从大学生到数据分析师成长

关键词：数据分析师,数据分析,分析师，数据分析工程师

我羡慕那些从学校走出甚至还未走出的时候，就可以以自己学会的知识和技术来创造价值的人；而另外一些人，比如我，要再过很久才能找到自己的位置。已经开始读这篇文章的话，你与我很可能是同类。大学期间，我基本算得上是个正牌的文科生。毕业之后，目光却逐渐转向数据分析，这个跨度颇有点不靠谱的意味。不过，在岗位上一段时间之后，我发现像我这样的人不在少数，只是他们可能在开始时距离“数据”没有那么远，例如传媒或者社会科学，但大家跨越自己原专业、进行新知识学习的程度是相似的。既然如此，也一定会有后来人需要这些故事和鼓励，使他们在立志的时候，得到一些示例、经验以及方法，大致的感知某些路径，以便在专业背景弱势、技术起点偏低的情况下，避免绕弯路，避免挫折，更有效率的前进。

豆瓣配套豆列：从文科生到数据分析师（书籍部分）任何问题欢迎随时评论探讨。

—————————-

【我们所说的“数据分析”：产业与链条

“数据分析”是一个含义颇为宽泛的概念，并且，在这个数据化的时代，这个概念几乎是无处不在的。为了保证内容的有效性，在这里仅提供我了解的一些方面。我接触的数据分析，主要是围绕互联网产品展开的。从数据采集前的规划，到采集过程（交互逻辑设计等），到回收数据的整理（机器层面和人工层面），与业务相联系的数据汇总，到后期的报告呈现（项目成果呈现），都有“数据分析”涉及。对单一产品来讲，数据分析（非挖掘）的集中体现，往往在运营层面。一方面是日常数据的跟踪，另一方面是重大活动、市场策略、新版本上市时的数据监测。产品经理也可以依据产品日常数据进行用户需求分析。从典型性上看，电商和网络游戏是这个框架下比较成熟的两类数据链条。对于商业咨询/研究来讲，数据分析为观点服务，这里的数据分析，选样、分析过程、呈现都是依附于特定商业目标和商业逻辑的，没有太多的共性。重要的是要知道如何获取高质量的数据，以及熟练使用业界通用的分析方法。此外，在一些商业提案、演讲、培训中也会用到数据分析，这里的数据分析更是为了主题服务，一方面需要描述市场规模、时间变化趋势等的宏观数据，另一方面需要具体的案例数据，讲述提案所涉及的方法在哪些指标上使客户/用户得到提升。综上，数据分析可能出现在产业链条的任何一个位置，产品、运营、市场，甚至销售、商务、人力，等等等等，当然职位可能就叫数据分析，但理解这个职位在哪一个业务板块，会更利于数据分析的进行。

【转型数据分析，早期技能综述

数据分析在我看来是个无底洞，越做越觉得技能欠缺——文科生可能尤其如此，因为他们几乎零基础；这如果不令他们陷入迷茫，就很可能令他们陷入知识获取的癫狂状态。深浅远近的知识一起吃未必不好，不过我还是建议入门早期首先关注三个方面：1、统计学基础基本的统计学原理和简单的几种分布的概念。可能在工作中都用不到分布，但这是后续升级的基础。推荐书目深入浅出数据分析 (豆瓣)深入浅出统计学 (豆瓣)爱上统计学 (豆瓣)后两本有所重合，随意看一本即可。【《爱上统计学》我有pdf电子版，需要的话可以留邮箱。】还有网络课程：Statistical Thinking and Data Analysis

2、业务逻辑就是业务逻辑，公司与公司不同，岗位与岗位不同。业务逻辑包括数据指标和计算方法，还有一些特殊的时间点、事件带来的例外情况。可以学习一下市场营销的课程，或者看一本入门教材，了解一下marketing的大致方法论。如市场营销原理 (豆瓣)另参考《如何在一周内摸清一个行业》：网站分析公会的微博 新浪微博

3、excel，SPSS至少一种最基本的数据处理和制图用工具。一些基础函数和数据透视表是最最基础的技能。可参考谁说菜鸟不会数据分析 (豆瓣)另外可以关注一些网络视频课程。

此外，了解一些数理逻辑基础、数据结构基础、软件工程的基础会更方便理解互联网的产品。

【文科生做数据分析，有何优势个人认为，最大的优势在于，当数据分析需要呈现的时候，很多文科生有能力一击抓住要点。这是需要跳出数据，思考问题本身的时刻。此时有必要相信距离媒体更近、距离项目报告更近的专业出身的学生。此外，有些数据分析需要宏观层面的联想，甚至一些出人意表的思路。文科生可以发挥创意。然后，文科生可能有着更多与“人”沟通的倾向和能力，这对数据需求的获取和数据表达的方向至关重要。培养这些能力，可参考：认知盈余 (豆瓣)爆发 (豆瓣)引爆点 (豆瓣)浅薄 (豆瓣)另外一些心理学的书籍也可以培养观察数据的角度问题。

不过，总体来讲，上述都略有牵强，这一段是本篇的鸡汤属性较强的地方。因为过于发散的思维可能影响数据分析的严谨性。且如果文科生做数据分析处处是优点，也就不会有这系列文章了。

【入门建议找一个喜欢的行业入手。这个行业需要真正重视数据而不仅是把数据挂在嘴边的，也即，数据是其核心竞争力，或是产品进步的必要推动力。最好是小公司。大公司里你很可能只是一个汇总excel、写周报的，连上下游的数据维度都摸不到。边入门边想清楚自己最终想走到哪一步。到市场传播，还是到产品经理，到投资/管理/业务咨询，甚至是向数据挖掘靠拢？每个方向所要关注的东西都是不同的。不抛弃，不放弃。同时放轻松，知道这将是一场漫长而艰苦的斗争。

优质报告的三大准则——市场、品牌性报告讨论

作为数据分析师，报告的写作是基本功，也是最终呈现的主要内容之一。本篇来讨论下什么是市场和品牌层面的“优质报告”，供各位在写作中参考，也为了后面讨论更深的内容打个基础——对于文科生来讲，从内容进入数据维度是比较好的思路。

市场、品牌层面的数据报告分为很多种，比较常见的是行业整体的报告和垂直领域的报告，前者规模一般比较大，如CNNIC的《中国互联网络发展状况统计报告》和一些咨询公司、市场研究机构发布的年度报告等，从数据上看，这些报告往往有通盘的考虑和固定的周期；后者相对小型，切入点以微观视点为主。当然这都是相对而言，因为垂直领域也会有整体性的报告，重点在于报告要解决的是什么问题。因为原则是相通的，所以本文的例子有各种报告。

【“优质报告”准则之一：提出新的观察范畴】

一个报告最重要的价值，就是分析出一个行业的趋势，从数据层面提出意见。而趋势的核心是“变化”——新生、增长、衰退、消失，等等。“提出新的观察范畴”即对变化的把握。示例：BCG《中国数字化新世代3.0——未来的网络领军者》中国数字化新世代3.0：未来的网络领军者.pdf这篇报告最出色的地方莫过于点亮了“农村群体”和“年长者群体”这两个观察范畴。新的观察范畴/对象，是几个基础指标结合后出现的、之前未曾观察到的群体。由这份报告来看，基础指标为：年龄，居住地区，网络使用情况（使用时长，使用者在人群中的比例，网络渗透率等），都是一些常规的数据维度，但它们的组合却指向了深刻的洞见——以前非行业目标的“农村居民”和“年长者”，应该受到重视了。这两个群体进入观察视野，对社交网站、互联网广告、电子商务等行业有现实意义，背后紧跟着用户拓展、电商网站的商品规划、广告精准投放、网络服务和产品设计等一连串问题。这就是趋势报告最高的价值体现：提出一个新的观察范畴，为整个产业创造意义，可能带动后续一系列媒体、机构、企业的跟踪和投入。而这个范畴本身又为作为咨询公司的BCG开拓了一个新的市场空间，充实了咨询企业的方法论。从这些意义上看，此报告绝对是一篇市场层面的上乘之作。

【“优质报告”准则之二：精彩的、有意义的跨行业比较】

跨行业比较，使用好了的话，是一步非常高明的棋。这种比较将给予自身的行业/业务一个快速、明确的定位，并展现出它的前景与机会。而这正是市场、品牌报告的所要解决的问题。示例1：Stephen Wolfram：Data Science of the Facebook Worldhttp://blog.stephenwolfram.com/2013/04/data-science-of-the-facebook-world/Mathematica软件之父Stephen使用Wolfram|Alpha Personal Analytics for Facebook（基于Mathematica进行个人Facebook数据分析的服务），基于Facebook用户贡献的数据，进行的一系列研究。其中，他将Facebook呈现出的婚姻状况与美国人口普查的官方数据进行了对比，发现Facebook上20岁以下的用户和寡妇有“谎报”已婚的倾向，同时，Facebook上的用户结婚的年龄比官方统计的结婚年龄要晚，但只考虑城市的话，两者更为相近。于是得出结论：对于美国年轻人来讲，Facebook这一样本显著性很高。这个简单的跨行业比较，体现出Personal Analytics for Facebook这项服务的价值和准确性所在。这篇的其他分析也非常有见地，建议大家认真看完。

示例2：友盟《移动应用争夺春晚期间用户注意力》移动应用争夺春晚期间用户注意力友盟是一家移动应用数据公司，提供应用内统计分析、移动互联网广告网络、移动应用社会化分享等工具，帮助开发者进行应用开发、数据统计，并移动广告服务等。友盟定期发布行业大报告，不定期发布垂直领域分析。这篇是后者，事件型的报告。它目的很明确：借春节和春节联欢晚会的契机，突出移动互联网在广告领域的价值。报告将用户的移动互联网行为（启动APP的次数）与电视行为（春晚节目单）对比，通过零点报时和春晚前十分钟的手机使用情况，强烈的表明，手机APP作为广告媒介，在关键事件时，拥有巨大的投放空间和投放价值；它远比电视广告便宜，但可能价值不逊于电视广告，甚至可能收获更好的效果。

诸如此类的跨行业比较，对突出（报告自身所在的）行业优势有很好的效果。它比传统公关事件和文章更有数据上的说服力，也让市场和潜在用户深刻的认识到其业务的核心内容，令报告本身有了更强的参考意义。

【“优质报告”准则之三：紧贴业务模式的维度设计】

示例：Millennial Media月度S.M.A.R.T.报告（以2013年6月份的为例）mm-smart-jun-2013.pdfMillennial Media是一家移动互联网广告公司，其SMART报告每月一期，针对不同的移动广告垂直领域进行分析。整体上看，SMART报告都遵循着一定的模式，如广告主目标分析、受众人群分析，以及定期的垂直领域市场规模排名等。因为是移动互联网广告公司，对Campaign效果的评估就十分重要，而对Campaign的评估，来自对“广告主的目标”和“最终用户反馈”之间的映射的观察。因此，你可以在SMART报告中看到对【Advertisers’ Campaign Goals】的分析，以及对【Post-Click Campaign Action】的分析。通过这二者的对比，就可以直观的看出Campaign成果如何。此外，SMART也提供了餐饮行业广告主的【Post-Click Campaign Action】与全行业的对比，可以帮助广告主调整后续策略。【Top Audiences Engaging with Restaurant Ads】的分析，则给出了最易受餐馆广告影响的最终用户类型。这对广告主策略的改进也是非常重要的。这就是所谓“紧贴业务模式的维度设计”的体现。它们无疑比“移动广告覆盖智能设备TOP 10”、“手机与平板的流量比例”、“XX领域受众男女比例”要高明一些——不是说这些数据不重要，而是，它们与业务的相关性太低。想想看，如果你是广告主，看到Millennial Media的分析报告，会不会感受到它对广告主需求的把握？会不会被它的服务吸引？结论显而易见。

在我看来，一份优质的报告，以上三点均不可少。不过，这并非易事，因为每一点背后都意味着更多的功课：先说第三点，紧贴业务模式的维度设计，要求你对自己的业务非常了解，包括报告的受众、服务的主要客户、数据来源和基本的数据点，统计中误差如何生成、怎样避免，等等等等；然后是第二点，有意义的跨行业比较，要求你对相近的行业有所了解，保证比较的意义；最后是第一点，提出新的观察范畴，这是对行业整体及相近行业深入了解后才可能有的洞见。

分析师们，加油吧！

转载请注明：数据分析 » 从大学生到数据分析师成长_数据分析师成长之路