“想一想，再行动”，数据分析师到底都得会点啥？

数据分析现在是越来越火热了，现在谁没在家偷偷学一门python或sql，都不好意思上班了。

但，数据分析不仅仅是技能。

“Wale帷幄”CTO谢树坤向领英表示：当你养成用一个数据分析师的视角看世界时，不管是求职选Offer还是其他的生活问题，都不会那么容易焦虑了。

用一句话简单概括数据分析的工作：根据现有的商业流程和数据提出预测，解决商业场景中的一些营销困境。

数据分析师要懂得拆解问题，知道什么是需要的，什么是不需要的，然后选择方法或者模型获得结论，从而提高效率。

如何选offer，如果按照数据分析的思路，可以分为三个步骤。

一、全面分析我们自己的数据，看自身和哪个offer最匹配

这一点经常被求职者忽略。要明确个人的核心能力、对专业的兴趣、目标和方向是否是目标岗位急需的。建议大家可以列个excel给每项内容打分，算出自己的求职意向的数据。

一般针对新人的数据岗位，主要分为做分析和做工程两种，求职前要了解自己适合什么。

做分析，就是根据具体的数据量去建模，做预测，日常工作更多的是统计和分析数据。

需要求职者具备数学、统计等专业基础，掌握编程语言如python和sql，拥有统计函数、数据模型等学习经验，其中数据模型也分为很多种，如：统计和机器学习。

而最锻炼分析能力的工作，是数据量大的项目。

举个例子，比如阿里电商在双十一的时候需要去分析某个渠道的销量，了解今年消费者的Profile长什么样、来自什么地区、消费能力如何、平时更倾向于买什么商品，买A类商品的人为什么更倾向于买B类商品，其中有怎样的关联性等等，需要考虑很多层面。

做工程，要写代码和搭建数据系统。工程更偏底层，对编程的要求更高，而对数学和统计学的要求就没有那么高，主要是让工程系统做得更稳定。

举个例子，如果之前三个人同时跑分析，跑十个任务。现在一个人要同时跑一百个任务，过程中崩溃了怎么办？那么就需要考虑如何优化稳定性、吞吐量、效率和计算量。

如果公司基建不成熟，个人的成长空间就更大，能从零开始，考虑怎么搭建新系统。

以上分析和工程两个方向都偏技术。还有一种是业务向的数据分析，但我认为更加适合有经验的人。

业务向数据分析的工作的目标是：让用户在某个APP上刷的时间更久，互动更多。

数据分析师需要提出预测达到目的，如：通过观察用户浏览文章的时间，浏览哪一些内容时间更久来判断出其更喜欢的内容，从而提高用户的使用时长，让内容获得更多点击。

由此可见，业务向要解决的问题范围更大，所以更需要有解决问题的思路。要考虑选择什么方法去解决。若是本身已经有多个模型，也需要判断这些模型是否合理，是否需要增加新模型等等，因为每个环节都会影响最终的结果。

所以，新人最好还是从技术开始做，把预测和分析得更准确，培养自己技术的sense，如果企业判断人才有数据标准，这些基础能力是就是最重要的数据之一。

基础扎实，转行也会很吃香，可以尝试战略分析、投资分析、商业分析等等。

如果已经了解自己更适合什么岗位了，那就该分析自己和哪个offer 更匹配，我们来看选offer第二步。

二、最大化占有行业信息，选择让自己快速成长的公司和业务

要了解公司处在哪个阶段，业务处在哪个阶段，你自己处于哪个领域。如果这个领域处于上升期，对自己的成长会更好，因为个人的成长速度会受限于行业的成长速度。

阿里是老牌公司，字节相对更年轻；在业务层面，阿里偏电商，字节偏短视频，但字节现在业务很广泛，如果能进核心部门一定会是不错的选择。

阿里和字节两家公司的数据基建和系统都是比较完善的，两者其实差不多。

如果是我是这位同学，我会选择新兴的业务，这样自己的成长会更快。

17、18年是我成长比较快的阶段，当时在Facebook工作，那时候AI以及机器学习的成果发展很快，从学术界到工业界的应用层出不穷，整体的间隔会非常短。

如果想紧跟行业信息，建议从大学开始就多看相关杂志、公众号、博客、书籍等等。如：图像识别类的CVPR，机器学习相关的SML、Triple AI等。

此外，还可以关注一些国际顶尖的学术论坛，里面有非常多顶尖的学术论文可供学习。

现在很多数据分析相关的内容不仅仅在学术界使用，它们基于真实的数据本身进行分析，会给出一些在实际的数据中如何进行运用的例子。

学生阶段一开始可能看不懂，但看多了就像看数据看多了一样，自己会总结出一些规律。

除了大厂之间的选择，有一些同学会面临甲方乙方的选择。

• 选甲方or乙方公司

先和大家谈谈的我的感受，以前在甲方，数据量大，基建和系统完善，使用的系统可控性比较高，因为大家都在一个team里，想要什么数据也容易得到。

相反，在乙方给品牌做事情的时候，获取数据没有以前方便，但我比以前接触了更多行业，视野会更开阔，而且很多客户的基建也没有那么成熟，所以自己有更大的提升空间。

纵观数据分析的发展，它最早被各种互联网公司运用，然后到广告信息流，推荐搜索，到图像、语音、视频的识别。

未来可能有一个趋势，同学们可以了解有哪些行业或者公司可以运用数据以及AI能力帮助公司更好地提高效率，加速公司发展。比如自动驾驶、消费品、体育行业，甚至工业、农业等等。

三、复盘自己的面试过程，思考未来想不想与面试官共事

大家都很在乎面试官和公司怎么看自己，但从以前被面试到现在面试别人，我越来越觉得更平等、高效的沟通，更能促成更长久的合作。

建议同学们在沟通过程中也要分析面试官的数据。可以在面试时大胆提问，如：上级正在解决什么问题，为什么想解决这样的问题，对公司、团队、项目是如何理解的。

在面试官的回答中，可以看出他们的思维是否逻辑清晰，对自己做的事情是否充满激情。

有的人会觉得工作就是为了工作，但也有很多大牛觉得技术能改变世界，他们对此很有激情，当他们觉得某个问题很有意思的时候，他们会想去解决问题。这样的人，就是值得追随的leader。

当然，是否对技术感兴趣，是否有主动性解决问题，同时也是面试官考查同学们的重点之一。

数据分析能帮助更好地看世界。

数据无处不在，数据不仅仅是数字，也是信息和经验。

选offer要了解自己的能力“数据”，兴趣“数据”，行业“数据”和公司“数据”，以及面试官的“数据”。

停下来，多想一想，再行动。

最后祝愿大家都能建立属于自己数据模型，在未来的职业道路做出有利于个人成长的选择。