数据分析-认知浅谈
本文摘要
问：怎么理解数据分析？
1 “分析”本身是一种定位，一种目标的实现。像商业分析、战略分析以及用户研究都是分析，只是用的工具和目的上的差别。
2 而“数据分析”职能是三个学科的交叉结合，这三种学科中：重要程度从上到下，容易学习程度从下到上。尤其商业思维是潜移默化一点点掌握学习的。
商业思维
量化的科学方法论，如统计学、商业分析、财务模型、经济模型、社会模型
数据处理技能，如SQL、python、Excel
问：数据分析师在公司里是什么定位？
能力建设：底层数据库、数据工具、数据产品的搭建；
文化建设：分对内文化建设和对外文化建设；
所谓对内文化建设是指：数据团队内部对自己的定位认知；
对外文化建设是指：外部即其他团队对数据的认知以及对数据团队的认知；具体来说就是让大家有以下的认知：
数据是有用的（一类公司会认为数据没有用，一般是历史悠久的企业）
认为数据万能（事实上数据是有局限性的）
数据职能合作的认知，和数仓、产品、运营以及领导之间的关系
2 能力建设和文化建设是同等重要的，但是大多数公司将重心放在能力建设上面，文化建设却跟不上；这就会造成大家都以为数据只是工具，且也会把数据分析师当成取数的人。
所以，要看一家公司对数据分析师的定位，就要看这家公司的数据能力建设程度和数据文化建设程度。
问：数据文化怎么建设？
2 作为个人，自己做些亮点的东西去影响周围的人，但是比较难产生效果。
一般都是自上而下，有高段位的人影响管理层去建设文化。
问：数据运营、分析师和算法的区别？
2 数据分析：需要兼备定量能力和业务思维；在保证科学性与中立性的前提下，通过数据做业务发展的催化剂，数据驱动来补足直觉驱动的短板；解决的是数据的离线问题，白盒解决问题。
3 算法：基于数据做实时的在线实现，是数据的再应用，黑盒解决问题；
问：数据分析师如何选公司？
2 数据最好能做到横向拉通，而不是完全分散在各个业务部门下，这种不适合数据文化的建设；
3 尝试不同的业务去做数据分析，目的是了解不同的业务，提升业务经验。从而实现自己的业务思维从点到线到面；因此，也尽量选择公司文化比较多元，业务比较复杂的公司；
其他的QA互动
Q1：互联网红利殆尽，互联网公司全员数据分析培训，数据工具提升，想做到人人都是数据分析师；那对于数据分析师岗位是不是会面临淘汰？
A：应该这样做，有数据产品或者数据工具能替代日常的基本数据分析，这对数据分析师是好事。这样我们就能有更多的精力去做更深入的分析（第二类）。
数据分析工作分两类：一类是明确数据框架的数据沉淀，以后会慢慢被各种产品替代；一类是：定义业务问题并且框架化这个业务问题，用数据化的方式描述业务。
Q2：怎么看数据分析师门槛？
A：数据分析师是门槛很低的岗位，但是是天花板很高。真正做精是很难的。
Q3：数据分析和业务之间的关系？
A：相互成就的关系；分析是基于业务场景来做，而且能反哺业务。
Q4：国内互联网公司和国外互联网公司在数据分析上有什么差异？
国内的话，业务丰富度和复杂度高于国外。
Q5：数据分析师非常重要的核心竞争力？
A：批判性的思考，质疑的能力。
Q5：如何保持自己的竞争力？
-END-
