京公网安备 11010802034615号
经营许可证编号:京B2-20210330
后Excel时代,如何变身讲述“数据故事”的高手?
如何看待数据分析师这项职业?
CDA记者:如今, 数据分析师是一个很热门的职业,薪资水平普遍很高。很多人也因为高薪,纷纷向数据分析师发展。您如何看待这种现象?
刘鹏元:首先,对求职者来说,工资导向是很正常的市场规律,前提是你要具备相应的技能和能力。其次,对企业来说,正是因为“大数据时代”给其带来了新的挑战和机会,“数据分析师”、“数据科学家”这样的岗位,才在企业内部变得愈加重要了。
数据小白生存之道
CDA记者:对于行业小白来说,想要成为专业的数据分析师,需要具备怎样的技能?
刘鹏元:在大数据时代,“小白”必须成长为“专家”才能够真正立足。如果一个普通的销售人员在使用了工具后对于数据的分析能力都比一个“小白”强,那企业为什么需要这样的数据分析师呢?在大数据时代,一个优秀的数据分析师至少需要具备以下三方面的能力:
首先需要掌握更加丰富的大数据处理技能,包括统计分析、可视化工具、大数据处理框架、数据挖掘等;
其次,要对企业业务有更深的理解,能够根据企业自身特点建立分析模型和方法,不断地进行探索式分析;
最后,能把分析结果以可视化的形式展现出来,让别人秒懂你的结论,成为讲述“数据故事”的高手。
除了要掌握专业技能外,还应该注意以下几点,从而更快的适应市场需求。
l 多读科技类新闻和文章,关注大趋势和行业动态;
l 多与行内人员交流、取经;
l 对于与自身工作交集较大的职位,多花时间了解其特点和工作内容,便于工作中快速沟通和协作;
l 多反思和复盘工作中的问题,逐步形成一套行之有效的工作方法和思考方式;
l 多站在上司和老板的角度思考工作目标。
讲“数据故事”的工具选择
CDA: 现在市场上充斥着以Excel为代表的传统工具和以BI为代表的新型工具,那么您是如何看待新旧BI工具的更替?数据分析师选择工具时关注的点应该有哪些?
刘鹏元:当大数据时代到来时,我们就已经进入了“后Excel时代”。“后Excel时代”的含义是:Excel已经成为了“小数据”的专用工具,“大数据”需要更强大、更智能、更具探索性的新工具。所以,新旧工具的交替是无法避免的,谁都无法阻挡时代的潮流。数据分析师选择工具时,可以从以下几点考察:
l 是否能接入企业各种业务系统,整合多源异构数据?
l 是否拥有实时的数据处理能力?
l 是否操作简单,简单拖拽即可生成可视化图表?
l 是否提供探索式分析功能,类似数据分析维度和颗粒度都可以随意变换?
l 是否拥有智能的图表和模型推荐?
l 是否可以云端协作和分享,从而满足各种移动办公的场景的需求?
关于数据分析师个人发展的一些建议
刘鹏元:其实各行各业都是相通的,分享4个关键词吧:阅读、思考、交流、实战。
1、要保证大的阅读量,包括阅读各类文章和图书,这是基础;
2、阅读和工作中如有疑问和发现,就多思考和总结,这是关键;
3、多向牛人请教,这是很有益的补充;
4、学会和享受“以战代练“,通过实际的工作来提升自身的能力,在反思和复盘中提高,这是根本。
人物介绍
刘鹏元
DataHunter产品总监,负责公司企业数据分析平台的整体产品工作。拥有多年的产品经理工作经验,其中大部分时间都在从事数据类产品工作,包括搜索引擎、第三方数据平台、企业BI产品等。
关于DataHunter
DataHunter(北京数猎天下科技有限公司)是一家专注于数据可视化分析展示的科技公司,成立于2016年。基于先进的探索式数据分析技术,DataHunter致力于为企业提供简单易用的业务数据可视化分析产品及数据大屏设计展示服务,帮助用户发现问题并改进业务,从而驱动企业向数字化运营转变。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21