数据分析师的能力和工具体系

之前我在回答里写过，数据分析师和圣骑士职业很相似，都需要“门门通”。最近，我尝试对数据分析师的能力和工具体系进行梳理，以下内容为一家之言，仅供参考。

数据分析师的能力体系

如下图：

数学知识

数学知识是数据分析师的基础知识。

对于初级数据分析师，了解一些描述统计相关的基础内容，有一定的公式计算能力即可，了解常用统计模型算法则是加分。

对于高级数据分析师，统计模型相关知识是必备能力，线性代数(主要是矩阵计算相关知识)最好也有一定的了解。

而对于数据挖掘工程师，除了统计学以外，各类算法也需要熟练使用，对数学的要求是最高的。

分析工具

对于初级数据分析师，玩转Excel是必须的，数据透视表和公式使用必须熟练，VBA是加分。另外，还要学会一个统计分析工具，SPSS作为入门是比较好的。

对于高级数据分析师，使用分析工具是核心能力，VBA基本必备，SPSS/SAS/R至少要熟练使用其中之一，其他分析工具(如Matlab)视情况而定。

对于数据挖掘工程师……嗯，会用用Excel就行了，主要工作要靠写代码来解决呢。

编程语言

对于初级数据分析师，会写SQL查询，有需要的话写写Hadoop和Hive查询，基本就OK了。

对于高级数据分析师，除了SQL以外，学习Python是很有必要的，用来获取和处理数据都是事半功倍。当然其他编程语言也是可以的。

对于数据挖掘工程师，Hadoop得熟悉，Python/Java/C++至少得熟悉一门，Shell得会用……总之编程语言绝对是数据挖掘工程师的最核心能力了。

业务理解

业务理解说是数据分析师所有工作的基础也不为过，数据的获取方案、指标的选取、乃至最终结论的洞察，都依赖于数据分析师对业务本身的理解。

对于初级数据分析师，主要工作是提取数据和做一些简单图表，以及少量的洞察结论，拥有对业务的基本了解就可以。

对于高级数据分析师，需要对业务有较为深入的了解，能够基于数据，提炼出有效观点，对实际业务能有所帮助。

对于数据挖掘工程师，对业务有基本了解就可以，重点还是需要放在发挥自己的技术能力上。

逻辑思维

这项能力在我之前的文章中提的比较少，这次单独拿出来说一下。

对于初级数据分析师，逻辑思维主要体现在数据分析过程中每一步都有目的性，知道自己需要用什么样的手段，达到什么样的目标。

对于高级数据分析师，逻辑思维主要体现在搭建完整有效的分析框架，了解分析对象之间的关联关系，清楚每一个指标变化的前因后果，会给业务带来的影响。

对于数据挖掘工程师，逻辑思维除了体现在和业务相关的分析工作上，还包括算法逻辑，程序逻辑等，所以对逻辑思维的要求也是最高的。

数据可视化

数据可视化说起来很高大上，其实包括的范围很广，做个PPT里边放上数据图表也可以算是数据可视化，所以我认为这是一项普遍需要的能力。

对于初级数据分析师，能用Excel和PPT做出基本的图表和报告，能清楚的展示数据，就达到目标了。

对于高级数据分析师，需要探寻更好的数据可视化方法，使用更有效的数据可视化工具，根据实际需求做出或简单或复杂，但适合受众观看的数据可视化内容。

对于数据挖掘工程师，了解一些数据可视化工具是有必要的，也要根据需求做一些复杂的可视化图表，但通常不需要考虑太多美化的问题。

协调沟通

对于初级数据分析师，了解业务、寻找数据、讲解报告，都需要和不同部门的人打交道，因此沟通能力很重要。

对于高级数据分析师，需要开始独立带项目，或者和产品做一些合作，因此除了沟通能力以外，还需要一些项目协调能力。

对于数据挖掘工程师，和人沟通技术方面内容偏多，业务方面相对少一些，对沟通协调的要求也相对低一些。

快速学习

无论做数据分析的哪个方向，初级还是高级，都需要有快速学习的能力，学业务逻辑、学行业知识、学技术工具、学分析框架……数据分析领域中有学不完的内容，需要大家有一颗时刻不忘学习的心。

以上，就是我对数据分析师能力的总结。

数据分析师的工具体系

一图说明问题

可以从图上看到，Python在数据分析中的泛用性相当之高，流程中的各个阶段都可以使用Python。所以作为数据分析师的你如果需要学习一门编程语言，那么强力推荐Python～

本文作者：陈丹奕

来源：51CTO

企业综合运维监控项目经典案例 对服务器、网络设备等IT设施提供全面的故障和性能管理，通过设置相应的性能阀值和告警通知方式，当设备发生异常时能及时通过邮件和短信通知到管理员，减少故障修复时间
从数据到价值，DataOps精益数据运营概述 DevOps大家可能比较熟悉，但对于概念相近的DataOps大家可能还不清楚。简单来说，如果DevOps是更快交付软件的一种理念，那DataOps就是 更快交付高质量数据 的一种理念。 我们星轨工具团队过去围绕数据链路，沉淀了很多工具和组件，提升了我们数据域项目交付的效率和质量，这和DataOps提倡的聚焦数据链路，从全局提效很匹配。因此我们结合DataOps理念做了一些探索和实践，本文会详细给大家介绍下DataOps理念。
数据价值有效发挥的障碍：高级数据分析常见的五种挑战 我们经常听到高级分析的成功案例。人们对人工智能的期望很高——据预测人工智能和人工智能的年经济价值将在9.5万亿到15.4万亿美元之间——因此，只要有可能，许多人都想把目光聚焦在数据分析技术的发展上。
一款具备零代码和低代码能力的大数据可视化分析平台 什么是低代码平台： “低代码开发”旨在开发人员可以通过编写少量代码就可以快速生成应用程序的一种方法。 使用低代码开发平台类似于使用IDE，因为它包含了一套可以供开发人员直接使用的功能，和一套供开发人员使用的工具。然而，它实际上能提供的远远超过一个传统的IDE。简单来说，低代码开发就是将已有代码的可视化模块拖放到工作流中以创建应用程序的过程。由于它可以完全取代传统的手工编码应用程序的开发方法，技术娴熟的开发人员可以更智能、更高效地工作，而不会被重复的编码束缚住。相反，他们可以将精力集中于创建应用程序的10%部分，并使其具有与众不同的功能。与“低代码”开发相对的另一种方式是编写数千行复杂的代码和语
数据时代不具备数据可视化分析能力，你怎么在工作中脱颖而出？ 数据可视化和信息可视化都是可视化的一种方式，数据可视化将数据库中每一个数据项作为单个图元元素表示，大量的数据集构成数据图像，同时将数据的各个属性值以多维数据的形式表示，可以从不同的维度观察数据，从而对数据进行更深入的观察和分析。信息可视化，旨在把数据资料以视觉化的方式表现出。信息可视化是一种将数据与设计结合起来的图片，有利于个人或组织简短有效地向受众传播信息的数据表现形式。
高级数据分析师，必备这7大能力 经常有小伙伴吐槽：“名曰数据分析师，实际上就是跑数机器，咋样才能进步呀！”额，大家都是从查数姑过来的，莫慌。
不过自从我开始带小伙伴独立负责工作以后，越来越感觉到：有些能力是高级数据分析师才要求的，在每天写sql里没得锻炼。具体是哪些？今天简单分享一下。
数据分析师7大能力：梳理标签体系 上期分享了数据分析师必备能力：打标签。这次分享一个更高级能力：构造标签体系。在提升能力的顺序上，当然是先会打一个标签，再会搞整个体系了。
数据分析7大能力：梳理数据需求 今天分享数据分析师必备的工作能力——需求梳理。需求梳理很不起眼，甚至很多小伙伴感受不到他的存在。但它结结实实影响到大家的下班时间和绩效。
从开发视角看数据分析 导读：数据分析就是要从杂乱无章的数据中将某个或者某些核心指标做提炼、归纳、总结，找到某个规律，但往往得到的结论不足以支撑下一步的动作，劳心劳力最后无果，又要再继续深挖。本文并不是一篇专业的数据分析方法论，而是从研发角度对自己做的一些数据分析进行思考和总结。