「08」说说数据分析师的 “技能点”

上篇文章，笔者按照自己的理解，把数据分析师分为了 初级、中级、高级 三个阶段，并大致归纳了一下三个阶段的数据分析师的价值

今天，咱们一起来梳理下，关于这三个阶段的数据分析师，通用性的技能点

工具类技能点

说到工具类，大家肯定会想到EXCEL，想到SQL，想到Python，想到R

但就这些工具都有个本质性需求

整合处理数据，并将数据较美观的透出

所以回归到本质，excel也好，sql也好，python也好，其实都是数据处理的工具

我们分别来说下工具类的基础技能点

EXCEL：常用函数vlookup，match，index等，数据透视表功能，图表功能

SQL：聚合函数，窗口函数，表格关联，数据倾斜优化等

Python：循环、字典、字符串、pandas、numpy等常用包的使用

这里我们列举一些SQL中常被忽略的问题，大家可以找一下答案：

1、SQL中的 row_number、rank、dense_rank三个函数排序的区别是什么？

2、where 条件 和 on 条件，哪个的执行优先级更高？

3、SQL中的行转列 & 列转行如何实现？

网络上关于EXCEL、SQL、Python的学习资源非常多，笔者在这里就不赘述了

理论类技能点

关于理论类知识点，每个数据分析师应该都有不同的见解

财务类的分析师，需要一些财务相关的基础知识

金融类的分析师，需要的则是经济学相关的基础知识

而偏算法类的分析师，需要的是算法知识的积累

而业务类的分析师，需要的是一些产运及行业的玩儿法沉淀

当然，这些都是初级数据分析师后的方向

我们来说说最基础的技能点：统计学&概率论

1、统计推断：置信区间、置信度、假设检验（t检验、z检验、卡方检验），以及这些检验适用的数据类型及样本情况；

2、中心极限定律、大数定律、辛普森悖论等

3、概率与概率的分布、统计量及抽样分布、参数估计等

4、回归分析、方差分析、分类分析、时间序列等

再往上，我们可以去深入的思考一下 全概率公式、贝叶斯公式、马尔科夫链等在业务中的实际运用

比如在小流量实验，建设汰换流量池时，我们可以使用贝叶斯公式，不断调整和选择更好的内容方案上线

比如在分析APP链路时，我们可以利用马尔科夫链的常返态及稳态性质，计算出一个APP功能的最高渗透率，并找到这个最高渗透率的路径，做相应的产品引导

... ...

这里推荐几本书

入门级的：《统计学》、《概率论与数理统计》

深入一些的：《概率导论》

再往上一些的，就是更专业的一些书籍了，笔者知识有限，就由大家自己去发现了

业务类技能点

关于业务的重要性，基本每篇文章都有说到，这里就不再阐述

同样，这个也是最能“分割”数据分析师层级的一个技能点

笔者按照自己的理解，大致将数据分析师的职业发展划分为以下三个节点

帮助业务发展 + 指导业务发展 + 判断业务方向

帮助业务发展：我们在了解业务的初期，我们并不能很好的判断业务当前的状态，但是，业务同学，或者更资深的同学，通过他们的需求，或者业务判断，我们可以为他们提供一些数据支持，描述性统计分析报告等

即：从数据的视角，度量业务当前的状态，从而可以帮助那些更了解业务的同学去指导业务发展

指导业务发展：在对业务有较深刻的了解后，我们不仅仅需要做出对当前业务情况的判断，我们还需要逐渐具备 找到当前业务问题，并提出解决问题方案 的能力

即：从数据的视角，业务当前的状态是什么，哪些有问题，如何解决；哪些可以优化，方案是什么；如何去实施这些方案，action是什么；做了这些action后，预期会有什么效果，如何评估结果；如果有负面效果，如何cover负面效果

这个阶段是一个非常漫长的积累的过程，需要积累项目经验，沉淀分析方法论，深耕某一行业，熟悉行业玩儿法等等

这也是一个由量变逐渐变为质变的过程