你知道数据分析师每天的工作是什么嘛？

你知道想要成为一名数据分析师需要会哪些技能嘛？

你知道数据分析师的职业瓶颈在哪里嘛？

。。。。。。

作为想要转行数据分析师的同学们而言，这些问题都是转行成功的关键点，本期，小编就带领大家解开这些疑惑，全面解析数据分析师这个岗位。

01数据分析师每天都在干什么？

1）数据排查

数据分析师每天最关心的一定是数据，如果公司的数据出现了较大幅度的波动，这时就需要我们对数据进行排查，为什么今天的用户增长量下降了10%？为什么订单数据下降了等等。都是我们需要去分析的问题。

分析的方法有很多种，比如根据不同渠道或是新老客户等等，在大多数的情况下还是能比较快地找到问题所在的。

2）做报表

BI报表是每个数据分析师必不可缺的技能，日常的数据以及产品的实时情况都需要汇总，形成图表的形式。注意要清晰明了有逻辑，需要让老板第一时间就能看懂。

3) 分析报告

分析报告一般针对刚刚结束的活动或是改版后的产品做一个复盘，这个基本上是根据甲方的要求来做出的报告，当然数据分析师也可以根据自身的理解做一些探索性的分析，比如用户增长量或是留存率的影响因素等等。

4）埋点设计和校验

数据采集可以说是落地整个数据驱动增长最基础、也是最关键的一步。因为只有采集的数据足够准确，我们才能通过数据分析做出正确的决策，进而促进活动、产品及公司的整体增长。数据采集埋点，一种是无埋点，这时候我们需要根据自己的来判断是否需要进行埋点设计。

在给出埋点设计文档后，研发设计完埋点，就需要数据分析师和测试要一起对每个埋点进行验证。

5）模型相关

掌握数据分析方法有一条好的捷径——套用分析模型，对新手来说几乎是百试百灵，只要掌握几个分析模型，基本上可以应对工作中的所有业务分析场景。但每个公司需要的数据模型都不太相同，这里就不多加叙述了。

02如何判断自己能不能做数据分析？

无论哪个工作，兴趣都是最重要的，而作为数据分析师要做到的首先就是不讨厌数字，如果上学时期就对数字异常反感的同学可能就不太适合这个岗位，相反的，对数字敏感，能够一眼就发现异常值，数据分布情况，那当然是最好的。除此之外，如果拥有以下这几点特性，说明你与数据分析还是比较相配的。

1）思维逻辑好

其次思维逻辑较好也能够帮助你在成为数据分析师的比较重要的一个因素，想测试自己逻辑思维能力的同学，可以在网上找到爱因斯坦的那道经典逻辑题，看看自己需要花多少时间来解开问题。

逻辑思维能力不好的同学十分容易被各种指标的定义规则与业务联系纠结死，好的思维逻辑可以帮助数据分析师在写SQL等数据处理脚本也会更加高效。

2）业务理解能力

如何观察自己的业务理解能力？可以从KPI和目标入手，比如定义下网站的目标，或是如何实现转化，是否可以从 宏观的角度来分析业务流程图。

在技术方面，是否能够完全掌握数据库结构和SQL，是否能够清晰地画出图表以及对图标内容的掌控力等等。

3）细心和耐心

做数据分析往往需要很强的耐心、细心以及交流能力，做数据分析很多时候会很纠结，所以细心和耐心是必须的，好的交流感也能够让数据分分析师更好的阐述问题。

03数据分析的前景如何？

数据分析师的前景其实还是相当客观的，越来越多的公司需要数据分析师来当军事的角色，在打仗前（活动）前，数据分析师通过收集到的情报来进行分析，给领导提出建议。

而数据分析师的“钱”景也同样可观，根据分支不同，岗位的薪资也分为不同的金额，小编在职友集为大家统计了数据，下方为大家罗列了一下数据分析行业的岗位和薪资待遇。

数据工程师：众数区间10-20K；全国均薪12.9K

数据库管理师：众数区间10-30K；全国均薪13.1K

数据分析师/报告撰写人：众数区间10-30K；全国均薪15.8K

数据架构师：众数区间30-50K；全国均薪33K

数据建模师：众数区间15-50K；全国均薪18.4K

数据科学家：众数区间20-50K；全国均薪28.3K

商业智能分析师：众数区间15-50K；全国均薪20K

从平均薪资来看，根据职友集的最新数据显示，数据数据分析师月平均薪资为17K，其中，占比最大的是20-30K这个群体。

其中，最热门的BI商业数据分析师和Python大数据分析师的薪资更是位居首位，即便只从事1年时间左右，都可以拿到15K+的高薪。

可见无论是前景或是“钱”景对于我们而言，都是十分不错的一个选择。

04新手学数据分析常见的错误有哪些？

虽然数据是可观的，但是解读数据的人是主观的，同一份数据在不同数据分析师分析得出的结果可能截然不同，新手往往会犯下比较基础的错误，下面就为大家罗列一下新手数据分析师比较容易会犯的错。

1）数据可能存在偏差

数据一定要客观，我们在拿到数据的同时，首要任务是要判断它的来源及可信度，再进行分析，因为有些数据本身就是错误的，如进行刷单或是人为操控的数据，关注不符合常理的数据变化，再对数据采集方法进行调整才是我们的首要任务。

2）过度依赖数据

我们要清楚，数据对于业务而言只是辅助手段，而不是核心推动力。过度的依赖数据会导致我们在决策上判断失误。

一份靠谱的分析结论，即来源于对关键数据的分析，也来源于经验的积累，如果只是通过对数据分析就得出的结论，往往会有一定的偏差性。

3）忽略业务需求

新手数据分析师往往十分在意技术层面高于业务需求，但优秀的分析师一定是既懂业务又懂技术的，从根本来说，技术是为业务服务而存在的，公司评判一个数据分析师能力究竟有多强，归根结底还是要看他的业务产出。所以，数据分析师也要多去一线了解业务运作，帮助解决业务运营中遇到的各种问题。

05写在最后

对于新手而言，想要进入一个全新的领域，在着急找寻资料或是学习视频前，首要任务是先确定这个岗位是否满足自己的需求和预期，再进行下一步的行动。

大数据时代，企业的数据体量不断扩大，业务需求不断变化，数据分析的环境也不断变化。数据分析师作为越来越多的企业不可或缺的岗位，着实是转行不错的选择，但是否适合，还得自己判断。