提起数据分析师，大家以为咱们搞数据分析的很轻松？不就是跑跑数，动动嘴皮子就行。如果你以为数据分析只是收集数据，然后帮业务提供一些参考，那你就要小心了，事情可不是这么简单。

咱们今天就做一下数据分析师进阶技能全盘点，以及你会了解到数据分析的底层逻辑和它的应用价值，会帮助你在未来的时间内更快速，更准确的去做出决策！

本次会拆出以下框架进行讲解。

一、认知误区扫盲

首先先帮小白同学来扫盲两个问题：

认知误区一：数据分析会工具就行了

也许你看过很多数据分析的文章，开头就是“学会这个Excel，7天搞定数据分析”，“一个月Python培训班，即可就业高级数据分析师”，还有的会教你数据分析的各种方法论。

但可能从来没哪个博主告诉你，数据分析师日常的工作，是跟各种各样的人撕逼，撕赢了才能推进工作，没撕赢可能得背锅挨骂！这才是咱们老数据分析的常态！有没有！

因为公司招咱们来是来推动业务的，只有业务赚了钱才能给咱们发工资啊！是不是！所以可不是简单就分析分析数据就好了。

平时大家还要注意和业务部门斗智斗勇，比如说他业绩没有完成，他就会说，哎呀，是你这个数据没及时提供，或者分析的结论不对。

这时候咱们就成了倒霉的“背锅侠‘。

这时候你就要注意了，可不是掌握Excel等各种工具就可以，这时候咱们就需要懂业务从数据层面来反驳他们。

认知误区二：数据分析不需要懂业务

作为一个数据分析师，掌握好数据分析的方法论和工具当然很重要，但如果你只会方法论和工具，就没有接触到数据分析真正的本质——推动业务。给我在心里重复三遍。

我相信大家在日常工作中，不论是跟同事，跟其他部门，还是跟领导沟通的时候，都会有无法说服对方的情况，总是公说公有理婆说婆有理。但如果你掌握业务逻辑又有数据思维，再遇到这样的问题的时候，就可以靠客观的数据来怼回去。

二、面临的现状及问题

目前各个层级数据分析面临的现状及问题：

第一阶段，定位：0 岁职场人

如果咱们现在是一个大四的毕业生，也该到了找工作的时候了，这时候咱们打开了 boss，看着 boss 上琳琅满目的岗位挑花了眼。好家伙，看了一圈觉得自己这也做不了那也做不了，最后讲目光锁定了一个叫数据分析的岗位，感觉数据分析嘛，那不就是 excel 么，整理整理数据排排版就好了。看起来这个好像不需要要求太多的专业。

0 岁职场人，他现在面临着是一个定位的问题。

我们也知道刚进入职场，我们对职场的情况并不了解，那是由于我们从大学环境进入到了职场的另一个环境。这个时候我们面临着其实就是一个定位和目标的问题，我们现在对自己没有一个清楚的定位，所以也对职场没有一个清晰的目标。那我们应该首先先总结一下我们的自身条件，然后看我们更匹配哪一种工作。来用我们自身的条件来使用外部的工作。

第二阶段，胜任：工作 1-2 年

咱们入职发现这份工作不如自己想象的那样简单，虽然自己会一点 excel 知识，但是感觉远远不够，觉得自己的工作没有技术含量随时都会被取代。

想要更高的工资就要变得更厉害，但是自己也不知道该从何开始努力，于是就将侧重点都用在了工具的使用上，而且是高级工具的使用，从 Python、统计学、到数据挖掘等。乍一看，好像这个路线也没什么毛病，但仔细想想，Excel 熟练了吗？不知道更高的薪资需要具备什么样的能力觉得月薪过万遥不可及。变得焦虑。

工作 1-2 年的职场人，他现在面临的是一个胜任的问题

知道要提高自己的能力，但是无法辨别提高什么能力。觉得自己只要学习更多的工具就可以涨工资。陷入了一个误区。希望有人来明明白白的举例罗列自己需要什么样的能力。

第三阶段，晋升：工作 3-5 年

工作了三五年，虽然好似薪水还过得去，但是每天做着相同的工作，也不需要思考，随之而来也没有什么提升。

工作 3-5 岁的职场人，他面临的是晋升问题

每天做着重复没有思考的工作，很容易被新人取代有没有独特的技能，但是没有核心的能力，也无法将能力复制给下属带领团队，成为领导者。这时候，希望了解如何拥有核心的可迁移的能力。

第四阶段，独立：工作 5-10 年以上

在公司做了几年后，想出来换个环境本以为凭自己的经验会是个香饽饽，怎么着也是个小领导吧，结果却屡屡碰壁。招小兵的觉得年纪不合适，招领导的又觉得他不够格。

想一想自己是学数分析的，要不自己单干算了，但是创业的项目看似好多，又不知道改如何选择。数据分析只是为其他人提供帮助的，没办法自己独立构建起一个商业模式。

工作 5-10 年的职场人，他面临的是独立的问题

具有了一定能力，可以单独出来创业。数据分析能力很好，但是如何很好的应用数据分析能力在自己的创业上？

三、岗位分析

知己知彼，百战不殆。分析各个岗位数据分析的薪资和技能差距

那咱们如何在数据分析的道路上逐渐提升自己呢，那咱们就得先全面了解数据分析师在各个不同阶段所需要的技能。快收藏！我已经帮你整理好了！

各个不同层级数据分析之间的岗位的区别是什么呢？为什么薪资会有这么大的差距呢？

如果咱们随便的去 boss 上搜一下，就会看到很多数据分析的岗位，但是这些岗位有的是 3000～5000，有的已经上万了，还有的已经好几万一个月，薪资差距这么大，那他们之间又有什么区别呢？接下来我会为你分别讲解这些不同薪资岗位的区别以及能力的划分。

入门数据分析的岗位是做什么的？

数据采集：具有采集公司所需数据信息的能力

需熟练使用的工具：excel

描述性统计分析技能：可以明确到底发生了什么。研究数据收集、处理和描述的统计学方法。数字和图表的形式来理解、分析和总结数据。对不同类型的数据(数值的和分类的)使用不同的图形和图表来分析数据，如条形图、饼图、散点图、直方图等。所有的解释和可视化都是描述性统计的一部分。

初级数据分析岗位是做什么的？

• 策略分析：能够直接得出策略性的结论。好了，这就是公司让你现在直接告诉我这件事情的问题在哪里，怎么去搞定他？
• 输出报告：输出行业分析报告。这就是啥哎，我不想看这么多复杂的数据，直接给我出一个分析报告吧。为什么业绩上升？业绩是怎么上升的？业绩上升了多少？下降也是同理哦。
• 编程技术：精通 SQL 语言，进行复杂的数据处理和汇总，统计分析，熟练的使用 Python 等编程语言。看没看到，以前只需要会 office 就行了，现在不行了，你还要会编程啦。

工具：SQL，Python&R语言任意一种

描述性统计分析＋诊断性统计分析技能：我们可以根据现有的结果和相关的因素。这个过程其实很依赖于我们对业务的了解程度。这个时候你可以回答一些WHY的问题。可以将历史数据可以开始与其他数据进行比较，以回答为什么过去发生了某些事情的问题。诊断分析的一些方法包括向下钻取、数据发现、数据挖掘和相关分析。这可以包括一些使用比率、可能性和分析结果分布等

中级数据分析岗位是做什么的

1. 可行性报告：可以理解为有这么几个通用能力，理解分析客户行为的根本原因，制定数据分析目标，并且优化预计效果，突出可行性的报告。

2. 预警：平时咱们得做预警啊，那么要有常规数据检测，同时推动线上可视化平台搭建。还有向上汇报那就要有，负责部门运营分析报告和 PPT 的撰写，并且将数据分析结果图形化，可视化，还要为业务提供思路。规划页不能少所以要输出，制定短期和长期的客服数据输出规划。最后对市场及行业信息进行分析，对市场作出合理的判断和趋势性的预判。

• 数据搜集：Wind等数据终端，Python爬虫
• 数据库使用：SQL
• 数据分析：python数据分析，Excel等
• 数据可视化：Tableau，Python里面的扩展包

描述性统计分析＋诊断性统计分析技能＋预测性分析技能：

• 利用预测模型，机器学习，数据挖掘等技术来分析当前及历史数据，从而对未来，或其他不确定的事件进行预测。
• 行业市场和商业模式研究，对行业有前瞻性洞察，深刻理解行业及上下游体系，助力商业创新。抓住重点词前瞻性，这说明需要我们已经可以能预测市场走势了。
• 发现业务的风险，如果咱们可以有效的进行风险管理，那咱们就可以帮助企业保护自己的资产安全和完整，降低决策错误的几率。
• 发现关键问题，并且可以完成解决方案的分析。发现问题，是实现自己目标的第一步。因为只有发现了问题，才能分析问题，然后再解决问题。才能帮公司更快的实现业务目标。

高级数据分析师岗位是做什么的？

以上这些技能你都要有，但是你还要有！

• 数据搜集：Wind等数据终端，Python爬虫
• 数据库使用：SQL
• 数据分析：python数据分析，Excel等
• 数据可视化：Tableau，Python里面的扩展包

描述性统计分析＋诊断性统计分析技能＋预测性分析技能＋宏观大趋势研判+规范性技术分析：规范性分析是数据分析师的终极梦想，可以建立在上述三种分析技术的基础上，根据咱们对未来的合理预测去确定我们的行动方案。

比如说：一个公司的利润意外地激增或下滑，描述性和诊断性分析可以帮助你确定原因，预测性分析将帮助你判断这种趋势在未来是否会延续，规范性分析则将帮助你确定接下来的步骤，利用机会并减少风险。

其实你可以这么想，我们现在就是一个在数据分析里刚开号的小兵，那我们现在要去什么呢？我们现在要去刷怪！当我们重复学习，不断的刷了很多小怪之后，我们的级数就会上涨！这个时候我们的数据更新能力就会越来越强。

已经帮大家整理好了！以下这个表格就是我们的进阶之路！

本期内容先讲到这里，下期我们会为大家介绍数据分析的本质还有数据分析对公司和个人的重要性，大家可以期待下哦！~