转行成为数据分析师的经验分享
个人转行经历python
我毕业于上海立信会计学院毕业的税务专业，刚刚毕业的时候仍是一枚小财务，后来工做中，身为财务，须要和业务各类斗（si）智（bi）斗（da）勇（zhan），因而在各类机（sheng）缘（zhi）巧（jia）合（xin）下，转行了数据分析。面试
个人转行经历Part1之税务师事务所算法
我本身是税务专业毕业，毕业后去了一家小的税务师事务所（合计员工3人），主要作的是各类税务合规、帮企业查缺补漏这样的事情。数据库
大部分分析主要是利用企业外部数据，以及公开数据，模拟税务局分析思路，为企业提供税务局可能分析的角度问题，以此发现企业税法的潜在漏洞，帮助企业及早查缺补漏避免税务稽查。微信
工做过程当中，我发现，对接企业的财务人员时，企业财务人员基本对业务不了解，最多也只是个大致了解，自己没办法发现业务风险点和潜在问题。同时财务人员和业务人员沟通不多，业务财务脱节，极易形成各种问题。机器学习
个人转行经历Part2之某东财务税务ide
后来，我去了某东，负责税务的同时，也帮分析组同事分析具体业务。有一个很是明显的感受，就是【财务报表不能彻底准确地反映企业财务情况】。工具
1. 财务指标所反映的状况具备相对性，例如预算达成率，超预算未必是坏事，正好达成预算也未必是好事。学习
2. 财务指标体系不严密，不少业务数据，到达财务时，有大量的缺失和遗漏，致使不少东西财务本身分析不出来。优化
3. 财务指标的评价标准不统一，不少时候，某个比率或者某个指标，多少是好，多少是差，没有定论。举例说明，某东存货周转天是负数、现金周期也是负数（先收到客户的付款，而后通过30~90天的帐期，才结算给商家），问题是这个负数，多大是正常的？这个业内都没有可比数据（阿里有，不给咱们），这个数据怎么看？
4. 财务的基础数据不反应实际状况。这个是财务的锅，可是我去业务部门之后，发现不全是这样的。举个简单的例子，车辆做为固定资产，财务帐面只有初始成本和折旧这2个数据，并且折旧仍是按时间加速折旧的，不能反应实际车辆使用状况。
另一个感受就是，财务不少时候，很依赖业务，却又不懂业务。容易被业务耍得团团转。就拿预算工做来讲，预算数字是业务报的，执行是业务执行的，超预算或者不足预算是业务那边负责解释的。分析自己也只能很浅的分析，没办法知道业务实质到底和业务同事说的是否是一致的。固然，预算工做中也有各种有意思的事情。好比咱们的预算基本只有三种状态：刚好达成、彻底不使用预算、远远超出预算。
转行分析
由于以前作财务的时候，有作各种分析工做，后来物流业务那边就把我挖过去了（其实我也想被挖过去，毕竟财务仍是挺枯燥的）。到业务这边，发现本身以前财务分析，其实真的很浅。
举几个简单的例子吧，物流体系的货车都是公司本身的，前期财务和物流同事发现车辆损耗严重，车辆折旧年限设定为2年，到期报废。到这里一切都很正常。
后期业务方为了减小报废同时增长员工福利，提出员工购车计划，员工拿低工资，干满2年后，车辆免费（后期改成低价格）转让给员工。神奇的一幕出现了，转让计划的车辆，员工开2年，基本没有什么损耗，可是财务帐面折旧计提干净了。换句话说，财务帐面认为价值为0的固定资产，实际上和新车差很少。这个时候分析的局限就出现了，购车计划的这些车，司机平时开的都特别当心，生怕车坏了。而平时司机开普通货车，基本上就是横冲直撞，开到极限。车辆使用状况彻底不一样，财务帐面如出一辙的东西，到实地一看，价值差距几倍。
这个时候，我就深入感受到了财务分析的局限性。财务只是根据帐面数据，和极少信息进行分析；而业务中，不少非财务信息、各类难以量化的指标、非结构化的指标，在传递到财务的时候，都丢失了。致使整个财务分析犹如水中望月雾里看花。
再分享一个例子吧，不知道你们有没有开太高速。上高速基本上要交通行费，物流货车基本上走高速，这一点你们都没问题吧。物流分析有个工做就是跟车，就是和货车司机一块儿跑线路。接下来就是骚操做了。我看到高速入口在前面，司机就是不上高速，全程还超速行驶，接近交警测速仪的时候又降到正常速度。一路上开车开得我一个坐副驾驶的人，心惊胆战的。最神奇的是，某东有时效限制，每次这些司机都能按时到达目的地仓库。某东是报销高速通行费的，我就问司机，“通行费你不报销了啊？”司机说，他们有微信群，要什么时间什么路线的通行费发票都有，都是真发票，还都是别人不要的。到时候按额度报销就能够了。
其实这些问题，从财务角度，均可以解决。若是**能事先知道**不一样计划的车辆，损耗程度不一样，那么，财务彻底有理由按不一样的折旧年限进行折旧。若是**能事先知道**不少司机不走高速，拿其余人的车票报销通行费，那么彻底能够审核的时候，核对车牌号，就彻底能够避免这些问题。
然而，若是真的财务都把这些问题解决掉，业务会变好吗？以前我也和我前领导聊过，一致感受是，绝对不会，反而会变差。其实缘由很简单，若是员工购车计划，按一开始设想的，车辆用到基本报废，再送给员工，那么就不会有员工参加这个计划了；换句话说，其实不少人，是考虑本身爱护车辆，过户的时候仍是个新车，才愿意接受低工资的。通行费的问题，以前作过市场调研，由于某东是五险一金全额缴纳的，不少司机不须要，正好高速路费报销有漏洞，司机实际到手的RMB和同行业差很少，因此司机才愿意干活。
数据分析师的工做内容
我理解的数据分析是一个业务支撑性质的工做。数据分析自己是经过分析数据，最终解决商业问题。主要是数据收集（埋点），分析数据之间关系（搭建指标体系），平常分析各个数据，反馈到各个业务条线上，来指导业务工做。个别时候还有专项分析某个场景和数据，为业务提供决策支持。
其实平常工做中，找数据、找逻辑，占了大部分。另一部分工做是“老板要你分析什么，你就分析什么”，其实工做中，不少时候没有太大主动权，不过别纠结，没办法。
简单的说一下分析过程吧。好比B站用户，看直播过程当中，右下角会有一个倒计时小宝箱，点击送银瓜子（按F进入坦克）。这个活动要怎么分析呢？好比一个分析角度，有多少人点击宝箱，那我该怎么分析呢？首先，我要埋点。埋点就是，每一个点击的时候，记录谁在何时点击（action）了这个动做，有这些数据，后期才能分析。
接下来，我就要看看天天每一个时段有多少人点击这个小宝箱，这个就是最简单的数据指标体系的构建。好比，我看到今天投喂辣条的人比较多，我就要看看缘由，好比我今天辣条多的缘由是，我作了个直播（PS:我想要邮轮~火箭~豪宅~~要打赏~~~拉到最底下可打赏私聊勾搭做者）。
而后呢，我要经过分析结果，反过来促进个人直播。好比你们打赏很是热烈，那么我天天就会很是开心的上B站直播，造成正循环。至于数据报表的配置搭建这部分，基本学了BI和SQL以后，问题都不大，放心吧。
数据分析师的能力要求
1.技能要求
首先要说明一点，技能、工具是为目的服务的，重要的是工具好用，工具不是目的。咱们从数据获取，数据预处理，数据分析，结果呈现等几个方面分别来讲明。
数据获取：
SQL技能和埋点（埋点主要是互联网行业）,还有excel。大可能是状况下，数据来源都是数据库或者数据仓库，个别时候须要爬虫（适合收集学习类工做）。内部数据使用SQL(广义概念，含Hive SQL)是一种最简单有效的获取数据的方式。SQL自己入门门槛低，上手快，专业性不是很强。
数据预处理：
以python为例，大部分会用到pandas和sklearn工具包。
数据清洗的环节目标是提升数据质量，为后续的分析工做奠基基础，是高质量数据的最后一道屏障。
数据分析：
这一阶段是数据分析工做的核心，首先须要从业务场景的理解出发，基于数据，从趋势、分布中总结规律，分析业务现状，提出业务的改进建议。
结果呈现和结果落地：
这部分包括各类人际交往、沟通能力、各类软技能。这里就很差讲解了。
2.思惟要求
这里直接推荐几本书：《谁说菜鸟不会数据分析》《增加黑客》《精益数据分析》《运营之光》
感悟与分享
关于硬技能
这2年python很是火，尤为不少BI工程师和报表工程师，经过学python，再加上数据分析课程，也转行成了偏技术类的数据分析。所以不少人可能会想，学个python。我我的也是自学python的，学下来的感受是，python只是一个技能，真正有价值的，是**大脑里面的商业模型和分析思路
真的不要把Python和数据分析画上等号。对分析师来讲，熟知业务的重要性远比你会一两个工具重要，而论重要性，SQL的重要性比Python重要的多
关于怎么转行
我本身的感觉是，重视业务，了解公司怎么赚钱，而不是复制粘贴以前的凭证，只想我把凭证作好，报表作平，就行了。
固然，提及来简单，实际上不少人，应该大部分是工做1~2年的人或者在校生吧，工做之后应该会感受，不少工做都是重复操做，可是有没办法，重复性工做占用了大量工做时间。因此，我本身一直就以为，对你们来讲，第一点最有可操做性的建议就是***花时间学excel***，若是有时间再加上**VBA**。工做效率提升之后，时间就是本身的了。到时候要学习业务，或者作一些本身的事情，都是OK的。
其次，我以前作审计的经验是，不少公司**系统都很差用**，以前某东的财务系统也很差用，因此当时和IT一块儿优化了一部分系统功能。后来IT开始上财务机器人，我也协助参与了一些。参与这类项目，基本就全盘了解整个业务每一个流程每一个节点，再结合一部分审计思惟，很容易能够发现问题。关键是，当你有了总体思惟， 你看问题的角度就彻底不一样了。
第三个就是数据分析实践。这些工做中也会遇到。好比，领导有时候会问，为何收入上升/降低了。这个时候，若是只是业务方随便解释一个缘由，而后看一下同比、环比，就解释给领导，通常不够。每一个缘由都有来龙去脉，都有内因外因，深刻挖问题才能够。（固然通常业务方不必定有时间陪你回答）
最后，有时候选择比努力更重要。命运是抓在本身手里的，想过得好一点，就要刻苦一点。若是你如今感到迷茫，或许你能够静下心来学同样技能，不必定是数据分析，也能够是英语，也能够是PPT，甚至能够是写做等等。多学习多沉淀，你将来的职场生涯的路会相对宽一点，你也能有选择多条路的自信。
Q&A
Q:我是经济学转数据分析，想问跨行业转数据分析，能够结合本身优点在什么方面发展，面试数据分析能力须要到达什么水平?
A:经济学背景能够帮助更全面的理解数据与经济之间的关系。好比B站免费赠送的瓜子与网站日活月活以及直播业务的影响等等
Q:面试数据分析大概能力须要到什么水平?
A:会一点Python和SQL，能够本身获取数据并有效的利用数据分析问题。
Q:数据分析师和算法工程师的区别?
A:数据分析师利用从抽象总结中获得的数据、获得结论，来影响产品和运营的操做。
算法工程师是从数据中学习知识。
Q:数据分析师的代码能力须要到什么水平?
A:会调包就行，理解业务的能力更重要
Q:机器学习和数据分析哪一个须要用到统计学?
A:两个都须要，机器学习中会涉及高级统计学内容，数据分析更偏业务。
Q:游戏数据分析师的埋点怎么作?
A:推荐盛大出版的《游戏数据分析》
Q:学历不突出怎么吸引HR的注意?
A:把目标公司研究分析一遍，而后找内推
Q:如何转行数据分析,可操做性比较强的是什么?
A:学习Excel、易上手、性价比高。时间宽裕的同窗能够学习VBA，提升工做效率
Q:找工做写简历的项目经验去哪找?
A:打比赛，把比赛的练习项目写进去，或者找公司实习
Q:直播地址?
A:https://www.bilibili.com/video/av61849612 或点击阅读原文进入
........
咳咳~直播活动预告!!Dw-飞鱼和你一块儿聊聊面试的那些事
Datawhale 秋招系列第四弹
-面试那件小事-
文字整理 | icebear
排版 | icebear
图片 |Icebear