数据分析是什么,如何完善数据分析知识体系

子昊的茶会 2018-09-19

万事开头难,但是一旦数据分析有了动力,就要开始完善自己的知识体系,这也是真正入门的开端。那如何完善数据分析的知识体系?

数据分析是什么,如何完善数据分析知识体系

1、基本的计算机知识和统计知识

数据库 + SQL 语言

一些常用的数据库如 Oracle、SQL Sever、DB2、MySQL,这些数据库或者说日常接触的数据库都要有所了解,懂最常用的就好,最重要的还是要会写 SQL。

数学 / 统计学知识

一些基本的数学统计方法如描述性统计、多元统计分析、回归分析等,重要性不言而喻。

数据挖掘知识:方差分析、回归分析、因子分析、聚类分析等等。这些东西作为入门多多少少都要会一些,虽然有可能不会全用到,但一旦用时方恨少。而且也可以作为未来发展的基础

数据分析可视工具

数据分析可视化工具很宽泛。首推 Excel,中小公司很依赖,熟练使用数据透视表,这是必备技能。中大型公司都是用报表工具或者 BI 来做报表,但有了 SQL+Excel 的基础,这些工具上手都很快。

2、业务知识

数据分析师要与公司的各业务打交道,所以对于各部门的业务知识要有深入的了解。某业务领导需要知道某个指标,你需要知道这个指标由哪些数据构成? 数据统计的口径是什么?数据怎么取出来?这个指标对于行业的意义是什么,处于什么范围分别对应什么样的情况,是好还是坏。然后慢慢摸索这个指标层面多维度的规律,如何设定最合理。

明确自己的位置,快速成长

数据分析是一向比较专业的工作,要时刻警惕自己能力是否有提升,目前是什么样的水平,习惯反思自己:

你了解你所整理的数据的来源吗?是自己公司的业务数据,还是与合作伙伴交换的数据?是自己公司相关部门采集的,还是从第三方获取的?获取过程中,具体的指标和逻辑是什么?

这些数据是真实的吗?采集和整理过程中会不会出现什么问题?技术上的逻辑和业务上的逻辑是不同的概念,有没有技术上没有瑕疵,但并不符合业务逻辑的数据流程?

到你手里的数据经过了什么处理?你又做了什么处理?为什么他们和你要做这些处理?

谁需要你的数据?你处理后的数据流向哪里?他们用数据做什么?这些数据最终又拿去做了什么?比如,为客户做了什么服务,公司发布了什么内容,或向管理层证明了什么 KPI,或支持了哪个部门的评估?

你做整理的周期是什么?为什么是这样的周期?

公司有其他的部门在处理其他的数据吗?是什么样的数据?和你有什么关系?为什么这些数据要分开处理?

近一年,你自己的电脑上应该已经积累了不少数据,试试做个分析,从一段较长的时间来看,你负责的这一块数据发生了什么变化?为什么会有这个变化?和公司的产品、经营、业务有关,还是和行业有关?具体怎么有关?

数据分析是什么,如何完善数据分析知识体系

如何进一步提升?

业务上

1. 业务为核心,数据为王

  • 了解整个产业链的结构
  • 制定好业务的发展规划
  • 了解衡量的核心指标
  • 有了数据必须和业务结合才有效果

需要懂业务的整体概况,摸清楚所在产业链的整个结构,对行业的上游和下游的经营情况有大致的了解。然后根据业务当前的需要,指定发展计划,从而归类出需要整理的数据。最后一步详细的列出数据核心指标(KPI),并且对几个核心指标进行更细致的拆解,当然具体结合你的业务属性来处理,找出那些对指标影响幅度较大的影响因子。前期资料的收集以及业务现况的全面掌握非常关键。

2. 思考指标现状,发现多维规律

  • 熟悉产品框架,全面定义每个指标的运营现状对
  • 比同行业指标,挖掘隐藏的提升空间
  • 拆解关键指标,合理设置运营方法来观察效果
  • 争对核心用户,单独进行产品用研与需求挖掘

业务的分析大多是定性的,需要培养一种客观的感觉意识。定性的分析则需要借助技术、工具、机器。而感觉的培养,由于每个人的思维、感知都不同,只能把控大体的方向,很多数据元素之间的关系还是需要通过数据可视化技术来实现。

3. 规律验证,经验总结

发现了规律之后不能立刻上线,需要在测试机上对模型进行验证。

技能上

1.Excel 是否精钻?

除了常用的 Excel 函数(sum、average、if、countifs、sumifs、offset、match、index 等)之外,Excel 图表(饼图、线图、柱形图、雷达图等)和简单分析技能也是经常用的,可以帮助你快速分析业务走势和异常情况;另外,Excel 里面的函数结合透视表以及 VBA 功能是完善报表开发的利器,让你一键轻松搞定报表。

写给喜欢数据分析的初学者

2. 你需要更懂数据库

常用的数据库如 MySQL,Sql Server、Oracle、DB2、MongoDB 等;除去 SQL 语句的熟练使用,对于数据库的存储读取过程也要熟练掌握。在对于大数据量处理时,如何想办法加快程序的运行速度、减少网络流量、提高数据库的安全性是非常有必要的。

3. 掌握数据整理、可视化和报表制作

数据整理,是将原始数据转换成方便实用的格式,Excel 在协同工作上并不是一个好工具,报表 FineReport 比较推荐。项目部署的 Tableau、FineBI、Qlikview 一类 BI 工具,有没有好好培训学习,这些便捷的工具都能淡化数据分析时一些重复性操作,把精力更多留于分析。

为了帮助小伙伴们更好的学习Python,技术学派整理了Python的相关学习视频及学习路线图。

领取方式

关注“技术学派”后,评论转发文章,私信回复:Python学习

相关推荐