每個行業都有好的數據分析師，但如何定義頂尖呢？

頂級的數據分析師一定會在數據變現最牛的行業里存在，這些業務是真正的數據驅動，因為數據上差一點點，效益就會差一大截。

這里以運營商為例來說明頂級數據分析師（為了描述方便，稱其為A君）應該發揮出的價值，然后筆者總結了7個核心能力。

數據分析不僅僅是出個報告，而是要能產生實際的價值，用數據分析真正的驅動生產。

?

在互聯網公司，優化產品的數據分析師做到了這一點，比如通過與產品的協同進行AB測試，給出產品優化的具體建議，從分析到生產的流程特別短，這是非常值得學習的。

在傳統企業，由于組織、機制及流程的原因，要做到數據分析驅動業務挑戰比互聯網公司大很多。

從上面的案例可知，要達到頂級數據分析師的程度，光是會取數、會分析、會出報告是遠遠不夠的，頂級數據分析師要能基于數據分析驅動業務，創造實際生產力。

為了達到這個目標，頂級數據分析師需要具備哪些素質呢？

?

1、業務能力

業務知識的學習和掌握，需要的積累之深，培養一個業務專家，需要的周期之長，都遠遠超過后面所說的那些基本技能。

【理解公司戰略】

一名數據分析師其最本質的價值就是去用數據驅動業務增長。而每一項業務本質上是公司整體戰略的支撐，理解了戰略，才能選對分析思路的方向。

【充分理解行業】

對自己的行業有足夠敏感度，多與業務部門核心團隊進行溝通，多關注行業網站，多閱讀行業數據分析報告做好積累，比如處于什么階段，自己所在的位置，當前的重點業務方向在哪里，碰到了哪些挑戰，總體的解決思路是什么。

【理解領導思想】

如果你無法達到業務領導的高度，就更要多和他溝通，了解他對業務的看法，站在他的肩膀之上去理解他所認知的業務，記住，你為誰負責，誰是你最大的資源。

【業務崗位實戰】

對于業務的理解不是簡單的看文檔就可以的，一定來自于對于公司業務的實際流程、機制、平臺、數據等的充分的理解，最好在實際相關崗位呆過，比如沒做過數據，可能連口徑都搞不清楚。

2、思考能力

如果你只是很好的“實現者”，而不是很好的“思考者”，那做數據分析是沒有前途的！

【最值錢的是想法】

基于業務人員想法來制作報表或者看板，最多只是“60份工作”。即便你的需求來源是業務部門老總，也就值60分。其無法凸顯你的價值，無法讓你升職加薪。

數據分析最值錢的就是想法，特別是基于實際業務現狀有針對性的想法，比如運營商傳統上是基于星級體系來提供差異化服務，而你想到了金融行業的信用分，你把它移植到運營商就有新的價值。

【成為一名思考者】

要有深度思考的習慣，要成為一名“思考者”，才能對業務有獨到的見解和想法，通過你擁有的數據對這些想法進行系統化、體系化的分析，通過數據來論證自己的想法。這是一個很痛苦、很費時的工作，比如A君就是邏輯思考能力極強的人，能夠通過數據分析的手段來驅動業務的開展。

【要全面開放自己】

你的歷史經歷和站位決定了視野的狹隘性，沒有足夠的外部輸入，你思考能力再強也是巧婦難為無米之炊，也是很難有分析靈感的，不要怕丟面子，通過與同事、領導、圈外人事多交流，才能獲得更多的信息，讓好的分析思路涌現。

?

3、溝通能力

對上要通過反復溝通確認目標、對中要采取協作做到滴水不漏、對下要換位思考獲得尊重。

【對上溝通】

你的分析為誰負責，就要跟誰溝通清楚，最忌諱不懂裝懂，自以為是，領導的時間有限，要抓住一切機會去溝通清楚分析的目的到底是什么，領導有什么預期，第一遍溝通后，列個提綱再去溝通，淘盡領導所有的現成想法，你很煩，就對了，總比事后領導見你煩。

【分析協作】

個人的視野是比較窄的，很難邏輯嚴謹，跟我們合作的一些企業往往采用團隊協作方式，你會發現，他們提交的分析報告往往能體現整個公司的分析水平，而不是受限于個人，如果企業的經營分析報告總是來自于某個領導或某個個人，何來進步？你們的能力就是企業的瓶頸。

【對下安排】

數據分析貫穿數據、技術、業務整個鏈條，你需要面對不同的崗位，碰到不同的角色，采用不同的語言，表達你的要求和獲得你需要的東西，成為數據和業務的橋梁，比如業務如何理解？如何數據取得更快？發現數據問題如何盡快的確認原因？都考驗著你的實際人脈和權威。

?

4、表達能力

一切都是為了讓人看懂。

【態度上重視匯報】

一定要重視匯報，不要覺得“酒香不怕巷子香”，在你沒匯報前，領導不太知道你的實際業績，IT專業的人有時比較吃虧往往是認知問題，就是不重視對上，也不愿意去搞這種虛頭巴腦的東西，很多人做了80分，匯報只有30分，其實也跟教育有關，通識不夠，沒有美感。

【匯報講究故事化】

匯報前要做好充分的準備，理解每一個字和每一個數字，把你要表述的內容整理成為具有條理的“故事”，用自己的語言表述出來，讓人家能理解你講的東西，有時要反復練習，不用看PPT，就可以把整個PPT的邏輯清晰的表述出來。

?

5、分析方法

【理解指標】

每個企業都有一套KPI指標體系，圍繞KPI指標還有一系列的執行監控指標，作為數據分析師一定要對企業的核心指標體系有深入的理解，這是做數據分析的人要搞懂的最基本概念。

【理解維度】

業務反映在指標上，業務分析就是對于合適指標的分析，指標只有經過比較才能鑒別到問題，而要實現鑒別分析，維度的選擇是最核心的！

【理解常識】

數據分析的結論最終的表現形式仍然是指標數據，而這個指標數據往往是層層下鉆比對的結果，只是次要因素已經被剔除，主要因素大概率呈現，但主要和次要因素的判斷，還是來自于數據分析師的主觀判斷。

【掌握工具】

BI很大程度上就是用一些可視化技術來進行指標比較的藝術，有助于你更快、更直觀的發現問題和定位問題，畢竟人腦對圖表、圖像的敏感度更高。

比如FineBI，能做到拖拽生成數據分析，是每個數據分析師的技能！

?

6、數據能力

對于數據要知其所以然！

【擁有全局的數據視野】

在大多數公司里，數據分析師的工作是專業化的，但其實你分析要的數據是全方位的，不會有劃定的專業邊界。在實踐中，數據分析師往往不知道到底有多少數據，其數據分析的深度和廣度由于其視野的狹窄而受限。

數據分析師應對數據字典進行系統的學習，自底向上的實踐很重要，但自頂向下的學習也很必要。

【擁有更深的數據理解】

數據字典體現的往往只是表層的數據含義，如果你希望分析的更為靈活，就需要理解數據之間的依賴關系和來龍去脈，因為每張數據表都是由下一層次的表關聯匯總而成，但匯總意味著信息的丟失。

只有具備追根溯源的能力，你才更有可能基于更多的信息獲得更大的分析自由度，比如你看到業務系統上某個菜單的功能，對應到系統中的數據是怎樣的？

7、技術能力

【獲取數據-SQL】

SQL是最靈活的操作數據的語言，任何一個數據庫都會提供SQL的支持，它架起了業務和數據的橋梁，簡單易學，性價比很高，也是數據分析師的必須要學習的語言。

新的時期數據分析師不要過于依賴別人給你提供的數據，溝通的成本太高，一定要學會自己用SQL來獲得所需的定制化數據，它給了你更多的可能。

【加工數據-EXCEL】

EXCEL提供了最為靈活的輕量級數據的加工和呈現的能力，對于EXCEL的掌握是任何數據分析師的基本功，透視圖，圖表，公式，計算都是極其方便的工具。

?

【挖掘數據-機器學習，深度學習】

數據分析師需要通過分析獲得數據背后隱藏的知識，一般用SQL，EXCEL結合自己的經驗來進行判斷，但這種模式分析的數據維度是有限的，比如靠人很難看出3維以上數據之間的關系，一定要借助工具。

這就是機器學習可以幫到你的地方，比如聚類，分類，預測等等，隨著機器學習，人工智能工具使用門檻的降低，數據分析師要掌握至少一種挖掘的方法。

?

總結

筆者的數據支撐團隊經常要做數據分析，比如針對收入波動就要找原因，但僅找到原因是不夠的，更希望數據分析師能推動前端產品和運營去進行改造或優化，否則數據分析得出的結論就失去了意義。

這些會涉及大量的跨團隊的工作，但筆者還是堅持要求數據分析師能夠沖到前面去，因此數據分析師經常要跟產品打架，跟運營打架，要產品改這個改那個，我覺得挺好，這才是真正的數據驅動業務。

你也許會質疑，筆者這里提到的數據分析已超越了了傳統數據分析師的范疇，但數據分析師要把事干成就得這么做，這是你的價值出口。數據分析師的目標從來不是只做數據分析，你應該把數據分析當成職業生涯的一個階段或一個起點。

從這個角度看，能夠利用數據驅動思維做成事的人才是企業頂級的數據分析師。

?

歡迎關注我的公眾號“商業智能研究”，私信回復“資料包”，即可領取大數據、數據中臺、商業智能、數據倉庫等6G精華資料！

總結

以上是生活随笔為你收集整理的数据行业工作3年，我靠这7个能力，成为领导青睐的高级数据分析师的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。