这些都是工具，6K估计是给你开的你所会的这些工具的价格，至于你值多少钱或者将来你在这个岗位上能值多少钱，这首先要看是否人岗匹配，岗位的设定和你会的东西是不是绝大部分吻合的。如果匹配那么就要看你用这些工具能产生多少有价值的增量信息，这个才是关键。
业务分析要熟悉行业特点，了解公司业务及流程，有针对性的抓住运营管理的痛点和关键点，才能有自己独到的见解和分析视角，才能给业务部门提供可靠的数据分析。若脱离行业认知和公司业务背景，缺少管理思维，无准确的分析视角，分析的结果只会是脱了线的风筝，无法给运营提供指导，就没有太大的使用价值。
一般来说需要具备业务及管理知识和IT技术，如下图。根据所掌握的知识不同一般分为三种类型：
世界很喜欢和我们开玩笑，我们会的知识绝大多数不会太值钱，你需要打破边际，补充了不会的知识之后才会更值钱。
解决方法一般来说有两种：
总之，工具不是决定你的价值的主要因素，你的输出是什么，能解决什么，决定了你的市场定位和价值。
评论0
加载中...
还是老生常谈的那句话，数据分析师先学工具是本末倒置。
我一直不提倡想要入行数据分析的人蒙头就学各种分析工具，学会了R、Python和各种BI工具后就觉得已经成为一名合格的数据分析师了，这根本就是错误的想法，也就会出现题主所说的数据分析师只有6K的薪资。
当然不能用薪资来衡量数据分析师的价值，但是一个好的数据分析师平均薪资一定高于这个数。
很多数据分析的书籍和课程都是从统计学知识入门的，很多人在被一堆概念洗脑之后，反而不知道该如何入手。
先要有分析思路
其实在实践中学习是最快的成长路径，假设你已半路出家或者正在做分析项目，在此过程中遇到的难题，就是你成为分析师所需要具备的能力。
做数据分析师十之八九都会面临以下情景：
“我们有一堆数，你分析分析吧，看看能有什么结果。”
有经验的分析师因为经验老道，会清楚地知道从什么角度分析，可以解决哪些问题，适用于哪些场景，预计产生什么结果，会将业务问题转化为数据分析问题。因此数据分析师要具备用数据分析思路和方法，具备分析思维来考虑问题的能力。
那作为小白，在没有项目经验时候，可以充分利用模仿技能，参考他人优秀的分析思路和方法。实际业务分析的大多数问题都是有前车之鉴可以学习的。很多分析已经是成熟的分析方法，例如客户画像，营销提升，网站运营，信用卡评分，欺诈作弊等等。
学习领会他人的分析思路，转化为自己的知识，是迈出分析的第一步。
业务知识重要性
所有数据分析师都会告诉后来人“业务知识很重要”，因为大家在踩了坑之后才恍然大悟分析中遇到的很多难题问题都源于对业务的不了解。数据分析可以说是一门通用的技术，可以运用于各行各业，但是想在行业中成功则需要结合行业知识。
例如，同样是对客户进行分析，互联网电商的客户与保险客户具有明显区别，前者重视来源，活跃度，购买率，流失率，后者关注渠道，报价，理赔风险，投诉。业务知识包括这种大方向的行业知识，也包括公司内部特殊情况，了解得越详细可以避免绕很多弯路。
例如，有些行为是内部人员参与的造成的数据异常要提前做处理，有些业务开展是带地区特性的，分析时候要区分对待等。
恶补专业知识
当模仿别人的分析思路和方法时候，分析大方向已经确定了，具体部分需要结合自己的项目情况进行细化。如果只是简单的数据汇总就能解决的问题就可以直接进入实操阶段，但是如果发现需要运营一些复杂的分析方法，则不得不恶补专业知识。
例如做营销提升，看到多数分析思路中都提到了产品关联分析。什么是产品关联分析，需要具备哪些数据，用什么算法，结果怎么应用，产品关联分析适不适合你目前的场景，这些问题需要恶补分析知识才能回答出来。
眼花缭乱的分析工具
真正做分析时候，你会发现市面上有太多的分析工具，需要掌握的实在是太多了，其实不必纠结于此，依据个人能力，配合当前的数据分析环境，适用的工具自然会被选出。
数据分析过来人都会说80％的时间都在做数据处理工作，所以数据处理能力是必须的，简单工具有Excel、SQL，复杂的有R，Python，Java。商业工具的报表finereport，SASS。
然后分析建模的能力，鉴于目前有丰富的算法与成熟的模型调用机制包括商业软件，开源工具等，多数时候仅需要懂得算法原理，然后在实际中调用工具实现即可，不必惊慌。最后是分析结果展示能力，如果是报告或报表则需要运用图表，有效表达分析观点，使分析结果一目了然。图形的选择、版式的设计、颜色的搭配等等，需要掌握一定技巧。如果是线上应用则需要掌握部署的能力，利用接口调用连接分析与业务。
啰嗦了很多，总结一下数据分析师应该从思维开始，以业务与专业知识为助力，以实际动手操为入口，开启新征程～
评论0
加载中...
好歹也是想走数据分析师的路，那至少得有分析逻辑吧，在哪里做什么行业的数据分析，以前从事过什么工作做过什么项目，工具掌握到什么水平，期望的工作什么技能需要，几个问题都不说清楚怎么分析？
评论0
加载中...
工具会的多不如会的精，会的精更要懂业务，否则一地鸡毛。数据如果没有清洗/分析只是冰冷冷的符号，数据本质上是对现实世界的映射。
作为业务数据分析师，首先要懂业务深入了解业务，学习结构化思维形成思考的逻辑，利用工具处理分析数据。
业务数据分析师不是严格意义上的数据分析师，业务数据分析师一般在企业是业务督导/销售管理岗/统计与分析等岗位，从岗位名称我们也可以知道，他要对行业与业务有很深的了解与见解，没有业务的深度，即使你逻辑能力和分析工具都很强也是虚的，毫无意义。所以你要有一线的业务经验或者对一线业务了如指掌，能够深度挖掘数据，不被表面数据所蒙蔽，也就是能真正分析出有意义的结论。比如看到某个组织人员满编率很低你要知道为什么很低，可能是满足学历的人太少，可能是公司待遇不好，也可能确实是管理层的问题，分析这些必须要掌握一定的业务，否则分析半天也分析不出愿意。
其次业务数据分析师还要有好的逻辑思维与数据分析能力，数据分析师是辅助领导做分析与决策的，类似以前的师爷团队。数据只是冰冷的符号，只有当它被利用起来才是价值，但数据被利用起来需要很好的逻辑能力，如果没有很强的逻辑能力，数据就会被歪曲被误会从而走向错误的方向，错误的数据分析解读比没有分析还可怕，当然任何工作都需要有逻辑能力，数据分析师的严谨性要求其要有更强的逻辑能力，关于逻辑能力的书可以推荐基本，一本是《金字塔原理》，还有《麦肯锡意识》，都是前麦肯锡人写的，看完你会焕然大悟。数据分析能力也是数据分析师必备的，最简单的就是有数据感，看到数据就像看到业务场景一样，能够获取信息了解业务基本情况，再深层次一些统计与数学好，数学与统计是数据分析的基础。
至于说工具，对于业务数据分析师来说，没有太高的要求，玩转Excel/Word/PPT，会用sql提取数据基本差不多，至于统计分析软件，数据分析工程师用的比较多，那个对数学与统计学要求高一些，业务数据分析师没有必要学那么多。
看你要学习一堆工具，多说一点工具的，SQL是结构化查询语言，是通过SQL语言去数据库提取数据，对于数据分析师来说就是提取数据，Python/r/spss是统计分析工具，用来处理分析数据，对数据作可视化操作，Excel也是基本的数据分析工具，也是用来分析数据/可视化数据的，只是可操作数据量相对小，最大可操作数据100万行，量再大就需要使用数据库了，但处理方便，门槛低，是绝大部分业务数据分析师的基础。
评论0
加载中...0
回答0
回答0
回答0
回答0
回答0
回答0
回答0
回答0
回答0
回答
