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”