小编相信，“实现数据驱动业务，成为伟大的数据科学家”，是众多数据分析师入门时的梦。然而，在学习了一堆统计学知识和数据分析软件后，很多人却成为了没有感情的取数机器。很多同学感到困惑，自己现在是什么水平，怎么样才算具备数据分析师技能呢？
图片来源：海数据实验室设计团队
口说无凭，于是小编想出了一个办法:众所周知，能全面反映劳动力市场对某职业所必备的素质的东西,应该就是招聘JD了,毕竟大家那么辛苦地提高自己的能力也是为了满足JD上的要求。
因此,小编通过爬取某招聘网站上500+数据分析师岗位的任职要求数据,绘制了如下词云图。
图片来源：海数据实验室设计团队
观察这张图，可以看出，除去一些任何职业都需要的特质比如负责、团队沟通、快速学习以外，数据分析师的岗位要求可简单地划分成四类：懂业务，懂分析、懂工具、懂平台。
1 懂业务
懂业务是从事数据分析工作最大的前提。
即，数据分析师应熟悉行业知识，公司业务及流程，最好是有自己独到的见解。数据是业务的产物，而业务反过来也是数据分析工作的真正服务对象。若数据分析脱离行业认知和公司业务背景，则分析的结果就会像脱线的风筝，是毫无意义的。
业务本身含义非常广泛，分为商业模式、组织架构、业务流程、业务策略、落地执行五个部分。但简单一点说,入门的数据分析师想要基本了解一个公司的业务,搞明白以下几个问题就好了。
公司里有哪些部门？我对接的是哪个部门？
他们最关心的是什么？
他们最近在干什么？
数据从哪里产生，用到什么地方？
图片来源：海数据实验室设计团队
这些问题非常简单，简单到拉住对接人聊上两分钟就可以解决，但也十分关键。要想让数据变得有意义，影响到决策，对业务以及指标的理解是必不可少的。当然，这也是许多分析师最为缺乏的一种能力，因为这种能力不仅需要一定的知识积累，还需要大量的工作经验。
2 懂分析
市场上数据分析师岗位通常鱼龙混杂，有些岗位虽然叫数据分析师，但要么是每天只用与Excel打交道，要么是每天与代码打交道。偏业务的分析师不如运营，偏工具的分析师又不如技术，因此，真正的数据分析师应立足在“分析”二字上。
懂分析要求数据分析师掌握统计基本原理与解读数据的方法。就像生活在这个世界我们要了解世界的规律一样，数据的世界也有特定的规律。若不了解统计知识和分析方法，那么数据就只是毫无意义的数字。其中，数据分析思维和量化解释的能力是数据分析师赖以生存的技能。
以活跃指标的下跌为例，分析师应解决以下问题：
活跃指标下跌了多少？什么时候开始的？
属于合理范围内的数据波动，还是突发式？
是整体的活跃用户下跌，还是部分用户？
为什么下跌？是产品版本问题、运营失误还是其他问题？
怎么解决下跌的问题？
如果某数据分析师通过多维分析后，发现某地区的用户活跃下跌了，然后他急匆匆地将此作为分析的结论报告上去。那么，这个分析师恐怕要被骂了。因为这只是现象，是问题所在，而不是原因。
分析的最后一步，应该是找出为什么这个地区的活跃下降了。是该地渠道，竞争对手，还是市场环境，这些都需要进一步地深入量化分析。
图片来源：海数据实验室设计团队
同时，找标准对于数据分析师也至关重要！因为数据本身不反应问题，数据+标准才能反应数据的好坏。
然而，新人往往只会判断单指标且含义明确的标准,比如销售额、利润率这类标准,且他们往往判断的过于浅显和表面,认为“指标跌就是不好，涨就是好”。
实际上，跌不一定不好，涨也不一定就好，还要结合其他的标准进行判断。比如这一年由于大环境原因，某产品销量较前几天下跌很多，这看似很差，但如果与竞品对比发现比同行业的产品的销量高上不少，这就说明该产品销量的下跌不完全是坏事。
入门级数据分析师应该掌握以下四种单维度的找标准方法：
以上方法是简单的单维度标准，而涉及两个甚至三个的标准则是对数据分析师更高级的要求，需要更复杂的降维手段或者综合评估方法。
3 懂工具
懂工具指的是掌握数据分析相关的常用工具。一般来说，了解基础统计学，掌握Excel、SQL和基本的可视化，就足够完成大部分数据分析师的工作，但高级一些的数据分析师还需要掌握Python，R和机器学习等能力。
如果说懂业务帮助数据分析师发现问题，懂分析帮助他们拆解问题，那么懂工具则起到的是实现理论的作用。它们不是最重要的，但也不可缺少。尤其是在当今数据量愈发庞大的互联网时代，数据分析师不可能依靠人脑和简单的计算器处理数据，而需要找寻更高级、更智能的数据分析工具来协助他们的分析过程。
图片来源：海数据实验室设计团队
不过记住，工具只是辅助而不是根本，培养分析思维和业务理解对于数据分析师才是更为重要的。
4 懂平台
最后，我们来说说数据分析的懂平台。怎么叫懂平台，简单来说就是有平台意识，当我们懂业务、懂分析、懂工具时，我们会成为一个不错的分析师，我们可以自行分析项目，提炼数据，输出业务策略，但我们如果想节省更多重复的体力劳动，来把控更多的项目时，我们就需要依赖我们的数据平台技术。
各类数据海量接入，同时业务也需要快速的数据反馈，数据采集-数据清洗-数据建模-数据可视化，这一系列的过程需要数据分析使数据产品化，平台化。
例如现在各大公司都会搭建自己的BI平台，数据科学平台，数据分析会把日常的业务问题沉淀至数据平台，让业务和自己都可以快速获取需要的数据，进行数据指标建模，定期的输出领导驾驶舱数据，或可视化的数据报表等；或者直接接入各类第三方数据平台。
懂平台是一种意识，把常规繁琐的工作去产品化平台化，这也是数据分析提高效率与价值非常重要的方法之一。
5 结语
图片来源：海数据实验室设计团队
总的来说，如果可以做到懂业务、懂分析、懂工具，懂平台，那么恭喜你，已经算是一个入行的数据分析师了。
下一步你还要学会如何独立发起、负责、推动项目、看到数据分析成果，实现数据驱动业务，这也是成为更高阶数据分析师的核心标志。
封面·配图 / 冯伟
文字 / 覃欣懿
