分析相关事宜，更偏应用层而非技术，解决业务的实际问题就好，不纠结到底用什么高端的模型算法
更技术控一些，但也需要对业务知识有一定了解，不然太憋屈了
感觉起来很高大上，但其实业务分析师资深了之后补齐一下战略思维也OK的
比较接近理想模版的就是leader角色了，各方面都要会一些，但我更建议是业务和分析多一些，技术层面的事物就交给专门的技术比较好
怎样，有没有找到适合你的那一款？或者你也可以走出自己的路，打造属于你自己的模版～但我想表达的就是，心中尽量还是保有全面发展的意愿，战略上有所重视，战术上所有选择。
源：古牧聊数据