数据分析真正改变的是一种管理方式 ， 即以数据驱动业务 ， 而非以经验驱动业务 。
02
兵器：懂数据（技术能力）
俗话说 ， 一寸长一寸强 ， 一寸短一寸险 ， 招式虽强 ， 但外功依然需要兵器的辅助 。 就好比数据分析师的技术能力 ， 虽然数据分析师不追求对算法的精通 ， 对底层模型和数据架构的了解 ， 对数据开放的信手拈来 ， 但优秀的技术能力对招式的展开事半功倍 。 见过不少商业分析师 ， 一路从高大上的咨询公司和行业研究进入互联网企业 ， 但由于缺少技术能力 ， 取个数还需要招人帮忙 ， 对工作效率的开展确实有不小的影响 。 具体来说 ， 懂数据包括三个层级的能力：
LEVE1 ， 数据获取能力：能够理解数据链路的业务逻辑 ， 基于现有的数据资产 ， 能快速准确的使用相关工具 ， 获取相应的数据结果 ， 并了解基本的数据验证方法 。 （表格表姐）
LEVE2 ， 数据分析能力：具有一定的数据分析和处理能力 ， 通过工具 ， 能基于相关的数据资产 ， 进行一定数据的加工和任务的发布 ， 得到符合业务要求的数据结论 。 （数据分析）
LEVE3 ， 数据架构能力：具有完整的数据架构思维 ， 能知道每个数据节点的实现方式 ， 字段结构 ， 产出时效 ， 回刷周期等信息 ， 能够指导数仓开发人员 ， 基于业务场景构建数据资产 ， 并具有一定的数据治理能力 。 （数据架构/数据治理）
如果一个数据分析师的技术能力达到了第三层境界 ， 那么对他来说 ， 不仅仅可以成为一名数据分析专家 ， 未来多了很多职业发展的可能 ， 可以往数据架构 ， 数据治理 ， 数据产品 ， 数字化负责人等岗位走 ， 当然也可以考虑很多企业行业 ， 甚至咨询公司 ， 金融企业相关的数据管理岗位 。
毕竟除了互联网公司外 ， 绝大部分行业的企业 ， 没有真正意义上的数据分析部门 ， 很多都是挂在业务部门里面 ， 而绝大部分企业现阶段数字化的核心问题 ， 往往是底层数据架构重构 ， 数据口径统一 ， 数据集成 ， 数据资产开发等偏数据架构的问题 。 越往上走的数据总监 ， 也需要更懂这方面的知识 ， 最常见的 ， 便是需要对数据中台的概念 ， 功能模块 ， 搭建方式 ， 数据层级等有一个清晰和明确的方向和思路 。
03
心法：懂分析（逻辑能力）
说完外功 ， 再来看看数据分析专家的内功 ， 在我看来 ， 最重要的内功是心法 。 什么是心法 ， 什么是懂分析 ， 说到底就是结构化的思维能力 ， 辩证的思考能力 ， 具有逻辑性的归纳和总结能力 。 不知道大家读商学院的时候有没有这种感触 ， 当时教授一直会强调critical thinking ， 慢慢我才发现思维体系的建立在未来的工作上受益匪浅 。 具体来说 ， 懂分析包括三个层级：
【高校教师|心得总结：一名优秀的数据分析专家的能力模型】LEVE1 ， 问题定义清晰：不同的行业和业务场景 ， 其需解决的问题具有差异化 ， 能在理解业务的前提下 ， 透过现象找到本质 ， 清晰的定义问题 ， 理解问题背后的原因 。
LEVE2 ， 框架逻辑严密：能够形成完整的分析方法路和逻辑思路 ， 能基于严密的分析逻辑 ， 将数据层层推演 ， 以解构问题背后的原因 。
LEVE3 ， 思考全面系统：需要有化整为零和化零为整的能力 ， 即演绎和归纳的能力 ， 能够将复杂的问题进行分解 ， 也能将零散的问题总结出全面的规律 ， 从动态的角度 ， 系统性思考为决策提供支出 ，
懂分析也分为三个层级 ， 最高的等级是懂的如何进行系统性全面性的思考 ， 麦肯锡有一个很有名的MECE原则 ， 便是提倡建立一个“相互独立 ， 完全穷尽”的思考框架 ， 能够用逻辑树 ， 对核心问题进行解构 ， 排序优先顺序 ， 并针对核心议题进行分析和建议 。 而麦肯锡的“七部成诗法” ， 便是能够帮助大家掌握商业推理逻辑的基础技能方法 。
推荐阅读
- 教师|北大韦神“真实处境”跌下神坛，学生退课，班级人数不到10人
- 北京市教委|翁铁慧调研北京高校大学生就业创业工作
- 什么|广州入户心得：我不是学霸，只是听话照做了~
- 隔离点|天津一高校成隔离点粗暴转运学生物品，网友喊话去“抄作业”
- 江西|江西6所“民办高校”！暂停招生，立即整改！
- 质量|留住县中教师不能只靠禁令
- 评价|完善评价机制增强高校教师职业自豪感
- 文化|教育部支持106所高校建设中华优秀传统文化传承基地
- 教师|又是美女，棠湖中学老师斩获全国赛课大奖，成功不易、历程艰辛
- 教师|教育部通知：禁止高中提前“结课”，同时教师也迎来“好消息”