数据分析师应备的知识架构

在互联网高速发展的今天，大数据依然渗透到我们的生活和工作。作为数据分析师，无论最初的职业定位方向是技术还是业务，最终发到一定阶段后都会承担数据管理的角色。因此，一个具有较高层次的数据分析师需要具备完整的知识结构。清理数据对传统行业来说，上来就说要搞大数据，一般都会是一种噱头，因为之前的数据量不会很大，所以基本上都是一些统计分析内容为主。在这一阶段，你对数据理解就尤为重要！也就是说你要做数据分析，数据在哪里很是重要，当你不清楚你的数据的位置的时候，你的分析也就无所谈起。这里也有一个4：3：3的原则，你原始的数据要从测试，训练，验证这三个维度来训练你的数据，这样构成一个循环，好让你的数据最终的成功度提高。而当你的数据入库的时候，就采用结构化还是非结构化的时候，这点也非常重要。也是决定着你后期读取的快慢！

分析数据分析数据，这一点也关系到你的项目的成败。这一点个人感觉也是产品经理需要重要把握的地方。首先，做为产品经理，你不可能对所有行业都了解的很清楚，在这种情况下，就势必要求你能够最大限度的来理解数据的价值。在这一步，你要与业务人员深入交流，确保对数据的详细了解，然后才能够在接下的环节中脱颖而出。

算法选取在算法选取方面，个人感觉也是要结合业务来实施。首先，要弄清楚业务那边主要关注的是什么指标。而与这一个指标相关的参数有那些，这些参数都是如何来影响这些指标的。至于算法的准确度，这一点，可以通过对数据颗粒度的细化来不断提高。不同的代码对系统的资源调度是不同的，而若你对算法的了解程度最大限度决定了你最终产品的反应快慢！

需求分析有人说，这一块是最为重要的。因为深刻的感受到，在传统行业，用户的需求不明确，或者说不是那么明确。又或者是用户的需求是可以被引导的。一直以来，个人都将用户的需求分为四种：强需，弱需，真需，假需。因为不同行业，不同公司对人的需求是不同的。如何去挖掘用户的需求，并将这些需求转换成为可以落地实现的产品。

部门沟通大数据产品，我将它分为三个线，一个是产品，一个是业务，一个是研发。这样就涉及到了部门之间的沟通。业务有许多的用户需求要经过产品的人来向研发反馈，而研发也需要产品的人把自己的工作落实到实际的项目中来。这就需要产品人员来给领导层以通俗的语言来讲明白。而对合作厂家来说，要有正确的引导，才能够让对方看到合作的可能。从而为项目的发展提供动力。