人人都是数据分析师？？愿韭菜的世界没有镰刀

方法论型技能：掌握了基础的工具后，还有很多人执迷于数据分析方法论。讲真，我问到周围几个同事(BAT且title为高级XXX)，他们多少都有些为难。很多文章都会列举各种各样的方法和模型，但其实那些并不是数据分析独有的，比如5W2H、MECE、SWOT等，都是通用的逻辑思维方式方法。但为了劝诫那些想要给培训班送钱的善男信女，我还是想简要说说：

逻辑思维真是的一切的基础，有条理分主次的表达自己的观点，同时也要能抽丝剥茧的分析问题解决问题，对数据分析师来讲很关键;如果非要说有什么方法论，我觉得对比细分溯源就挺好的。举个例子，今年腾讯的热度是1000万，这个数说明啥?首先要问清楚热度是怎么定义的，然后要找个参照系，比如跟去年比，才能知道是高是低。进一步，如果比去年高了，那是为什么高的?可以从不同维度进行细分溯源，比如从时间维度上，看看是否仅仅是某个月暴增导致的?再比如从对象维度，看看针对腾讯的讨论是说公司、还是说领导人、还是说产品?也可以从数据的来源渠道细分看，是新闻媒体的报道多了、还是网友在论坛贴吧的讨论多了?

你说是先有方法论才能做成一件事情，还是先做成一件事情再有的方法论呢?很多时候，方法论已经被我们这个时代过度消费了，它成了成功者的事后诸葛亮。就像历史一样，是被掌握话语权的人随意粉饰打扮的小姑娘

业务型技能：还没完，要想让自己的分析结果切实可行，就要深入的了解所在的业务，不能闭门造车天马行空的搞纯数据研究。举个例子，豆瓣要提升商业收入，钱从哪些人那儿挣?这就需要首先对目前业务有一个了解，小组、书影音、广播、FM的比例如何?豆瓣上不同人群的画像如何?结合宏观环境来看，哪些人消费意愿在增强? 做人型技能：最后，任何一项工作，都不可能是一座孤岛。自称“社交恐惧”“沟通障碍”的朋友，如果是真的话，甭管数据分析还是写代码，都不那么适合你。或者说的委婉一些，你可以做，但肯定很难做的好。我见过的工程师里能做上leader的，也都是相对他们群体而言更懂沟通的艺术、更懂换位思考的那群人。毕竟工作中的事情，很多情况下分工合作资源互换，会比你单枪匹马来的事半功倍;合格的社交合作外，也要有一定的“敏感性”，就是能洞察出领导们的心思。有一种说法是，工作就是让领导开心。我虽然觉得这句话太功利，但也不是全无道理。不妨换个角度来看，自古成大事者，更多是心怀理想的现实主义者。我们需要了解这个环境，适应这个环境。很多时候正确的事情也需要看时机，很多时候事情能不能做成，“人”的因素是很重要的。我们需要有能力判断哪些事情的价值更高、更能做成，在自身利益与公司利益之间，找一个微妙的平衡

6，哪些人不建议零基础转行数据分析?

既然门槛都知道了，那么对应哪些人不适合零基础转型，也就一目了然了：

工具型技能，算数过关就好：
SQL和EXCEL都很容易上手，高中数学OK就好;Python、R那些工具，其实更重要的是背后的原理，所以需要相对扎实的概率统计+高数底子。不过数据挖掘也不是所有数据分析师都需要会的，所以工具这部分，武断一点给个标准：高考数学150满分的话有个100+就差不多了 方法论型技能，逻辑严谨条理清晰： 稍微武断一些的说，国内大部分纯文科专业背景的同学(尤其是毕业后也一直从事创意类、职能类、销售类等工作的朋友)，零基础转型数据分析难度较大，不太建议。因为长时间的专业背景和工作环境，会重塑人的思维方式，如果已经习惯了发散式、跳跃式思维，日常又更偏重感性而非理性，数据分析类工作就较难适应 业务型技能，需要接地气： 特别学术型的朋友，比如对学习研究以外都缺乏基本认知和兴趣的那种，不那么适合数据分析师这种岗位，因为这个岗位其实没那么高深也没那么科研，相反，非常需要接地气。数据分析本质上就是应用学科，需要以应用为导向，从问题出发去倒推解决方案，而非先研究一个东西再看看有什么可应用的场景。是否愿意了解你所在的业务方向，能否理解一线实际工作环境都面临着什么问题，真不是所有人都能搞定的 做人型技能，不能太自我： 过于固执的朋友、缺乏同理心的朋友、不善于沟通的朋友，在数据分析师的岗位上注定不会走的很远，在其他岗位也同样。一方面我们需要通过换位思考，真正的理解对方的问题和困难，有时候更是用户的需求;一方面我们也需要通过沟通，把我们的观点和看法顺滑的输出出去，并最好能在听众的心里生根发芽，最终开花结果

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!