优秀的数据分析师思惟是怎么炼成的？

一名数据分析师的平常工做流是怎样的?

「数据分析师」这个职位，不一样的公司，不一样的行业，对于它的理解，以及它覆盖的工做范围不太同样。在有些传统行业，数据分析师工做重点是「作行业报告」等;在阿里巴巴等大型互联网公司，职位区分比较明确，数据分析师大部分时间只作产品和运营的分析工做，至于「基础数据处理」、「搭建数据产品」等等不涉及;在创业公司等相对小型公司，「数据分析师」要干的活可能要不只仅是「产品和运营分析」，「基础数据采集和处理」，「数据产品搭建」都属于「数据分析师」的工做范围。

明确了数据分析师的工做范围，大概也就清楚了天天要作些什么，好比：

• 产品和运营的数据提供(正常分析师工做)
• 基础数据采集和处理(相似ETL工做)
• 数据产品的思考和搭建(相似数据产品经理工做)
• 数据价值的挖掘(相似数据挖掘工程师工做)

每日的工做流大概以下：

上午：平常项目的跟进，包括跟产品，运营，开发同窗的沟通，这部分主要经过 Tower 和项目 PM 天天的邮件来互相协做和周知进度，固然，每一个项目会有5-10分钟晨会;

天天不定时：平常运营需求的沟通比较多，这个主要是面对面，固化需求之后，邮件周知和记录;

下午晚点和晚上：数据平台本身的活，包括基础数据开发、数据产品搭建等等，就须要咱们本身去安排时间完成。创业公司的一个优势就是人员相对少，你们互相协做都是面对面。

如何进行时间和日程管理?

数据分析师工做由于涉及内容比较多，因此常常会被产品/运营叫过去讨论某些项目，营销活动，等等，或者，被不一样业务线主管召唤，讨论如何对某个业务线效果进行深刻分析，因此，不少时候本身计划的「什么时间干什么事情」，基本得不到保障。就算得不到保障，天天早上过来之后，也要大概列清楚今天要干的几件事情，提醒本身去抽时间作完。每作完一件事情，就划掉。尽管有不少工具使用，好比，Trello，可是我仍是喜欢一个笔记本，一支笔的方式。

时间是一个很奇怪的东西，只要你想要，它就来到你身边。好比，我想晚饭后来写采访的内容，就会拒绝同事邀请去作其余事情。我看过不少时间管理方面的书，也尝试过「番茄」等各类方法，最后发现，任何想基于「时间安排」去作「时间管理」的方法都很难有很好的效果，反而，基于「待作工做」来作时间管理，更合适。

好比，今天须要作三件事情，按照轻重缓急排序，1)2)3)，而后就开始作，不想须要多少时间作完，尽可能本身控制时间把它作完。不少人可能以为这样很糟糕，万一作不完怎么办啊。其实，你本身尝试一下就好了，为何本身会不得不、不情愿也要作、非要作完。由于，次日工做又来了，今天作不完，明天这些工做仍是你的。除了一浪一浪天天工做的累加的压迫，它更须要一我的的「自律」。若是有点时间就刷微信，微博，或者找同事闲扯几句，很容易打断工做流，因此最好是一鼓作气。无论计划如何完美，若是没有「自律」，也没有结果。

数据分析师的思惟是如何练出来的?

可能提到数据分析师这个职业，「思惟」是被提到最多的一个词。或许这个跟数据分析师思考比较多，沟经过程中更理性，让你们获得的错觉。我的以为，任何一个职业，任何一我的都应该有一套本身的思惟体系和一个好的思惟方式。数据分析师的思惟仅仅是其中的一个不一样的看世界的方式。好比，每一个人的思惟是一条道路，条条大道通罗马，虽然每一个人看世界的方式不同，可是可能获得的结果同样。

想知道数据分析师思惟，首先要了解「思惟」是什么，bing一下，获得「思惟」的定义：

①思惟与“感性认识”相对。指理性认识，即思想;或指理性认识的过程，即思考。是人脑对客观事物间接的和归纳的反映。包括逻辑思惟和形象思惟，一般指逻辑思惟。

②与“存在”相对。指意识、精神。

显然，定义①是咱们这里想讨论的思惟。这个定义也清楚的说明了思惟是每一个人看世界的方式。

数据分析师经过数据来认识产品/业务，因此，它确实有一套跟别人不同的思惟，即「类统计学的逻辑思惟」。除了这个以外，其余基本跟其余同窗同样。

从我打篮球、乒乓球的经历，加上5年数据分析师的体验来讲，很难经过一些简单的训练就学会某种思惟方式，主要仍是要本身在工做过程当中经过实际的案例多踏几个坑，多开拓眼界来学习。所谓「九折臂而成医」，大概如此。

在这里分享给你们我平时经常使用的方法：

-看书，看别人的总结。

学习大牛是如何认识世界，分析案例，好比《穷查理宝典》——查理芒格，《把时间当作朋友》——李笑来，《系统思惟》——德内拉•梅多斯，等等，分析为何这些做者的思惟如此的独特?我和他们认识世界的方式为何不同?咱们彼此的认识事物的方式哪一个更好，哪一个更接近真相?为何他们看到的世界是这样，而我是这样?多问问为何，多找差别，而后再去找其余的书看，一步步丰富本身。这些做者可能也没获得真相，而是他们可能距离真相近一点。

-学会触类旁通。

作分析师，很是须要「触类旁通」的能力。去食堂吃饭，看到排队的效率如此低，分析一下为啥效率这么低?咱们的产品上某个地方是否是也有相似的效率问题?滴滴打车这种叫车模式，咱们的产品能够用么?为何不能用?反正，多问几个为何，多触类旁通，思考，思考。「对或者错」有些时候不重要，重要的是咱们感知世界的能力在变化。

-研究别人家的产品和别人家的数据。

好比，我很是推荐新的分析师看各个公司的财报。为何呢?一个大公司的财报若是能看懂了，基本就了解了一个公司的运做模式和重要产品，也明白了如何写一份报告。再者，研究别人家的产品，无论是工具类仍是用户类，看看他们的交互，设计，体验上怎么会不同，别人的用户数为何是这个，而咱们的是多少?

-关注「经济」和「社会」新闻，多串联起来看新闻。

北京大雨了，河北大雨了，南方干旱，南北方须要什么?咱们的产品是否能提供这些东西?长征7号上天了，哪些东西可能会不同?多把不一样事物串联起来想，思考，分析。

总结一下，数据分析师要有一个「系统、总体和部分的思惟」，也要有一个「事物类比思惟」，更要对「事物敏感」，能够很迅速的把不一样的事物串联起来(敏感)，很快的抓到事物的本质特征(相似思惟)，而后局部总体的来分析和研究(系统思惟)。

如何进行跨领域学习?

其实，数据分析师常常面临「跨领域」，只不过跨的大和小的区别。好比，我以前在阿里妈妈研究广告的竞价，来到空格研究共享经济、服务，也算是一个很大的跨领域。从「分析方法」和「研究产品」的角度来讲，二者没有差异，可是研究的领域确实不同了。「跨领域学习和交流」对于分析师来讲仍是比较重要的，毕竟，咱们不能保证本身所作的东西都是拿手或者了解过的，不少业务和产品都是新产品，新业务，本身要保证快速的跟上。

跨领域学习其实没有那么难。不少事物都是类似的，好比，足球和桌上足球类似，足球和篮球在某些方面也类似，乒乓球和篮球，其实在练习方法上，技巧上也有一些共同的地方。分析师研究产品和业务也同样。若是学会了分析事物背后变化发展规律，也就不存在「跨不跨」领域学习的问题，好比，一个用户留存模型，即适合 Facebook 的研究，也适合 Uber 的研究，为何呢?由于用户使用产品过程当中，行为和体验过程是相似的。

你们可能都被教育过，「看事情要看本质，不要浮于表面」。这个对于分析师来讲更重要。若是看懂了一个商业模式，好比「共享经济」的模式，无论它是滴滴，仍是Airbnb，仍是空格，基于「大众参与的闲置资源的使用权的让渡」特征是不会变的，惟一不一样的是三种产品运营和用户体验上的差别。因此，推荐你们创建一套本身认识事物的思惟模式。

就像一个 VC ，或者巴菲特，为何他们能够投资不一样的行业的公司和买不一样的股票，为何他们能看懂看准呢?由于他们各自都有一套认识世界和事物运做的思惟模式，这套通用的模式会让他们在跨领域的投资中都能受益。

因此，你们不要局限于「怎么样跨领域学习，怎么样学习，学习些什么」，觉得学了这么多确定就无所不知，通行天下，但你看到的「星星」仍是星星，「太阳」仍是太阳，从没发现「太阳出来了，星星不见了;太阳下山了，月亮出来了」的天体运行规律。

归根结底，跨领域学习，要学一套「认识事物的思惟模式」，而不是一点点具体的知识。推荐你们学习一下投资公司评估公司价值的一些原则和方法。还有，能够看看《易经》等从系统和总体上看待事物相关的书籍，锻炼本身系统思惟和「凡事看本质的」能力。

数据分析的本质是什么?

查理芒格说过一句话：「不要作一个股票分析家，而是作一个商业分析家。」

对于数据分析来讲，无论咱们经过何种「分析方法」，「挖掘算法」，仍是「数据可视化」，都是为了「分析和研究产品，以及使用产品的人」，而「产品和人」会给咱们带来商业上的利益。作产品的目的是为了让别人使用，成立公司是为了得到商业的最大化利润。因此归根结底，数据分析的目的是「更好的了解使用产品的人的行为，体验和想法」，基于这些了解，「再作产品上的改变，得到商业的利益最大化」。

好比，不少互联网公司都要分析「用户行为路径」，为何要分析这个呢?若是咱们很是清楚的知道「用户怎么进来，去了哪里，哪里看的多，哪里看的少，从什么地方跳失」，咱们就能够优化「产品的交互和设计」，让用户的体验更好，让用户点击「咱们想让他们点击的东西」，从而实现咱们产品上的某些成功。

为何亚马逊会经过分析用户购买的东西，作「推荐算法」?若是能够找到每一个人购买的东西，而后根据「几率」计算出TA可能潜在购买的商品，而后在用户通过的页面上放上「几率大」的这些商品，用户购买的几率就会高不少。 一切都为了更好的了解用户，服务用户，最终让用户买更多的东西(或者留存率高，能够卖更多广告)。

因此，一个好的「数据分析师」是一个好的「商业分析家」。

额外的努力有多重要?

以前在其余文章中提到「数据建模」的影响，这个「额外的努力」对于当时的我来讲，就是一个爱好和兴趣，没想到会经过它获得什么。最后由于喜欢「数据建模」而作了「数据分析师」，只能用看似偶然其实必然来解释了。你们可能都听过一句话：「历来没有白费的努力」。我也很是认同。

不说努力，就谈工做以外的看似额外的事情吧，好比，看书，运动，听公开课，业余时间学学某种语言，跟有趣的人交流一下，作本身喜欢的晚饭，研究一下一年的节气变化，跟朋友出游本身计划路线，等等，这些很生活，很情趣，看似跟工做不相关的事情，真的不相关么?

工做是什么?工做须要具有什么技能?工做须要解决什么问题?工做须要面对什么?这些问题都是生活的一个侧面，什么侧面?工做须要面对「人」，工做要解决「人喜欢不喜欢你的产品」的问题，工做须要具有「规划、思考、沟通、观察」等技能。

「跟有趣的人交流」是否是会更好的了解「人」?「研究一下一年的节气变化」是否是须要一个「研究和思考的」过程?「跟朋友出游本身计划路线」是否是须要一个更好的「规划的能力」?这些看似不相关的东西都在让「咱们」潜移默化中的某些技能获得提升。

由于大学里面没有「数据分析师」这个专业，因此，公司招聘「数据分析师」历来不是按照「专业」来招聘，而是经过面试考察候选者是否有「独立思考、善于观察、有研究精神」等特质。只要一我的具有了某种技能，TA必定能干好全部的事情。因此，没有什么额外的，只有你不去观察、体会和思考。

个人习惯是这样的：

-微信上，我本身会固化一些「我认为不错的公众号」，天天会抽零碎时间看它们推送的文章;

-微博上，在吃饭排队过程当中，刷完本身「晒选过」的帐号发送的信息，跟「数据」相关的会 @ 个人印象笔记;

-看到跟商业和「数据」方面相关的书，好比《证析》，《为数据而生：大数据创新实践》，《商业的本质》等等，都会买，而后晚上抽时间看完。做为一个数据分析师，除了要看必要的数据和统计相关的书以外，更推荐你们看看经济学、社会学等开拓眼界，好比「预知社会：群体行为的内在法则」，「消费者行为」等看似跟数据分析师无关的书，看似无用其实颇有用，任何的产品和分析，最后都会回归到「用户」、「用户行为」的分析上。其余书再也不推荐，等有了必定的积累以后，你会发现，一本《易经》或许就够了。

-上述过程当中，若是有看到很契合工做的内容，本身会找时间在公司的实际产品上「写代码/作分析」等研究。

时间花在哪里，收获就在哪里(就算是每天吃东西，也同样会有收获)。喜欢作一件事情的时候，历来没有感受我居然在花时间。

推荐几本书给你们吧《开智100本经典书单》。

这100本书，仍是不错的，可能国外的书居多。先不要问哪些书好，哪些书没用，本身看多了，比照本身的生活和工做进行反思，本身会有判断的。当你有了判断，也就具有了必定的思惟能力。

读完100本，可能本身喜欢读的会愈来愈少，把书读薄了;也有可能本身喜欢反复读一本书，而后不时有新的感悟和解读，把书读厚了。