数据分析工作的思考与总结

基于现有的业务知识和统计学基础知识及基本思想的理解与掌握，通过数据库及统计分析工具对数据的调取与处理、分析，达到对现有问题or主题的探索与剖析，最终实现业务问题的解决or优化。

1.什么是数据分析?

基于现有的业务知识和统计学基础知识及基本思想的理解与掌握，通过数据库及统计分析工具对数据的调取与处理、分析，达到对现有问题or主题的探索与剖析，最终实现业务问题的解决or优化。

2.数据分析需要的知识、技能及工具?

业务知识：最重要

业务分析能力：业务问题的拆解、探索与定位，也包括一些思维导图工具的使用(VISIO,XMIND,MINDMANAGER)

数据分析能力：基本的统计学及数学知识及较强的逻辑思维能力及分析工具的掌握SPSS,R,PYTHON等。

数据提取能力：在数据库中能完成较为复杂的数据查询及预处理的能力(SQL使用能力)。

数据处理及展现能力：主要指excel及ppt的使用，也有信息图制作能力的要求。

较强的沟通能力：能无障碍的理解业务人员(包括产品经理)及技术人员的想法并与之进行沟通交流

3.长期只处理数据的诟病【for分析人员】?

对于分析人员来说，若无实际分析经验，但经常提取数据，作为一个数据库工程师的角色开展工作时，容易形成一种惯性思维：从数据角度出发去看问题。这是很危险的，因为一条连贯、清晰的业务逻辑中间会产生各种数据，同时由于业务人员操作的相对灵活以及数据录入和ETL处理的问题会导致某一业务节点产生不同值的数据，若不清楚业务流程，业务知识，很难确认异常值的合理性及异常值产生的关键原因。长此以往，这种数据角度出发的惯性思维就很难改变了，进而任何分析，出发点都是错的，分析过程和结果可想而知。

4.对于“数据敏感”的理解?

数据敏感主要包括三方面：对异常or极值数据识别的敏感;对特定数值背后代表的业务含义的敏感;对业务数据重要、机密程度的敏感;

5.如何体现一个数据分析人员的工作能力强弱?

相关学历背景及工作年限;

对数据预处理的重视程度;

对细小业务问题解决方案及流程的抽取固化能力;

算法知识的应用能力;

业务知识的深度和广度;

任务的整体把控和分配能力;

沟通及表述的逻辑清晰程度;

6.数据分析人员、应用型数据挖掘人员、算法型数据挖掘人员的区别?

数据分析人员算法应用比较少;

应用型数据挖掘人员在数据预处理及模型调参上下的功夫最多;

算法型数据挖掘人员在数据预处理上下的功夫叫少，模型理解及实现能力较强，偏开发;

7.数据分析人员的角色定位——企业贤内助

工作内容上：精准营销时的用户群筛选及营销数据方案的确定;业务现状的拆解与分析;业务问题及业务发展瓶颈的监控、探索与分析;数据产品的数据逻辑及模型的方案确定。

沟通对象上：基于数据分析结果进行决策的中高管理层;各业务部门业务决策的管理人员;运营部门的运营支撑人员;数据库权限管控的技术人员;产品设计及优化的产品负责人。