最近跟公司的数据分析师打交道比较多，其中一个分析师认为：行业对数据分析师这个岗位的理解有严重偏差。
由此产生了一个好奇，行业理解数据分析师是什么？偏差是什么？严重偏差的严重在哪里？
讲真啊，这么大的问题，我一个都答不上来。我就根据自己在工作中，亲身遇到数据分析师接的任务来说一下我理解的这个岗位吧。
领导会要求运营人员要多看数，多分析数据，理解数据背后的意义。
然后每天都会接到运营提出的类似这种样子的任务：XX，最近PC的数据下降的厉害，帮忙分析下是什么原因吧。XX，昨天App的数据降的多，看看是怎么回事。XX，上周移动端上发生什么了？导致我们的新用户大幅减少。
好吧。这些就是我日常中的一小部分（日常的东西太多了^-^）。其实我部门的数据分析师干的就是这些活：为数据异动找到一个合理的解释。必须强调：这是我部门的数据分析师。行业的数据分析师是干嘛的，据我所知，每个公司还真不一样。
要给出一个合理的解释，其实是挺难的。最难的是提需求方是否能接受分析师给的结论。我部门的好处是：哪怕结论是非常悲观的，只要合情合理，也能接受。这一点难能可贵。
一些人是不太能接受悲观解释的，比如某公司CEO就不太能接受数据分析师给出这种结论：行业用户规模已经见顶，我们发掘新用户的成本将大幅上升，且增长将减慢。于是CEO甚至会不看分析过程，直接把结论怼回去：你分析的不对，重新来过。因为他不能接受这种结论。
如果需求方大老板是这种个性，那么数据分析师的任务就变成了：不要分析我提出的观点对不对，请你负责证明我是对的。哪怕是错的，也要变着方证明我是对的。
所以数据分析师这个岗位分两种：
1、分析事情的原因，并给出解释。
2、证明领导的话是对的。
不管是1还是2，其实做事的方法是一样的，就是以下步骤循环使用，直到问题被解释/证明出来。
1、抓重点。
2、往下拆。
我工作中，重点是这么理解的：用最少的动因组合解释80%以上的异动情况。
往下拆是这么理解的：如果解释还不能满足需求，就需要把动因再找个维度，往下拆解一层。然后对拆解的内容继续抓重点，往下拆。
所以面试中我都会问一个问题：针对XXX情况，请你至少找2个维度来分析这件事。
至于需要掌握的技能嘛，身为互联网大数据行业，SQL必须要会。大部分传统行业来面试的，因为SQL不过关被我毙掉了。因为没耐心教怎么写SQL，还是要找个来了就直接能写的才行。工具方面excel肯定要会，matlab、spss等，会1、2个就行，没有什么特殊要求。计算机语言也得会一个，最好是Python，如果不会Java、C/C++也可以。相比起来，Python更简单，更好学。计算机语言是作为胶水使用的。把数据库导出的数据预处理一下，输入到分析软件中。数据库和分析软件之间的胶水。所以不需要掌握的很好，毕竟不是做工程，只是在分析师的工作电脑上做一个数据格式转换和基础的清洗而已。代码写的有内存泄露、复用性差，这些都不是问题。
这次成功的把一个前端开发培养成了一个数据分析师，也是很欣慰的。堪称0基础手把手教会的经典案例。