标签：分析 为什么 经验 加薪 Excel 业务 升职 数据 数据分析
我是饼干哥哥：
从零基础开始，现在已经做了多年和数据分析相关的工作。之前成功入职某零售行业上市公司数据分析师。现任职于其集团总部用户数据中心，负责通过数据分析赋能各子品牌业务公司，确保分析结论落地产生业务价值。
基于我零基础转行的成功经验，帮你总结了转行数据分析你必须要知道的要点。
1.你知道自己的职业规划吗？
要讨论从什么开始学起，就要先看我们的目标终点在哪，“以终为始”才能使出发时的路径最优。
在我常年泡在数据分析圈子里的经验，数据分析更多是职业路径初期的入门阶段，要想打怪升级，获得更好的待遇与前景则要在中期时跳到更广阔的平台。
入职数据分析师，积累经验后，主要有如下的发展路径：
1）数据分析师 + 业务增长
入职数据分析工作后，随着分析能力的提升，业务经验的积累，逐渐由单一的数据分析，转变为能够帮助业务成长，可以通过分析找到业务增长方向并实现价值落地的业务专家 。
同时，这也是大部分人会选择的方向，毕竟了解业务本来就是数据分析师的必经之路，在逐渐熟悉业务之后，这样的转变也是水到渠成。
另外，业务方向使分析工作更容易产生价值，从财务角度来说，就是由“成本”转为“利润中心”，收入自然也有所保障。
2）数据分析师 + 数据产品
以我为例，入职时，公司就已经在建设CDP、BI等B端数据产品，而我也负责数据分析指标体系、用户标签体系、运营监控报表设计等工作。
因为对数据敏感度，以及分析方法的掌握比产品经理有更深层次的理解与运用，所以在这过程中，随着产品相关知识的补充（如流程图、原型制作等），可以转变为更具竞争力的数据产品经理 。
3）数据分析师 + 模型算法
在大数据时代，商家之间比拼的是精细化运营能力。面对分析需求日益“刁钻”的业务，尤其是在电商、互联网等数据决策意识较强的行业，分析师入职后会接触到如如复购预测、商品推荐、销售预测等需求。
此时，可以从简单的逻辑回归算法开始，积累知识与实践经验，进而转变为人工智能时代的算法工程师。
当然，以上的分类并不是严格分割的，例如我工作都有涉及，其中我觉得对大部分人来说比较合适的就是业务增长方向。以下按此方向来讨论。
2.让你升职加薪的能力是什么？
还没入职的同学可能还没感受到来自业务无视的恐惧：苦苦做完分析报告后，业务表面上说好的我们内部讨论一下，背地里意思就是这没用的只是完成领导任务罢了。
不要问我为什么知道，说多了都是泪。话说回来，想要达到标题说的：使我们分析出来的结论有意义、且可以落地产生价值，还需要三方面的准备：硬实力、硬实力、业务经验。
也就是，硬实力是你入职的敲门砖，走多远则要靠软实力来支撑，而业务经验则是量变引起质变的关键。
1）硬实力-掌握分析工具
Excel常用且必备的分析工具
SQL常用的提数、分析工具
Power BI 加分的可视化分析工具
Python 加分的万能数据科学语言
2）软实力-数据分析思维
掌握以上的数据分析工具后找到一份数据分析工作就不难了。但是想要进大厂，或者说在入职之后迅速上手，得到业务的宠爱还需具备一定广度及深度的数据分析思维。
广度是指点线面体的思考能力。
对于数据分析而言，业务提出的某一个具体问题只是一个点：如新注册客户转化率低等。很多时候只关注这一个点是很难找到背后的原因，即使可以找到了，形成的结论也很难落地。
所以需要从线延伸出去织成一个面来分析，如横向梳理出整一个新用户注册、兑礼到店、消费转化流程。
纵向针对每一个流程节点梳理新客涉及的业务，如注册环节：哪个渠道进来、注册获得多少积分，消费转化环节：新客是否有特殊优惠等。
最后将这个网的关键节点抽象出业务模型：如新客转化的业务模型中，积分板块贯穿整个流程：注册得积分、积分兑礼到店领取、积分兑券消费; 还有产品板块：新客专享产品的选品与促销政策等。
具备如横跨产品、促销、会员、渠道等板块的相关业务经验，才能知道数据分析这支箭要射向哪里。
深度是指下钻分析能力。
很多初级小白分析出来的结果，可能是业务本来就知道的情况，可能是“头痛医头”的浅显结果，如“客单价下降，应该提升客单价...” 这样无法落地的结论分析出来也就不了了之。
所以有了发散性的思维能力后，还需要下钻分析的韧劲，才能get到令人惊喜的分析结果，才能使数据分析之箭射中靶心。
3）业务经验
数据分析工具的硬实力，与分析思维的软实力支持日常分析工作得到业务认可、结论落地执行产生价值，这个过程就是量变的过程。
量变的过程细火慢熬，还要加上业务经验的催化剂，才能加速反应，产生质变。
那什么是业务经验？
抽象来说，就是在做数据分析时，潜意识里不断指引方向、捷径的经验，例如在被告知重购率偏低时，在对这观点进行判断时，首先想到这个指标计算是否准确：以旧换新业务数据的处理、重购用户的定义等，进而迅速判断此观点是否正确。
具体来说，就是对各个岗位日常职能、业务流程、商业模式等的了解。
如何积累业务经验？
最好且最简便的方式就是与不同岗位有效的沟通，平时沟通获取经验碎片后，及时梳理，在数据分析工作中才能把它们拼接起来，为你所用。
实际上，专职的数据分析岗位实际上是介乎于业务与技术之间的存在，比业务更懂技术，比技术更懂业务。在这中间，天然就存在着不断沟通的职能。
了解业务、技术等岗位同事是怎样的思考方式、平时关注什么重点，然后应用表格思维去梳理要沟通的内容，才能在同一频道上有的放矢、高效交流。
3.如何实践开始呢？
前面说了，要做什么，现在就到了如何做的阶段。具体实践你可以分为以下几个阶段，逐渐深入。
1）第一阶段：熟悉Excel和常用分析方法
Excel熟悉常用的数据清洗、透视表、做图等操作，熟悉常用的函数即可。
分析方法掌握对比分析、漏斗分析、假设建议、留存分析等。
2）第二阶段：掌握SQL和分析模型
对于大部分公司来说，有两种常见传统的提数方式，一种是特定的BI提数平台，提取订单，效率低。一种是让IT帮忙提数，而IT的排期会很大程度上拉低你数据分析的效率。
所以学习SQL，不仅可以解决取数问题。此外，可以与Excel互补，在数据库进行高效的数据分析。
分析模型包括RFM模型、AARRR模型、帕累托ABC分析模型。
3）第三阶段：Python和复杂业务分析
面对业务更复杂、多样、精细的分析需求用Excel 与SQL无法满足时，需要利用Python工具进行高度个性化的分析、数据挖掘。
复杂业务分析包括聚类分析、产品关联度分析、CLV 客户生命周期价值计算、商品推荐模型、销售额预测。
这3个阶段需要一边学习，一边工作逐步提升，希望这些过来人的经验可以让你看清楚前方的道路，从而根据自己目前的能力知道自己目前要做什么。
上面内容来自“猴子数据分析学院”学员分享的求职经验，来源：⠀
https://www.zhihu.com/question/431929338/answer/1646490875
标签：分析,为什么,经验,加薪,Excel,业务,升职,数据,数据分析 来源： https://blog.51cto.com/u_15241767/2922613
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。