作者：夏宇

在大數(shù)據(jù)、人工智能熱、5G、物聯(lián)網(wǎng)的時代，相信也有許多對數(shù)據(jù)分析非常感興趣且要轉(zhuǎn)行的小伙伴。但是，有些朋友對于是否該轉(zhuǎn)行一直抱有遲疑態(tài)度，轉(zhuǎn)行是不是要重新學(xué)，怎么學(xué)，如何入行等等一系列的問題···

而他們并不知道進(jìn)入數(shù)據(jù)分析行業(yè)需要學(xué)什么，也不太清楚數(shù)據(jù)分析相關(guān)崗位平時工作都在干什么，還有一些已經(jīng)入行的不知道如何進(jìn)階。而之前交流分享的一直都是硬核的數(shù)據(jù)分析知識，那么，本期交流會邀請了小飛象數(shù)據(jù)大佬，來將從入行、初始、進(jìn)階三個方面，讓大家了解一下大佬是如何從數(shù)據(jù)小白到數(shù)據(jù)大神一步步成長的。

數(shù)據(jù)分析學(xué)習(xí)，在于將別人的知識轉(zhuǎn)化成自己的知識，食之化盡，舉一反三。今天將會從3個方面來深?了解《數(shù)據(jù)大佬的成長經(jīng)驗分享 | 我的非典型數(shù)據(jù)分析之路》。

這一部分：入行—初識數(shù)據(jù)領(lǐng)域

第二部分：初期—打開認(rèn)知，發(fā)現(xiàn)新的世界

第三部分：進(jìn)階—把握機會，開啟新的挑戰(zhàn)

在分享之前，我們可以先思考幾個問題：

★你覺得數(shù)據(jù)分析入門難點在哪里？

★實際工作中數(shù)據(jù)分析有什么崗位，工作內(nèi)容是什么？

★數(shù)據(jù)分析到底要如何學(xué)習(xí)和進(jìn)階？你覺得難么？

......

這次分享將為大家打開一扇窗，希望能對零基礎(chǔ)轉(zhuǎn)行數(shù)據(jù)分析的小伙伴們有所啟發(fā)、對數(shù)據(jù)分析的從業(yè)人員的技能進(jìn)階一些借鑒。在分享的過程中，建議全程認(rèn)真聽，帶著思考去看，希望通過本次分享，來給大家做一次系統(tǒng)的數(shù)據(jù)分析可視化分享，來解答大家對于可視化的疑點，并給做數(shù)據(jù)分析的人員提供一些思路，有任何問題都可以隨時交流哦！

大家好，我將結(jié)合自身的經(jīng)驗，和大家一起聊聊自己的非典型數(shù)據(jù)成長之路，希望能通過自己過往經(jīng)驗，給大家對數(shù)據(jù)分析有所新的啟發(fā)，將從入行，初期，進(jìn)階3個方面，來梳理總結(jié)自己的數(shù)據(jù)分析入行、成長、進(jìn)階等的一些經(jīng)驗。

第一部分，主要講我是怎么入行，以及我是怎么去認(rèn)識數(shù)據(jù)分析，第二部分，當(dāng)我接觸到數(shù)據(jù)分析之后，又會接觸到很多數(shù)據(jù)分析相關(guān)一些工具，可能會逐漸地去打開我的一些認(rèn)知，有很多新的工具或者新的一些方式。第三部分，基于自己早期的一些工作經(jīng)驗以及認(rèn)知，通過自己的摸索，把自己的想法如何更好的實現(xiàn)，把一些數(shù)據(jù)分析進(jìn)階的學(xué)習(xí)經(jīng)驗分享給大家。 

以下是我個人的從業(yè)經(jīng)歷：

（我的個人從業(yè)經(jīng)歷） 

1、入行-擇業(yè)的邏輯

·選擇互聯(lián)網(wǎng)行業(yè)。在從宏觀上，一切行業(yè)互聯(lián)網(wǎng)化是未來的大趨勢，薪資福利更高····

·期望崗位數(shù)據(jù)分析。隨著數(shù)字化社會發(fā)展，帶來的是人才缺口，互聯(lián)網(wǎng)企業(yè)對人才的需求，每年以20%的速度增長，其中以“數(shù)據(jù)分析”人才缺口最為突出，也是各家企業(yè)互相爭搶的高技能人才。未來是大數(shù)據(jù)時代，數(shù)據(jù)分析的發(fā)展空間更巨大，且數(shù)據(jù)領(lǐng)域的發(fā)展是令人興奮的····

·入行原因：主要大學(xué)是數(shù)學(xué)系的，但是實際上并沒有接觸過太多數(shù)據(jù)分析相關(guān)內(nèi)容，對Excel基本只是停留在用過的階段，也就是會填寫表格做基礎(chǔ)的四則運算。

那個年代互聯(lián)網(wǎng)也沒有如今這么發(fā)達(dá)，尤其是自媒體這塊，所以網(wǎng)上能找到的學(xué)習(xí)資料也基本都是一些機構(gòu)產(chǎn)出的，不像現(xiàn)在各種行業(yè)都有大佬或者資深熱衷于知識的傳播分享，我們可以接觸非常之多知識！

因為自己是數(shù)學(xué)系的自認(rèn)為對數(shù)據(jù)敏感。所以選擇了數(shù)據(jù)分析，入行后有一個很好的領(lǐng)導(dǎo)，但是在數(shù)據(jù)分析上并沒有老師帶，基本都是在工作中學(xué)習(xí)在學(xué)習(xí)中工作。當(dāng)時是負(fù)責(zé)游戲的數(shù)據(jù)分析，公司有比較完善的數(shù)據(jù)分析平臺和數(shù)據(jù)支持部門，我的分析工作大多數(shù)都是對已加工過的數(shù)據(jù)進(jìn)行二次加工然后形成日報周報之類的，再就是根據(jù)實際的分析場景找數(shù)據(jù)支持部門發(fā)起提數(shù)需求（他們會寫sql提數(shù)給我），我再二次加工形成想要的指標(biāo)。這個階段我用到的工具就是Excel，做圖表。 

2、入行-數(shù)據(jù)領(lǐng)域相關(guān)崗位 

其實這些崗位貫穿我們整個數(shù)據(jù)分析過程。數(shù)據(jù)的收集、加工、處理，再做一些數(shù)據(jù)分析，做一些數(shù)據(jù)可視化，再把數(shù)據(jù)的一些結(jié)論進(jìn)行一些應(yīng)用，其實它是一個流式化的過程，在每一個過程其實都會去引申出各種相對比較匹配的一些崗位。同樣，其實不同的數(shù)據(jù)分析的崗位，它可能也會覆蓋不同的流失過程的一些工作。如我現(xiàn)在做的數(shù)據(jù)產(chǎn)品，其實我們就會涉及到數(shù)據(jù)收集的邏輯，也會涉及到數(shù)據(jù)加工的內(nèi)容，另外就是數(shù)據(jù)應(yīng)用。大家其實可以簡單了解一下。

拆分“數(shù)據(jù)分析”可以為：數(shù)據(jù)收集—數(shù)據(jù)處理—數(shù)據(jù)運營—數(shù)據(jù)應(yīng)用。因此，按照這個流程，數(shù)據(jù)領(lǐng)域相關(guān)崗位如下：

數(shù)據(jù)收集負(fù)責(zé)收集各種各樣的原始數(shù)據(jù)，比如用戶何時何地做了什么事情。它依賴于埋點采集系統(tǒng)，而埋點采集，需要收集什么類型數(shù)據(jù)，屬于【數(shù)據(jù)產(chǎn)品經(jīng)理】確定規(guī)范（數(shù)據(jù)運營和數(shù)據(jù)分析師根據(jù)公司組織架構(gòu)也可以兼任）。 

收集上來的數(shù)據(jù)需要存儲，往往因為高吞吐量，需要保證數(shù)據(jù)和日志的穩(wěn)定性，會采用Flume+Kafka，如果有實時統(tǒng)計要求，也得考慮流數(shù)據(jù)。這塊則是【數(shù)據(jù)工程師】的范疇，包括原始數(shù)據(jù)的再加工，數(shù)據(jù)清洗，都是專門的數(shù)據(jù)團(tuán)隊完成。 

當(dāng)獲得數(shù)據(jù)后，首先第一點是講各種明細(xì)數(shù)據(jù)處理業(yè)務(wù)指標(biāo)，沒有指標(biāo)不成方圓，這里由【數(shù)據(jù)分析師】定義的。有了指標(biāo)，配合各種數(shù)據(jù)產(chǎn)品輸出，如用戶畫像用戶標(biāo)簽、BI報表，這些數(shù)據(jù)產(chǎn)品都由【數(shù)據(jù)產(chǎn)品經(jīng)理】統(tǒng)籌排期…另外一方面，【數(shù)據(jù)挖掘工程師】和【算法專家】則憑各種數(shù)據(jù)建立模型，進(jìn)行實時或離線運算。 

模型可能會預(yù)測用戶會不會購買某個商品，可能是做出一系列的推薦，可能是判斷用戶屬于哪個類型，不一而足。更上面一層是業(yè)務(wù)相關(guān)，【數(shù)據(jù)分析師】會監(jiān)控和分析BI上指標(biāo)的波動，【數(shù)據(jù)挖掘工程】是通過用戶反饋數(shù)據(jù)，衡量算法的優(yōu)劣、【數(shù)據(jù)產(chǎn)品經(jīng)理】按AB測試的結(jié)果改進(jìn)產(chǎn)品。數(shù)據(jù)工程師保證系統(tǒng)的穩(wěn)定。

所有層次一環(huán)扣一環(huán)，每個崗位在其中都發(fā)揮特有的作用。數(shù)據(jù)工程偏底層技術(shù)，數(shù)據(jù)分析偏上層業(yè)務(wù)，數(shù)據(jù)挖掘和數(shù)據(jù)產(chǎn)品處于中間形態(tài)。不同公司雖然業(yè)務(wù)形態(tài)不一致，架構(gòu)會有差異，但是職責(zé)不會偏差太大。這也是數(shù)據(jù)分析為什么會有四個方向。

講到這里，你大概對數(shù)據(jù)分析的職業(yè)規(guī)劃有了明晰的了解。當(dāng)然，它們彼此間并不完全獨立，到后期，很多界限會變得模糊。

3、入行-數(shù)據(jù)的工作內(nèi)容

在我入行的時候，從事的游戲行業(yè)的數(shù)據(jù)分析，因為在很早期的時候，游戲或者互聯(lián)網(wǎng)的做運營策略、版本更迭等工作，其實很多時候是拍腦袋的。有一些經(jīng)驗豐富前輩們，憑借自身經(jīng)驗，通過一些數(shù)據(jù)指標(biāo)波動，可能需要做一個什么樣的運營策略，刺激一下收入的增長，留存的增長，但基本上都是拍腦袋的一種行為。數(shù)據(jù)分析、數(shù)據(jù)運營、數(shù)據(jù)精細(xì)化也在那個時候啟蒙的，很多互聯(lián)網(wǎng)公司開始逐步重視數(shù)據(jù)分析的價值。

當(dāng)時我的主要工作內(nèi)容基本上是要形成產(chǎn)品的數(shù)據(jù)報表。業(yè)務(wù)的基礎(chǔ)數(shù)據(jù)監(jiān)控，一二級指標(biāo)，如 DAU、新增、留存、付費率等相關(guān)數(shù)據(jù)，主要是給老板看的，讓老板清晰的了解整個項目的運營狀況。

第二，根據(jù)業(yè)務(wù)線的產(chǎn)品特性，會進(jìn)行與傳統(tǒng)一二級指標(biāo)不太一樣的專項數(shù)據(jù)指標(biāo)體系。

第三，我們會去做一些所謂的預(yù)警，其實就是數(shù)據(jù)發(fā)生一些波動或異常的時候，做簡單的模型預(yù)警，如超過之前多少值或者低于之前多少值，給出預(yù)警，并提出解決方案。 

第四，其實有一些專屬的功能或者特殊的一些功能，我們需要做一些專項分析，去找出一些問題點。比如，游戲相關(guān)的一些產(chǎn)品，游戲其實會有新手引導(dǎo)，其實每個步驟特別細(xì)，我們就會去做新手引導(dǎo)，各個流程的分析，去找到流失的一些卡點，針對這些卡點去做更深度的分析?；跀?shù)據(jù)，定位的原因，再會給我們產(chǎn)品或者我們的策劃去提醒，給建議，告訴這里需要去做一些優(yōu)化了，應(yīng)該怎么去優(yōu)化等。

總之，數(shù)據(jù)分析崗位一般工作內(nèi)容：

·負(fù)責(zé)和支撐各部門相關(guān)的報表；

·建立和優(yōu)化指標(biāo)體系；

·監(jiān)控數(shù)據(jù)的波動和異常，找出問題；

·優(yōu)化和驅(qū)動業(yè)務(wù)，推動數(shù)據(jù)化運營；

·找出可增長的市場或產(chǎn)品優(yōu)化空間；

·輸出專題分析報告；

·····

4、入行-自我提升

為了提高工作效率，自己買了基本Excel的教程，主要學(xué)習(xí)了函數(shù)、數(shù)據(jù)透視表、快捷鍵和圖表制作。 

為了提升對業(yè)務(wù)的理解，自己和同事體驗了很多同類產(chǎn)品，同時也把當(dāng)時網(wǎng)絡(luò)上能找到的相關(guān)的數(shù)據(jù)分析知識都做了收藏與學(xué)習(xí)，主要是數(shù)據(jù)指標(biāo)體系如定義、關(guān)聯(lián)關(guān)系和分析價值等等。

比如以下就是自己當(dāng)時結(jié)合對業(yè)務(wù)理解和數(shù)據(jù)指標(biāo)的理解整理的文檔部分內(nèi)容，現(xiàn)在看來會發(fā)現(xiàn)寫的還是比較淺，但是作為學(xué)習(xí)思考與總結(jié)還是很不錯的。 

5、入行-數(shù)據(jù)分析框架 

所謂的數(shù)據(jù)敏感度：

·看到數(shù)據(jù)后能一眼看出來數(shù)據(jù)靠不靠譜

·看到數(shù)據(jù)后能一眼思考出數(shù)據(jù)背后的原因或者意義 

總之，做數(shù)據(jù)分析的人基本上是需要自己不斷地去摸索，是一個被動學(xué)習(xí)的過程，一開始我并不知道我要做什么，需要掌握什么，由上級給我安排一些任務(wù)。我在做這些任務(wù)的時候，我發(fā)現(xiàn)我都不會。我也是在摸索，找同事，找前面去咨詢，去了解，他們會告訴我你可以怎么去做，但他們不會去指導(dǎo)我。為什么？因為他們更忙。 

尤其是在工作中，沒人愿意，沒人他是有義務(wù)去指導(dǎo)教導(dǎo)你的，只能自己去想我應(yīng)該怎么辦。然后我就需要自己去思考怎么做，其實就是一個非常好的點，給自己去規(guī)劃一下我應(yīng)該怎么去做。在學(xué)習(xí)中，不斷成長。

大概 1 到 2 年之后，我開始接觸到一個新的工具tableau，也是被動接收的tableau。當(dāng)時想法就是它好像可視化能力比較強一些，圖表展現(xiàn)效果很酷。

記得公司購買了某三方的數(shù)據(jù)，他們的周期性數(shù)據(jù)是以Tableau展示的，為了更好的將這些數(shù)據(jù)按照我們期望的數(shù)據(jù)指標(biāo)進(jìn)行報表化，我也開啟了Tableau的學(xué)習(xí)，這個學(xué)習(xí)也基本是自學(xué)了，方式也比較簡單就是買了一本Tableau的書籍，在學(xué)中做，在做中學(xué)。

Tableau讓我打開了新世界，拖拽操作和數(shù)據(jù)可視化讓我非常之歡喜，但是其實這個階段我的所做的數(shù)據(jù)分析工作也基本都是對數(shù)據(jù)支持部門加工過的數(shù)據(jù)進(jìn)行二次加工而已，只是形成了好看的圖和表。

好在Tableau一定程度上讓我的很多數(shù)據(jù)分析工作半自動化。

那時候，我覺得數(shù)據(jù)分析實可能還有更多的工具值得我去探索，我已經(jīng)不再是只局限在 Excel 層面。

進(jìn)階

在入行的前四年里面，從最早的數(shù)據(jù)分析到后面做運營，再到后面負(fù)責(zé)一個項目的過程中，我培養(yǎng)了自己的兩個亮點。

第一個就是數(shù)據(jù)分析，數(shù)據(jù)運營的能力，第二塊其實就是對于整個游戲運營模塊通盤業(yè)務(wù)理解能力。

到后來因為工作變動，不再有數(shù)據(jù)支持部門的強力支援，我需要自己面對原始日志數(shù)據(jù)，一開始我會將他們導(dǎo)入到Tableau再進(jìn)行運算處理（比較excel支持的數(shù)據(jù)量比較有限），直到發(fā)現(xiàn)數(shù)據(jù)量和處理復(fù)雜度遠(yuǎn)超我的預(yù)期。

于是乎，在找外部支援的同時我也開始了自己的數(shù)據(jù)分析技能進(jìn)階—Sql和Python相關(guān)的學(xué)習(xí)。

·對于Sql，主要是用于初步的數(shù)據(jù)處理；

·對于Python，主要是用于深度加工和一些模型的使用，比如預(yù)測、同期群等等。此外就是一些自動化的流程，比如自動化輸出分析報告等等。

1、關(guān)于SQL的學(xué)習(xí)

2、Python學(xué)習(xí)路徑

3、自動化報表流程

4、數(shù)據(jù)埋點設(shè)計經(jīng)驗

之前我們公司的數(shù)據(jù)中臺，沒有現(xiàn)成的體系埋點，我需要自己去做，沒有地方去展示這些一二級的數(shù)據(jù)指標(biāo)。我需要自己去整理數(shù)據(jù)報表，根據(jù)我的看板，它展示的指標(biāo)內(nèi)容，它展示的一些功能有哪些篩選項，數(shù)據(jù)應(yīng)該怎么展示？這些數(shù)據(jù)計算邏輯是什么？完全是由我自己去設(shè)計埋點，去整理這些計算邏輯，甚至是去畫一些原型圖給到數(shù)據(jù)中臺的同學(xué)，他們?nèi)臀覀內(nèi)プ鲆恍┒ㄖ苹拈_發(fā)，再去形成了我們的數(shù)據(jù)的一些報表看板。

（這里簡單介紹一下，不去擴展了）

所謂的數(shù)據(jù)埋點是數(shù)據(jù)采集領(lǐng)域的術(shù)語，指的是針對用戶行為或者特定事件進(jìn)行元數(shù)據(jù)上報采集。在此過程中收集所需信息，用于后續(xù)數(shù)據(jù)分析了解用戶的使用情況，為迭代產(chǎn)品或者運營工作提供數(shù)據(jù)支撐。

總結(jié)

以上就是本次分享的全部內(nèi)容！也是我個人非典型的野蠻成長的數(shù)據(jù)之路?？傊?span>一定要用細(xì)心、耐心、和平靜的心態(tài)去做數(shù)據(jù)分析。數(shù)據(jù)分析是個細(xì)活，根據(jù)二八原則，其中數(shù)據(jù)的處理將占去數(shù)據(jù)分析中的八成時間，如果數(shù)據(jù)處理不當(dāng)將影響接下來的分析，需要良好的心態(tài)減少犯錯誤的概率。

希望能通過我的數(shù)據(jù)分析成長經(jīng)歷，給到大家一起啟迪和思維上的擴展！