最近跟公司的數據分析師打交道比較多，其中一個分析師認為：行業對數據分析師這個崗位的理解有嚴重偏差。
由此產生了一個好奇，行業理解數據分析師是什么？偏差是什么？嚴重偏差的嚴重在哪里？
講真啊，這么大的問題，我一個都答不上來。我就根據自己在工作中，親身遇到數據分析師接的任務來說一下我理解的這個崗位吧。
領導會要求運營人員要多看數，多分析數據，理解數據背后的意義。
然后每天都會接到運營提出的類似這種樣子的任務：XX，最近PC的數據下降的厲害，幫忙分析下是什么原因吧。XX，昨天App的數據降的多，看看是怎么回事。XX，上周移動端上發生什么了？導致我們的新用戶大幅減少。
好吧。這些就是我日常中的一小部分（日常的東西太多了^-^）。其實我部門的數據分析師干的就是這些活：為數據異動找到一個合理的解釋。必須強調：這是我部門的數據分析師。行業的數據分析師是干嘛的，據我所知，每個公司還真不一樣。
要給出一個合理的解釋，其實是挺難的。最難的是提需求方是否能接受分析師給的結論。我部門的好處是：哪怕結論是非常悲觀的，只要合情合理，也能接受。這一點難能可貴。
一些人是不太能接受悲觀解釋的，比如某公司CEO就不太能接受數據分析師給出這種結論：行業用戶規模已經見頂，我們發掘新用戶的成本將大幅上升，且增長將減慢。於是CEO甚至會不看分析過程，直接把結論懟回去：你分析的不對，重新來過。因為他不能接受這種結論。
如果需求方大老板是這種個性，那么數據分析師的任務就變成了：不要分析我提出的觀點對不對，請你負責證明我是對的。哪怕是錯的，也要變着方證明我是對的。
所以數據分析師這個崗位分兩種：
1、分析事情的原因，並給出解釋。
2、證明領導的話是對的。
不管是1還是2，其實做事的方法是一樣的，就是以下步驟循環使用，直到問題被解釋/證明出來。
1、抓重點。
2、往下拆。
我工作中，重點是這么理解的：用最少的動因組合解釋80%以上的異動情況。
往下拆是這么理解的：如果解釋還不能滿足需求，就需要把動因再找個維度，往下拆解一層。然后對拆解的內容繼續抓重點，往下拆。
所以面試中我都會問一個問題：針對XXX情況，請你至少找2個維度來分析這件事。
至於需要掌握的技能嘛，身為互聯網大數據行業，SQL必須要會。大部分傳統行業來面試的，因為SQL不過關被我斃掉了。因為沒耐心教怎么寫SQL，還是要找個來了就直接能寫的才行。工具方面excel肯定要會，matlab、spss等，會1、2個就行，沒有什么特殊要求。計算機語言也得會一個，最好是Python，如果不會Java、C/C++也可以。相比起來，Python更簡單，更好學。計算機語言是作為膠水使用的。把數據庫導出的數據預處理一下，輸入到分析軟件中。數據庫和分析軟件之間的膠水。所以不需要掌握的很好，畢竟不是做工程，只是在分析師的工作電腦上做一個數據格式轉換和基礎的清洗而已。代碼寫的有內存泄露、復用性差，這些都不是問題。
這次成功的把一個前端開發培養成了一個數據分析師，也是很欣慰的。堪稱0基礎手把手教會的經典案例。