編輯導(dǎo)讀：數(shù)據(jù)分析聽起來非常高大上，也是很多學(xué)生未來想從事的職業(yè)方向。在上篇文章中，作者介紹了數(shù)據(jù)分析如何入門、數(shù)據(jù)分析的基本流程，本文探索數(shù)據(jù)分析的進(jìn)階方法、數(shù)據(jù)分析的發(fā)展前景和優(yōu)勢，與你分享。

我們上節(jié)內(nèi)容，給大家介紹了數(shù)據(jù)分析如何入門、數(shù)據(jù)分析的基本流程，相信大家對入門數(shù)據(jù)分析的一些要求和入門方法都有了相應(yīng)的了解。（詳情請看：互聯(lián)網(wǎng)行業(yè)數(shù)據(jù)分析通識（中））那么，我們在這里繼續(xù)探討，數(shù)據(jù)分析入門之后的一些事情，包括數(shù)據(jù)分析的進(jìn)階方法、數(shù)據(jù)分析的發(fā)展前景和優(yōu)勢。目的是給大家提供一個(gè)做數(shù)據(jù)分析工作未來的規(guī)劃的方向，同時(shí)對目前職業(yè)狀態(tài)也會(huì)有一個(gè)更全面的定位了。

七、數(shù)據(jù)分析進(jìn)階

1.?數(shù)據(jù)分析進(jìn)階的階段

在入門階段開始時(shí)，我們對數(shù)據(jù)分析基本流程有了一個(gè)概念的認(rèn)識。那么，在進(jìn)階的階段，要做的事情很簡單，那就是：完善數(shù)據(jù)分析流程的基本面理解、更加深入地學(xué)習(xí)數(shù)據(jù)分析工具。

我們來看一下數(shù)據(jù)分析進(jìn)階的階段：

第一階段：基本信息處理

大部分情況下，公司的數(shù)據(jù)體系相對已經(jīng)比較成熟了，所有到你手上的數(shù)據(jù)都是相對比較干凈和統(tǒng)一了，這時(shí)候數(shù)據(jù)分析的主要工作就是各種數(shù)據(jù)的提取以及數(shù)據(jù)處理。

這里面涉及到，整理并了解各種數(shù)據(jù)指標(biāo)，搭建數(shù)據(jù)監(jiān)控?cái)?shù)據(jù)表格，包含日常數(shù)據(jù)監(jiān)控表、渠道匯總表、銷售明細(xì)報(bào)表、新增用戶表等等，而使用的工具一般為Excel。而SQL在此階段可作為輔助工具，從數(shù)據(jù)庫提取和統(tǒng)計(jì)數(shù)據(jù)，然后導(dǎo)入Excel繼續(xù)做表格，在這個(gè)階段要突破的技能就是 ：Excel的技巧和使用。

下面簡單介紹一下，在進(jìn)階階段，對于Excel的技巧應(yīng)該要掌握到什么樣的水平。

• Excel的基本功能
• Excel常用函數(shù)的使用
• Excel數(shù)據(jù)透視表的使用
• Excel的基本圖表的使用

基本功能就不必介紹了，之前有一篇推文提及到，如果在推文里面的練習(xí)題你可以做到滿分，說明你已經(jīng)基本合格了。

（推文：Excel基礎(chǔ)知識，Excel功能篇，Excel函數(shù)篇）

在常用函數(shù)上，你需要掌握如下的函數(shù)：

• 聚合類函數(shù)，例如sumif，sumifs，countif，countifs，min，max等
• 文本類函數(shù)，例如text等
• 時(shí)間類函數(shù)，例如year，month，day，today，time等
• 查找類函數(shù)，例如vlookup，lookup，index&match，find等
• 判斷類函數(shù)，例如if，iferror等

其他平時(shí)少用的函數(shù)，則大可不必花大量時(shí)間去研究，除非你立志要成為Excel表格大師。用的比較少的函數(shù)，在需要用的時(shí)候上網(wǎng)搜索相關(guān)資源即可，所以平時(shí)只需要掌握常用的這幾類函數(shù)就足夠了。

數(shù)據(jù)透視表的內(nèi)容比較簡單，跟BI工具的操作如出一轍：拖拉拽。將你想要透視的字段合理的進(jìn)行規(guī)整，并適當(dāng)?shù)脑O(shè)置透視表的格式，當(dāng)然如果你想考慮設(shè)計(jì)一個(gè)指標(biāo)駕駛艙，并使用控件對駕駛艙數(shù)據(jù)進(jìn)行更新，那么你還需要學(xué)習(xí)如何將透視表和控件參數(shù)進(jìn)行聯(lián)動(dòng)的內(nèi)容。

基本圖表的使用非常重要，除了要學(xué)會(huì)Excel里面常用圖表的創(chuàng)建方法，還需要學(xué)習(xí)如何用圖表來準(zhǔn)確的表達(dá)你想傳達(dá)的信息。在圖表設(shè)計(jì)上，表達(dá)內(nèi)容比圖表制作更重要，同時(shí)還要考慮基本的配色，來配合你傳達(dá)內(nèi)容的主題。如果在這一塊想深入了解的話，這里面就是可視化的內(nèi)容了。

Excel已經(jīng)是非常成熟的軟件，幾乎所有使用技巧你都可以各種書籍以及相關(guān)的網(wǎng)站里找到并操練起來。如果數(shù)據(jù)量不大，且數(shù)據(jù)以數(shù)值為主，處理簡單的計(jì)算邏輯，Excel基本就夠用了。

而當(dāng)你需要更強(qiáng)大的一些功能，比如對多張數(shù)據(jù)表靈活切換、分組、聚合、索引、排序，并且結(jié)合各種函數(shù)的使用，或采用到復(fù)雜些的數(shù)據(jù)分析模型、統(tǒng)計(jì)方法，則可進(jìn)一步學(xué)習(xí)SQL以及學(xué)習(xí)Python的Pandas庫進(jìn)行更高階的表格處理。

第二階段：學(xué)會(huì)SQL獲取數(shù)據(jù)

此階段，我們要知道如何去獲取數(shù)據(jù)，其中最常見的就是從關(guān)系型數(shù)據(jù)庫中取數(shù)，可以暫時(shí)不會(huì)R語言和Python，但是必須掌握SQL數(shù)據(jù)庫語言。大數(shù)據(jù)時(shí)代，數(shù)據(jù)正在呈指數(shù)級增長，面臨的數(shù)據(jù)量會(huì)大大增加，從GB，到TB，甚至到PB，非常可觀。因此，有著固定行數(shù)限制的的Excel顯然無法滿足需求這種大容量數(shù)據(jù)的分析。因此，學(xué)習(xí)數(shù)據(jù)庫語言就顯得非常有必要了。

SQL數(shù)據(jù)庫語言至少要掌握哪些內(nèi)容呢：

• “增”：新增庫、表（create），新增數(shù)據(jù)（insert into），新增約束等；
• “刪”：刪表（drop、delete）等
• “改”：改表（alter）等
• “查”：查表（select），過濾表（where、having、group by）等

基本的增刪改查會(huì)了之后，還得學(xué)會(huì)高級一點(diǎn)的功能，例如：

• 表運(yùn)算（例如使用union進(jìn)行表相加等）
• 表連接（例如使用inner join進(jìn)行表連接等）
• 窗口函數(shù)

這時(shí)候就需要學(xué)習(xí)數(shù)據(jù)庫。理解數(shù)據(jù)庫和數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)，會(huì)一點(diǎn)增刪改查的數(shù)據(jù)庫操作，因此，SQL是數(shù)據(jù)分析的核心技能之一，在這個(gè)階段就是從Excel到SQL的數(shù)據(jù)處理效率進(jìn)一步進(jìn)階。

我們經(jīng)常說“學(xué)以致用”，“以用促學(xué)”，最好的學(xué)習(xí)方式就是練習(xí)，現(xiàn)在很多平臺(tái)都有提供練習(xí)SQL語言的地方，例如?？途W(wǎng)、LeeCode網(wǎng)等等。經(jīng)常刷刷題，保持做代碼的感覺，是有必要的。

第三階段：數(shù)據(jù)可視化展現(xiàn)

數(shù)據(jù)分析所有的流程里面，數(shù)據(jù)可視化是發(fā)現(xiàn)數(shù)據(jù)和展示結(jié)果的重要一環(huán)。試想僅將數(shù)據(jù)分析結(jié)果以數(shù)字報(bào)告或數(shù)字表格的方式呈現(xiàn)在老板的辦公桌上，十年如一日，老板會(huì)有啥感想？

具備圖表可視化能力，更加直觀地展現(xiàn)分析結(jié)果，幫助管理層抓住數(shù)據(jù)本質(zhì)，最好方式就是做出觀點(diǎn)清晰數(shù)據(jù)的PPT和報(bào)表給老板看?？梢暬芰κ沁@個(gè)階段的數(shù)據(jù)分析人員必不可少的技能。

在數(shù)據(jù)可視化展現(xiàn)時(shí)，一般的工作場景中常見的就是Excel數(shù)據(jù)透視表功能，而且目前有WPS里有很多好的的可視化圖案可供大家選擇，還有目前現(xiàn)成的商業(yè)智能分析軟件，如power BI或Tableau等，這兩個(gè)工具都不要編程功底，實(shí)現(xiàn)起來簡單，功能強(qiáng)大，BI商業(yè)軟件可以滿足你大部分的可視化需求，不過功能也會(huì)存在一些受限的場景。

然而，Python語言在數(shù)據(jù)可視化方面也有很多功能，比如Pyecharts等，使用編程語言的好處是更靈活、可以更好地適應(yīng)特殊的需求。

推薦書籍：《用圖表說話》-麥肯錫

第四階段：數(shù)據(jù)貼合業(yè)務(wù)進(jìn)行分析

從按月匯總的數(shù)據(jù)明細(xì)，各種業(yè)務(wù)信息、驅(qū)動(dòng)因素、環(huán)境變量、變化路徑，經(jīng)過層層的匯總篩選處理，可能已經(jīng)遺失了大量信息和數(shù)據(jù)，導(dǎo)致數(shù)據(jù)分析有所局限，很難對業(yè)務(wù)決策起到支持作用。

此階段，貼合業(yè)務(wù)數(shù)據(jù)綜合的分析，通過對業(yè)務(wù)的了解 ，基于業(yè)務(wù)的邏輯對數(shù)據(jù)進(jìn)行分析，找到數(shù)據(jù)指標(biāo)變動(dòng)原因，通過發(fā)現(xiàn)業(yè)務(wù)問題點(diǎn)。這個(gè)階段需要進(jìn)行高階的數(shù)據(jù)處理、加工和分析，通過Sql或者Python讀取數(shù)據(jù)庫的龐大數(shù)據(jù)，也是數(shù)據(jù)分析人員的必經(jīng)之路。你會(huì)真正從數(shù)據(jù)的角度開始理解業(yè)務(wù)，洞察一切細(xì)節(jié)深究業(yè)務(wù)，也是在這個(gè)階段真正的數(shù)據(jù)分析進(jìn)階。

第五階段：數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)

在數(shù)據(jù)的領(lǐng)域里，整理了無數(shù)的數(shù)據(jù)報(bào)表，梳理了很多遍的業(yè)務(wù)邏輯，最后數(shù)據(jù)分析人員開始進(jìn)入這個(gè)階段：如何高效能的優(yōu)化數(shù)據(jù)指標(biāo)監(jiān)控體系，讓數(shù)據(jù)報(bào)表之間的井然有序，讓數(shù)據(jù)分析更簡單和靈活，讓決策迅速而優(yōu)化？能結(jié)合行業(yè)背景，利用數(shù)據(jù)挖掘工具，建置數(shù)據(jù)挖掘模型，發(fā)掘規(guī)律、商業(yè)價(jià)值、降本提效？

支持優(yōu)化業(yè)務(wù)決策、發(fā)掘規(guī)律、商業(yè)價(jià)值、降本提效？這不就是數(shù)據(jù)的分析的價(jià)值所在么？因此 ，此階段數(shù)據(jù)分析人員就需要建立復(fù)雜的多維的決策建模，使其更有體系，真正的實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)。就是將二維的平面數(shù)據(jù)報(bào)表，進(jìn)階到一個(gè)個(gè)立方體的多維宇宙，多方位的實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)增長，高效能的解決實(shí)際業(yè)務(wù)場景中遇到的大部分復(fù)雜工作。比如上千家門店的銷售數(shù)據(jù)報(bào)表合并等。

小結(jié)：

總之，在數(shù)據(jù)分析進(jìn)階的過程中，有兩個(gè)方面的能力：一是思維能力，包含財(cái)務(wù)思維、管理思維、業(yè)務(wù)思維、商業(yè)思維等；二是技術(shù)能力，主要是軟件使用能力和數(shù)據(jù)展示能力等?？梢哉f，分析工具是數(shù)據(jù)分析必備的硬件模塊，它就像一雙手。而分析思維，是數(shù)據(jù)分析必備的軟件模塊，它就像一個(gè)大腦。這兩個(gè)方面的能力一直穿插在數(shù)據(jù)分析進(jìn)階的過程中，在不同的階段不斷的更新迭代、不斷的提升。

2.?思維與數(shù)據(jù)分析

所謂的數(shù)據(jù)思維，其目標(biāo)是讓數(shù)據(jù)傳達(dá)出真正的信息，且呈現(xiàn)出畫面感，而不是一堆堆冰冷的數(shù)據(jù)指標(biāo)。就像簡歷或者工作總結(jié)中，要體現(xiàn)活動(dòng)營銷轉(zhuǎn)化率提升5%，創(chuàng)建企業(yè)率提升5%，會(huì)員業(yè)績提升8%一樣。數(shù)據(jù)分析思維是通過各種方法收集數(shù)據(jù)，了解需求，然后改進(jìn)決策，不斷迭代，降本提效。

在工作和生活中，我們應(yīng)該通過不同的場景，來不斷培養(yǎng)數(shù)據(jù)思維習(xí)慣。

如在工作中：

• 在廣告投放時(shí)，嘗試去估算廣告的受眾群數(shù)量大小，渠道數(shù)量、成本和效果回收情況，想辦法去拆解出各種影響因素、預(yù)期效果、投入成本等信息。
• 在優(yōu)化產(chǎn)品時(shí)，去梳理其商業(yè)模式、面對的用戶群體、群體的使用場景，以及可能設(shè)置的付費(fèi)點(diǎn)并去驗(yàn)證，同時(shí)想到可改進(jìn)的價(jià)值點(diǎn)，并觀察后續(xù)運(yùn)營動(dòng)作是否驗(yàn)證了改進(jìn)點(diǎn)。
• 在整理回訪數(shù)據(jù)時(shí)，能通過線索來源，通話總次數(shù)，通話有效次數(shù)&時(shí)長，線索意向級別，銷售司齡等數(shù)據(jù)維度來判斷這組客戶的意向度，縮短成單周期。
• ·······

在生活中：

• 觀察并思考為什么滴滴打車你的價(jià)格高？可能你周圍叫車用戶多而司機(jī)少，也可能”其他原因”。
• 觀察并思考為什么微信訂閱號文章改版后，有了點(diǎn)贊，還要增加在看？微信想加深用戶粘性，讓你看到更多朋友的世界，也讓微信文章得到更多曝光。
• 觀察并思考為什么每個(gè)超市都鼓勵(lì)辦會(huì)員卡？因?yàn)橐糇∧悖黾幽氵x擇去他們消費(fèi)的機(jī)會(huì)，減少去競爭對手消費(fèi)的機(jī)會(huì)。
• ·······

小結(jié)：

以上是我們可以在工作和生活中需要培養(yǎng)數(shù)據(jù)思維習(xí)慣的思考場景，當(dāng)然，不同場景產(chǎn)生差異化的行為，而數(shù)據(jù)分析思維讓我們從數(shù)據(jù)上觀察到這些差異，然而在實(shí)際工作中的前提是，我們要熟悉自己的業(yè)務(wù)流程以及業(yè)務(wù)指標(biāo)等，我們在培養(yǎng)數(shù)據(jù)思維的同時(shí)數(shù)據(jù)敏感度會(huì)不斷提升。

3.?工具與數(shù)據(jù)分析

數(shù)據(jù)分析的工具市面上也是有很多的，也在不斷進(jìn)化發(fā)展的，這時(shí)我們就需要根據(jù)公司業(yè)務(wù)情況進(jìn)行選擇。比如做市場研究、競對分析經(jīng)常會(huì)使用Python進(jìn)行外部數(shù)據(jù)的抓取，統(tǒng)計(jì)分析領(lǐng)域常用到SPSS，以及調(diào)用地圖開放平臺(tái)進(jìn)行地圖可視化繪制。

對于數(shù)據(jù)分析進(jìn)階之路上，在不同階段應(yīng)用的工具也有所不同，Excel+SQL這2個(gè)工具在上述篇章作為入門的數(shù)據(jù)分析工具提過，這里就不展開介紹了，這里在進(jìn)階方面推薦一下Python+可視化工具。

1）Python

大多數(shù)人可能是從0開始，從未接觸過編程，因而入門確實(shí)是有一定難度的。而更為關(guān)鍵的原因是，從數(shù)據(jù)分析進(jìn)階的過程中，從技能上來看，Python使用場景豐富，助益頗多，又語言簡潔，適合新手學(xué)習(xí)。Python是一種面向?qū)ο?、解釋型?jì)算機(jī)程序設(shè)計(jì)語言。Python語法簡潔而清晰，具有豐富和強(qiáng)大的類庫。它常被昵稱為膠水語言，能夠把用其他語言制作的各種模塊輕松地聯(lián)結(jié)在一起。

來看看Python能幫數(shù)據(jù)分析人員做到哪些：

• 掌握Python語法，可以設(shè)計(jì)一些算法，解決數(shù)據(jù)分析模型中的一些復(fù)雜計(jì)算；
• 熟悉Python可視化，可以處理后的數(shù)據(jù)用更多炫酷圖表的方式展示，視覺上更美觀，又直擊重點(diǎn)；
• Python連接數(shù)據(jù)庫操作，連接多維模型，可以從零散的數(shù)據(jù)，到有一定數(shù)據(jù)規(guī)范和模型的數(shù)據(jù)海洋，優(yōu)化數(shù)據(jù)結(jié)構(gòu)，靈活的模擬業(yè)務(wù)決策；
• ········

（作用太多了 ，就不一一列舉了）

2）可視化工具

數(shù)據(jù)可視化工具，即將數(shù)據(jù)分析結(jié)果轉(zhuǎn)化為圖表，其終極目標(biāo)是洞悉蘊(yùn)含在數(shù)據(jù)中的現(xiàn)象和規(guī)律，目前市面上的數(shù)據(jù)可視化工具很多，但基本邏輯都是相通的。可從Power BI+Tableau兩種工具開始。

• Tableau將數(shù)據(jù)計(jì)算和美觀的圖表完美地融合在一起，可以在幾分鐘內(nèi)生成美觀的圖表、坐標(biāo)圖、儀表盤與報(bào)告。是用來快速分析、可視化的強(qiáng)大工具，偏向商業(yè)分析。其特點(diǎn)：輕松整合，易上手，類似于Excel數(shù)據(jù)透視表/圖的功能，可進(jìn)行交互，能輕松制作美觀的儀表盤、坐標(biāo)圖。
• Power BI屬于微軟做的一個(gè)專門做數(shù)據(jù)分析的商業(yè)智能軟件，先用PowerQuery處理和清洗數(shù)據(jù)，再用PowerPivot建模，最后用Power BI的圖表庫作圖。其特點(diǎn)：與Excel無縫對接，創(chuàng)建個(gè)性化的數(shù)據(jù)看板，對于常用Excel的來說學(xué)習(xí)上手也相對容易。

小結(jié)：

除以上提到的Excel+SQL+可視化+Python等數(shù)據(jù)分析工具外，還有很多其他的工具，如SPSS、R語言等，大家在學(xué)習(xí)時(shí)，可以根據(jù)自己的實(shí)際需要來學(xué)習(xí)，不必要花費(fèi)大量時(shí)間，做到樣樣精通。這些工具主要是能夠幫助我們在短時(shí)間內(nèi)完成復(fù)雜的數(shù)據(jù)分析計(jì)算過程，輸出準(zhǔn)確的數(shù)據(jù)分析結(jié)果，提高工作效率的。總之 ，在數(shù)據(jù)分析工作中，分析工具和分析方法是密不可分的，科學(xué)的方法結(jié)合高效的分析工具使用，才能提高分析效率和質(zhì)量。

4.?數(shù)據(jù)進(jìn)階的知識點(diǎn)和書籍推薦（僅供參考）

• 網(wǎng)絡(luò)爬蟲、SPSS、SAS、R語言等的學(xué)習(xí)：《SPSS統(tǒng)計(jì)分析基礎(chǔ)教程》、《問卷數(shù)據(jù)分析-破解SPSS的六類分析思路》、《R語言實(shí)戰(zhàn)》等書籍。
• 數(shù)據(jù)挖掘算法得到學(xué)習(xí)：這部分相對來說還是比較難的，但是在工作中會(huì)去深化理解和學(xué)習(xí)，可以粗略的看看，等工作中遇到的時(shí)候再去針對性學(xué)習(xí)。學(xué)習(xí)資源有：經(jīng)典的 《統(tǒng)計(jì)學(xué)習(xí)方法》，主講分類算法，偏理論推導(dǎo)《機(jī)器學(xué)習(xí)實(shí)戰(zhàn)》《機(jī)器學(xué)習(xí)》等書籍。
• 數(shù)學(xué)知識的學(xué)習(xí)：概率論基礎(chǔ)、獨(dú)立事件、條件概率、全概率公式以及貝葉斯定律，有《概率導(dǎo)論》《線性代數(shù)》《概率論與數(shù)理統(tǒng)計(jì)》等書籍。
• ·······

八、數(shù)據(jù)分析存在的挑戰(zhàn)以及發(fā)展前景

1. 數(shù)據(jù)分析挑戰(zhàn)在哪里？

1）入門容易，進(jìn)階難

“數(shù)據(jù)分析”越來越成為各個(gè)職業(yè)的必備的基本技能，各個(gè)職業(yè)上的從業(yè)人員都會(huì)開始學(xué)習(xí)數(shù)據(jù)分析，如運(yùn)營、產(chǎn)品、技術(shù)、人力、財(cái)務(wù)都需要一些數(shù)據(jù)分析的思維和技能，因此，不只是從事數(shù)據(jù)分析領(lǐng)域的人員需要掌握的，別的職能也需要懂些基本的，尤其在互聯(lián)網(wǎng)行業(yè)，要了解常用的基本分析框架和思維，簡單的做個(gè)報(bào)表，讀懂 A/B test，能做簡單的決定等等。

但是呢，在數(shù)據(jù)分析這個(gè)領(lǐng)域，進(jìn)階非常難，在方法論以及思維方面，因?yàn)閷?shí)際操作中有很多坑，而這些坑，通過在書本里是很難找到的，即使有也是非常零散。在技能方面呢，大部分人又從未接觸過編程，因此，進(jìn)階的過程會(huì)有一定難度的。

2）不能有效推動(dòng)業(yè)務(wù)，價(jià)值產(chǎn)出弱

互聯(lián)網(wǎng)行業(yè)是一個(gè)構(gòu)建在規(guī)模經(jīng)濟(jì)之上的、競爭相當(dāng)激烈的行業(yè)，產(chǎn)品更新迭代速度快。只有快速迭代產(chǎn)品，更好、更快地滿足用戶需求，吸引足夠多的用戶關(guān)注與使用，獲得快速增長，才能拿到融資、才能獲得較好的現(xiàn)金流，否則很難生存下去。目前2C行業(yè)已經(jīng)到了增長的天花板，競爭只會(huì)愈演愈烈。企業(yè)會(huì)更加在意數(shù)據(jù)分析的價(jià)值產(chǎn)出，希望以數(shù)據(jù)驅(qū)動(dòng)的形式快速迭代產(chǎn)品，產(chǎn)生更多的用戶增長和現(xiàn)金流。

但是呢，業(yè)務(wù)發(fā)展太快，導(dǎo)致人手不足，數(shù)據(jù)分析人員沒法深入了解業(yè)務(wù)，沒有貼合業(yè)務(wù)的數(shù)據(jù)分析產(chǎn)出的結(jié)果，并不能真正的推動(dòng)業(yè)務(wù)增長，也不能很好的判斷哪些需求的優(yōu)先級，可能導(dǎo)致避重就輕。進(jìn)而，缺乏數(shù)據(jù)分析落地的實(shí)例，進(jìn)而循環(huán)往復(fù)。當(dāng)然，這里面影響因素是多種多樣，而且互相影響，就不一一展開了。

3）存在感不強(qiáng)，技能要求會(huì)越來越高

在很多時(shí)候不少公司又缺乏充足的落地的實(shí)例，于是行業(yè)整體看來，數(shù)據(jù)分析人員即不如技術(shù)類工種難度高、需求大，又不如產(chǎn)品類工種貼近業(yè)務(wù)，因此，其主要的工作是支撐業(yè)務(wù)部門，為業(yè)務(wù)部門提供各種數(shù)據(jù)用于業(yè)務(wù)決策。但業(yè)務(wù)方往往不清楚業(yè)務(wù)的真實(shí)需求，數(shù)據(jù)分析人員更加不太關(guān)注業(yè)務(wù)，淪為一個(gè)取數(shù)機(jī)器或者表哥等。最終，對工作的熱情一定不會(huì)高，也會(huì)失去一定存在感。

但是呢，隨著科學(xué)技術(shù)的進(jìn)步、5G技術(shù)的成熟，整個(gè)互聯(lián)網(wǎng)行業(yè)上將會(huì)產(chǎn)生越來越多的數(shù)據(jù)，這些數(shù)據(jù)呈現(xiàn)出越來越非結(jié)構(gòu)化的趨勢，數(shù)據(jù)種類也越來越多樣化，這些數(shù)據(jù)包括文本、圖片、視頻、音頻、網(wǎng)頁、社交關(guān)系等多種數(shù)據(jù)類型，其處理方式也會(huì)更加復(fù)雜。因此，不光要懂SQL、Python等，未來的數(shù)據(jù)分析人員可能還要精通（至少要了解原理、會(huì)用工具）很多其他的數(shù)據(jù)處理技術(shù)。這無形給數(shù)據(jù)分析人員提出了更高的要求，工作也會(huì)更加有挑戰(zhàn)。

2. 數(shù)據(jù)分析發(fā)展前景

在大數(shù)據(jù)和5G技術(shù)逐漸成為趨勢的時(shí)代背景下，“數(shù)據(jù)”是越來越常見，如社交網(wǎng)絡(luò)、消費(fèi)信息、旅游記錄……企業(yè)層面的銷售數(shù)據(jù)、運(yùn)營數(shù)據(jù)、產(chǎn)品數(shù)據(jù)、活動(dòng)數(shù)據(jù)……

如何快速精準(zhǔn)的對這些數(shù)據(jù)進(jìn)行處理？

如何從海量數(shù)據(jù)中挖掘別人看不見的價(jià)值？

如何利用這些數(shù)據(jù)來做精準(zhǔn)營銷投放、優(yōu)化產(chǎn)品、用戶調(diào)研、支撐決策？

因此，運(yùn)營、產(chǎn)品、市場、營銷等工作崗位中數(shù)據(jù)分析是必不可少的一項(xiàng)技能！數(shù)據(jù)分析可以將數(shù)據(jù)的價(jià)值最大化！而從各大招聘網(wǎng)站也可以看出來，在薪資方面也是相當(dāng)可觀的！并且現(xiàn)在各個(gè)互聯(lián)網(wǎng)的崗位都需要數(shù)據(jù)分析技能！

由此可見，在未來互聯(lián)網(wǎng)職場中，“數(shù)據(jù)分析”技能無疑成為的標(biāo)配！就數(shù)據(jù)分析前景而言，其發(fā)展路徑無非是兩條：要么在公司內(nèi)部做數(shù)據(jù)分析，偏前端，重在業(yè)務(wù)分析，用數(shù)據(jù)分析賦能業(yè)務(wù)發(fā)展。要么數(shù)據(jù)挖掘方向，偏后端，技術(shù)能力要求更高一些，但對業(yè)務(wù)的理解是基礎(chǔ)。而做數(shù)據(jù)分析更應(yīng)該考慮如何用數(shù)據(jù)創(chuàng)造價(jià)值，如果你沒有用數(shù)據(jù)創(chuàng)造價(jià)值的能力，那么就只能等著被數(shù)據(jù)淹沒，淪為一個(gè)取數(shù)的或者做報(bào)表的機(jī)器而已，也就早早的到達(dá)職業(yè)的天花板。

這往往體現(xiàn)在數(shù)據(jù)價(jià)值的層面上，越往數(shù)據(jù)應(yīng)用層靠攏，對數(shù)據(jù)產(chǎn)生價(jià)值的要求就越高，從事數(shù)據(jù)分析領(lǐng)域的人要常常自省是否有更好的商業(yè)意識、數(shù)據(jù)思維、業(yè)務(wù)理解能力、數(shù)據(jù)敏感度等，畢竟在公司層面，沒人關(guān)心你是否比某個(gè)指標(biāo)提高了一個(gè)百分點(diǎn)，公司關(guān)心的是你提高了這一個(gè)百分點(diǎn)之后，對公司產(chǎn)生的價(jià)值是什么。

那么，你就需要成為具備商業(yè)意識、數(shù)據(jù)思維、業(yè)務(wù)理解能力、數(shù)據(jù)敏感度等的高價(jià)值的數(shù)據(jù)人員，所以多多學(xué)習(xí)吧，別太約束自己，故步自封，多在行業(yè)領(lǐng)域內(nèi)交流。

#專欄作家#

木兮擎天＠，微信公眾號：木木自由，人人都是產(chǎn)品經(jīng)理專欄作家。多年互聯(lián)網(wǎng)數(shù)據(jù)運(yùn)營經(jīng)驗(yàn)，涉獵運(yùn)營領(lǐng)域較廣，關(guān)注于運(yùn)營、數(shù)據(jù)分析的實(shí)戰(zhàn)案例與經(jīng)驗(yàn)以及方法論的總結(jié)，探索運(yùn)營與數(shù)據(jù)的神奇奧秘！

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Pexels，基于CC0協(xié)議