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
在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 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 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 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。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07