仅以此为努力之坐标，路在前方，漫漫前行。

     对于数据分析，有一句话说的非常好：spss/sql之类的软件、决策树、时间序列之类的方法，这些仅仅就都是个工具而已，最重要的是对业务的把握。没有正确的业务理解，再牛的理论，再牛的工具，都是白搭。做一名合格的数据分析师，除了对数据需要有良好的敏感性之外，对相关业务的背景的深入了解，对客户或业务部门的需求的清晰认识。根据实际的业务发展情况识别哪些数据可用，哪些不适用，而不是孤立地在“真空环境”下进行分析。

有一位数据分析牛人曾经总结过数据分析师的能力和目标：

能力：一定要懂点战略、才能结合商业；

一定要漂亮的presentation、才能buying；

一定要有global view、才能打单；

一定要懂业务、才能结合市场；

一定要专几种工具、才能干活；

一定要学好、才能有效率；

一定要有强悍理论基础、才能入门；

一定要努力、才能赚钱；

最重要的：一定要务实、才有reputation；

不懂的话以后慢慢就明白了。

——————————————————————————————————

 

知识模块

模块解释

相关学科

page8image8488

懂业务

分析师是企业的大脑，熟悉自己所分析领域的 商业模式， 工作流程，运营方法和组织架构。脱离具体行业的分析， 都是不靠谱。分析师是企业的大脑，要把自己变成行业专 家。

 
市场营销
经济学
财务会计
运营

懂沟通

分析师不是一个单纯的技术岗位，职能特殊性，需要有处 理问题的技巧。正确理解业务需求，处理沟通中的分歧， 求同存异，做事先学会做人。

 page8image15360 
跨部门沟通
上下级沟通
就业与面试
page8image17216

懂管理

数据分析不是为了分析数据，而是让数据产生商业价值， 变成新能源。分析师需要站在公司 CEO 的高度，看全局 数据，发现问题，找到原因，给出解决方案。

管理学 项目管理

page8image21032

懂分析

分析师 是专业高级岗位，见招拆招。需要懂得 数据分析 方法，业务分析方法，市场分析方法，战略分析方法，数 据挖掘方法。

 
统计学
数据分析方法
战略管理方法
市场分析方法
数据挖掘方法
page8image25600

懂工具

基于统计学，机器学习 的专业分析工具，分析更加高效 和准确。使得分析师更加专注于分析本身，不再考虑统计 学的公式和算法。专业的工具使得复杂的分析变得简单， 处理海量数据成为可能。

Excel SPSS Tableau Modeler Python MySQL

page8image30416

懂设计

分析师做的专业图表，需要翻译成 小白都可以看懂的分 析报告。制作美观大气的商业分析报告，让你的报告赏心 悦目，获得加分。报告就行女生一样，需要打扮以后才拿 得出手。人们往往通过 视觉第一印象，判断内容的好坏。

PPT
Word
Visio X-mind
PS 报告制作 设计与配色
——————————————————————————————————
要看哪些书？

——小白篇——

1.大数据时代

2.浪潮之巅

3.互联网创业密码

4.从0到1

5.决战大数据

6.块数据

7.大数据预测:告诉你谁会点击、购买、死去或撒谎

8.信号和噪声

9.数据之巅

10.跨界:开启互联网与传统行业融合新趋势

11.删除:大数据取舍之道

12.互联网思维:工作、生活、商业的大革新

——菜逼篇——

1.数据化管理:洞悉零售及电子商务运营

2.转化:提升网站流量和转化率的技巧

3.社交网站的数据挖掘与分析

4.数据分析 :企业的贤内助

5.淘宝大数据

6.网站数据分析:数据驱动的网站管理.优化和运营

7.人人都是网站分析师:从分析师的视角理解网站和解读数据

8.大数据营销:定位客户

9.数据挖掘与数据化运营实战 :思路.方法.技巧与应用

10.大数据分析:决胜互联网金融时代

11.分析的力量

12.网站数据挖掘与分析:系统方法与商业实践

——菜鸟篇——

1.谁说菜鸟不会数据分析（工具篇+入门篇）

2.EXCEL图表之道/如何制作专业有效的商务图表

3.决策分析:以Excel为分析工具

4.Word/Excel/PPT 2013商务办公从新手到高手

5.实用数据分析

6.深入浅出数据分析

7.构建高效数据分析模板:职场必学的Excel函数与动态图表高级

8.SAS统计分析与应用从入门到精通(第2版)

9.IBM SPSS数据分析与挖掘实战案例精粹

10.从零进阶!数据分析的统计基础

11.Excel 2010函数与公式

12.Excel高效办公.数据处理与分析

——高手篇——

1.集体智慧编程

2.利用Python进行数据分析

3.数据挖掘与R语言

4.R语言与数据挖掘最佳实践和经典案例

5.R的极客理想工具篇

6.数据挖掘 :实用案例分析

7.R与Hadoop大数据分析实战

8.深入理解大数据:大数据处理与编程实践

9.数据挖掘:实用机器学习工具与技术

10.R语言与网站分析

11.Mahout算法解析与案例实战

12.算法心得:高效算法的奥秘

——大神篇——

1.大数据管理:数据集成的技术、方法与最佳实践

2.HADOOP技术内幕系列

3.MYSQL技术内幕

4.Storm 实时数据处理

5.Spark快速数据处理

6.Oracle数据库性能优化的艺术

7.Oracle达人修炼秘籍:Oracle 11g数据库管理与开发指南

8.Hadoop应用开发技术详解

——————————————————————————————————
数据分析师需要掌握哪些工具？
这个层其实有很多分析工具，当然我们最常用的就是Excel，我经常用的就是统计分析和数据挖掘工具；
  • Excel软件，首先版本越高越好用这是肯定的；当然对Excel来讲很多人只是掌握了5%Excel功能，Excel功能非常强大，甚至可以完成所有的统计分析工作！但是我也常说，有能力把Excel玩成统计工具不如专门学会统计软件；
  • SPSS软件：当前版本是18，名字也改成了PASW Statistics；我从3.0开始Dos环境下编程分析，到现在版本的变迁也可以看出SPSS社会科学统计软件包的变化，从重视医学、化学等开始越来越重视商业分析，现在已经成为了预测分析软件。
  • Clementine软件：当前版本13.0，数据挖掘工具，我从6.0开始用，到了13版，已经越来越多的提高了更多有好的建模工具，现在改名叫PASW Modeler 13建模器了。而且与SPSS统计功能有了更多的整合，数据处理也更加灵活和好用。
  • SAS软件：SAS相对SPSS其实功能更强大，SAS是平台化的，EM挖掘模块平台整合，相对来讲，SAS比较难学些，但如果掌握了SAS会更有价值，比如离散选择模型，抽样问题，正交实验设计等还是SAS比较好用，另外，SAS的学习材料比较多，也公开，会有收获的！
  • R软件：开源，扩展性比较强，很适合做数据统计和数据处理。
  • Python软件：上手难度很低，特别是在金融分析领域应用广泛。数据分析与机器学习。
——————————————————————————————————

其实这些都是很粗略的规划，应该来说遵循这样走，基本上都能走上牛逼的道路。

而现实是残酷的，比如你会面临工作和家庭的平衡，数据分析职场的困惑，职场发展的瓶颈，主管的不如意，行业的变迁，工作地的跳来跳去等等琐碎的问题。

 

 

 

posted @ 2017-05-02 21:48  fxer  阅读(276)  评论(0)  编辑  收藏  举报