成为一名优秀的数据分析师需要什么条件

Question

如题所述

Answer 1

简单提出四点要求：

1、理论知识要宽泛，涉及数学、市场和技术。要求及对数据敏感，包括统计知识、市场研究、模型原理等。

2、常规分析工具的使用，包括数据库、数据挖掘、统计分析工具，常用办公软件（Excel、PPT、思维导图）等等。

3、有一定的业务理解能力，能理解业务背后的商业逻辑。因为只有理解了商业问题，才能转换成数据分析的问题，从而满足部门的要求。

4、数据报告和数据可视化的能力。数据分析得再好，如果不能以漂亮的方式“表达”，成效也会大打折扣。

平时，可以把数据分析当做一种能力来培养。记数据分析的四个步骤：数据获取、数据处理、数据分析、数据呈现。
另外：推荐五个比较好用的软件

- 1 -Echarts

http://echarts.baidu.com/这个第一次用就惊艳到我的产品竟然是国产，而且还来自百度，简直堪称良心。

- 2 -Highcharts

这个也是很多小伙伴在使用的一个平台。完全不用担心找不到参考的样图。

- 3 -帆软报表（FineReport）

FineReport的可视化效果虽然没有上面两种那么酷炫，因为定位是报表软件。但是赢在操作相当简易，不会上面那些复杂的代码也没关系。它采用类似于Excel的编辑器，只需要点选拖拽等操作，拖动数据列绑定至对应单元格，简单设置就可以在web端查看数据展示。http://www.fanruan.com/

- 4 -数说立方

数说立方是大数据应用与服务提供商“数说故事”旗下一款面向数据分析师的在线商业智能产品。在数据的可视化呈现方面，操作比较简便，即使是非数据分析的专业人员，也能轻松实现。

- 5- Power BI

Power BI是微软发布的一款可视化BI工具，类似Excel升级版的大表哥。一改以往excel需要数据透视表，写大量函数的复杂特点，这款工具拖拖拽拽操作起来十分简单。https://powerbi.microsoft.com/en-us/

Answer 2

1、对上级：了解数据需求。最核心的是搞清楚领导对数据工作的满意/不满意点。用小本子记下来，交办了多少项事情，紧急程度如何。这样每周汇报完成了多少。慢慢做不等于闷不吭声做，越是见效慢的工种就越得分阶段的、日常的汇报进度。不然，领导看不到进展，就会以为新招一个人来了也没啥起色，就会心生怨念。大部分悲剧都是从这里开始的。
2、对业务部门平级：了解业务背景。业务流程自然要慢慢熟悉，之前发生过哪些重大业务动作要逐步了解。这些和构建分析思路，解答问题有重大关系。暗中观察不同部门对数据的态度，后续合作的时候，可以有针对性的。
3、对技术部门平级：了解数据流程。数据采集-清洗-存储-BI开发-维护，每个环节上都是谁在干，情况如何。要一一整明白。以后大家常在一起干活，关系自然要维护好。
4、对下级（如果有）：先别急着摆官威，先整明白现有的数据需求（报表/专题/BI）种类，用途，日常工作中下级有什么困惑。已经吃过饼的人，才最知道饼的滋味。别被老板画的大饼忽悠了，多听听基层真实情况，可以让自己更好理解形势。
以上~~听起来很怂，可却是比较稳妥的立足方式。也有些小伙很激情，进门就怀着“我为大家带阿尔法狗来啦！”的想法，指望着一进公司就做出超牛逼算法毁天灭地，哦不，改天换地。这种特激进的做法，往往容易惹麻烦。先处理好人际关系，摸清形势再有的放矢。

Answer 3

1、态度严谨负责
2、好奇心强烈
3、逻辑思维清晰
4、擅长模仿
5、勇于创新

数据分析师职业要求 ：
1、计算机、统计学、数学等相关专业本科及以上学历；
2、具有深厚的统计学、数据挖掘知识，熟悉数据仓库和数据挖掘的相关技术，能够熟练地使用SQL；
3、三年以上具有海量数据挖掘、分析相关项目实施的工作经验，参与过较完整的数据采集、整理、分析和建模工作；
4、对商业和业务逻辑敏感，熟悉传统行业数据挖掘背景、了解市场特点及用户需求。
5、具备良好的逻辑分析能力、组织沟通能力和团队精神；
6、富有创新精神，充满激情，乐于接受挑战。
求采纳

Answer 4

我了解的数据分析师，主要是两类人，一类是数据挖掘工程师，另一类是业务分析师。前者更偏技术，后者更偏业务。
如何成为一名合格的数据分析师？个人觉得，你需要作如下准备：
1、熟知行业与业务
2、理解业务中产生的数据
3、能提取数据
4、分析数据
5、解读数据
6、展示数据
1,2主要是你的商业敏感度，3主要是你的数据库及SQL水平，4,主要是你掌握数据分析工具及数据模型的能力，5主要是你的数据敏感度，6主要是你的PPT能力
PS：数据分析是工具，是手段，一切要以问题（目的）为导向

Answer 5

CDA——数据分析师，需要具备以下能力：
数据采集能力：通常情况下，利用Python、爬虫等各类工具对满足需求的数据源进行收集汇总统计。
数据清洗能力：利用python对符合要求的数据进行分类和建模处理的能力。
数据可视化：利用Tableau等常见可视化工具
数据 报告：一般使用word或者ppt完成