数据分析

说到数据分析，相信很多人都觉得特别高大上，也有人想尝试这个职业方向，但是到底什么是数据分析呢，下面我们就来聊聊什么是数据分析。

文章目录

• 1 什么是数据分析
• 2 如何成为一名合格的业务数据分析师
• 3 业务数据分析都做些啥
• 4 数据分析未来发展前景如何

1 什么是数据分析？

数据分析是指收集来的大量数据使用适当的分析方法进行分析,运用高效的分析工具将他们加以分类和汇总,并提取其中最有价值的信息,概况总结形成有效结论,挖掘数据最大价值的过程.

简单来说

数据分析的目的是把隐藏在一些看似杂乱无章的数据背后的信息提炼出来，总结出所研究对象的内在规律。

接下来看一组数据，来对概念进行一个详细阐述

这是一个汽车公司的每个地区的不同车型的销售数据

我们能从数据中看出什么呢？

接下来我们根据每个地区分组，对销量进行求和，通过柱状图进行展示

很明显，我们能够通过柱状图的高度，对比发现，西北地区的销售额最高，而西南地区的最低。

这就是我们发现的规律，针对这个规律我们就要分析为什么西北地区的销售额最高，西南地区的最低，找到原因之后，就要针对具体原因作出相应的决策，以此来提高整体的销售额。

注：这里只是为了举个简单的例子，暂且定义为其他条件都相等的情况下，各个地区具有可比性。

再来看一组数据

这是关于每款车型在一年每个月的销量情况

我们对每款车型，利用折线图，进行每月的走势对比分析，如下图

我们发现，5月的销量呈现断崖式下降，这就是我们发现的规律，接下来还是要分析为什么？ 是市场环境的问题？还是公司货源问题？还是突发情况造成的？假设我们通过跟业务部门沟通，确定原因是突发情况造成的，整体所有车型销量断崖式下降，该怎么办？这个时候，我们就想，已经发生了，那没办法呀？其实不是的，我们找到原因之后，要去考虑的问题是：公司为什么没有紧急预案，如果下次再出现类似情况，该怎么办？是不是要吸取教训，想好解决措施。

总结：

从上面两个小案例当中，我们发现数据分析其实就是对于一堆看似没啥用的数据，运用专业的分析方法和分析工具，发现数据背后隐藏的规律，通过总结分析得出有价值的信息，然后用于商业决策，也就是通过数据的科学方式来管理企业，而不是传统的凭经验，一拍脑袋，就这么干就完了。

2 如何成为一名合格的业务数据分析师

下面根据这张图，我们来详细说说要成为一名合格业务数据分析师需要具备哪个能力

2.1 业务数据分析所需硬实力

• Excel

相信很多人提起Excel，都会觉得他有点Low，有些人甚至都不敢说自己在学Excel，因为别人会像下图一样满脸疑问：什么？你在开玩笑吧，Excel？，那东西还用学吗？貌似智商没问题的都会吧。

​其实这也说明了Excel真的是一款亲民的工具，简单，易上手，也是我们记录数据，处理数据的很好上手的工具，Excel不管在数据存储，数据清洗，还是数据可视化方面都做的很好，特别是他强大的函数功能、数据透 视功能，都为数据分析带来极大的便利，但是大部分还是对于Excel只知道简单的一些操作，所以我们要学习 其更加强大的功能，在实际的工作中，我们的很多分析也离不开Excel。

但是呢？我们需要花特别多的时间把Excel学到精通吗？其实也不用，大家只要掌握常用的一些操作和一些重要的函数，还有图表和数据透视功能，基本就能应对工作中80%的任务啦，剩下的自己找找资料基本就能解决的。

Excel推荐使用微软的2013及以上版本，目前最新的是2016版

• SQL

又一重要的工具，我们现在大部分数据都是存储在数据库中，因此学会SQL进行数据提取和分析也是数据分析必须掌握的技能之一，这个也是在面试中面试官重点考察的技能，一定要熟练SQL。

• SPSS

统计分析软件，有类似功能的还有SAS，先比较而言，SPSS提供的可视化按钮界面，更易于操作，并且SPSS是世界上最早的统计分析软件，被IBM收购之后，版本也在不断的迭代更新，目前的25版本已经比较成熟，与其他分析软件都具有很好的兼容性，基于统计知识的专业分析工具确实好用。

• Python

近几年很火的编程语言，特别是在数据分析方向，有相似功能的是R，但是建议学python，R有一定难度，python在机器学习方面也具有强大的优势，常用的数据分析的第三方包numpy pandas matplotlib sklearn等，而且还可通过python爬取数据，拿来做分析，一举两得，当然python在数据挖掘方面也是利器之一。

• Tableau

专业的数据可视化工具，以上虽然都可以做数据的可视化操作，但是Tableau更能制作出美观，大气，复杂的图形，并且可以实现数据看板及动态展示，数据钻取等，同类软件还有国内的FineBI也是不错的产品。

如果说你没有太多的时间和精力把以上工具都学会，那必须掌握的是Excel、SQL和Python，如果你想在数据分析这个行业深扎下去并且希望走的更远的话，以上三个必须掌握。

2.2 业务数据分析所需软实力

​ 很多转行做数据分析的人一开始就埋头扎进了各种分析工具的学习中，而忽略了分析方法，这点是很可怕的，当他们面试的时候一定会被面试官怼的很惨，数据分析找的不是只会工具的人，重点的分析能力也很重要。

• 业务知识

要会数据分析，首先要懂业务，不懂业务，只会一堆工具，很容易称为“人工提数机”，只有建立在对业务的了解基础之上，才能结合做出有价值的分析。

如果学会了爬虫，还可以爬取相关行业的网站数据进行分析，例如：招聘网站数据分析目前岗位的需求，电商网站数据分析产品的销售情况，资讯网站数据分析某个时间段关注的焦点等等

• 逻辑思维&分析方法

当业务上遇到问题时，我们要具备解决问题的思维逻辑，并且要掌握一定的分析方法，才能做到遇到问题不慌乱，避免无从下手的尴尬境地；在工作中锻炼自己的思维方式可参考麦肯锡的《金字塔原理》；常用的分析方法例如：对比分析，多维度拆解分析，相关分析等，还要学会如何解决业务的分析思路等。

• 沟通表达

数据分析师是一个跨部门协作的岗位，因此要锻炼自己良好的沟通表达能力。

• 统计学知识

很多分析是基于统计学的原理，但是对于知识的要求并不是特别高，只要懂原理及如何使用工具操作即可，需要掌握描述统计，概率分布，抽样分布，参数估计，假设检验等相关模块的理论知识，这个时候可以问问自己，什么是概率？概率分布有哪两种大类？什么是正态分布？什么是中心极限定理？什么是点估计？什么是置信水平？什么是原假设和备择假设？是不是感觉很熟悉，这些其实都是大学学过的内容。

• 机器学习

当需要对数据进行预测时，需要用到机器学习的模型和算法来实现，当然，机器学习的知识不仅仅在数据分析领域所有涉及，在数据挖掘，人工智能等领域都有很大的成就，当然也具有一定难度，不过学会他，未来发展会越来越好。

3 业务数据分析都做些啥

• 数据支持

比较繁琐的工作内容之一，根据其他部门的需求，提供临时所需数据

• 数据报表

设计分析报表，涉及到日报 周报 月报等

当然，现在很多公司有强大的后台已经把数据报表完美呈现，只要日常监控即可

• 数据监控，问题分析

监控数据，发现问题并分析原因，提出可落地的解决方案

• 专题报告

针对某项专题出具专题分析报告，这个对数据分析师具有很高的要求。

注：要根据公司具体的业务来做调整，这里简单罗列的是主要工作内容

4 数据分析未来发展前景如何

越来越多的企业意识到数据分析的重要性,通过数据做出的决策更为准确，提高决策速度和正确性，节省企业运营成本，选择数据分析是个不错的职业方向，但是还需要根据每个人的实际情况，喜欢数据并且能够持续学习的人在这个行业会走的更远，话说回来，每个行业都需要不断的去学习，去提升。下面给大家看看数据分析师的不同阶段的不同特征。

数据分析目前在不同的行业所要求的能力也不一样，以上的内容并不是绝对的。

写在最后的话

最近也在关注一些业务数据分析的话题和帖子，发现一个有争议的问题，对于小白来说，想从事业务数据分析到底是先学分析工具还是先掌握分析思维，也就是上面所提到的硬实力和软实力的重要程度问题，一波人认为必须先学工具啊，拿到数据之后连基本的数据清洗工作都不会，公司谁会要你啊，而另一波人认为现在转行做数据分析的，大部分人都是只会工具，以为会工具就能找到工作，而面试时遇到业务相关问题就答不上来了，所以学习分析思维很重要，要掌握一些分析思路和方法才能应用于实践，光会工具，没有脑子的去工作，能做好么。

先不说谁对谁错，其实说的都有道理，但是这种情况因人而异

小白，没毕业的大学生

我个人认为必须先掌握一些基本的分析工具的使用，不用特别精通，也不用花大量的时间和精力，熟练操作即可。

然后还要学习分析思路和分析方法，然后就是练，找一个实际的数据进行分析，可以从模仿别人的开始，阿里天池和kaggle都有公开的数据源，虽然里面都是用来做预测分析的，但是我们也开始从基本的分析做起，只要有数据即可，把它当成一个项目，按照分析思路以作品的形式呈现，拿给面试官，胜算会很大。

转行数据分析的社会人员

相对小白来说，对职场和社会都有一定的了解，因此，薪资方面也会有一定要求，当然还是要在掌握一些分析工具之后，多了解行业知识和业务知识了，这也是转行人员的优势之一，分析思路和分析方法也是必备的，跟没毕业大学生是一样的，相当于说转行的人需要在小白基础上多了解一些业务知识才可以。

做什么工作都不容易，当你下决心做一件事情的时候，不要只是三分钟热度，坚持下去，没有学不会的知识，也没有过不去的坎儿，只有不愿付出的努力，一起加油！