在一个工作交流群里，一个朋友说想转行做数据分析师，然后很多人开始讨论，半路出家能找到工作吗？做一名数据分析师需要哪些知识和技能？
今天就来说说商业数据分析师的七类岗位，以及基本功。要了解数据分析业务，进入容易，掌握难。必须有工具。
一、商业数据分析的7类岗位
1.商业统计学家
了解企业数据，发现业务问题，开发预测模型，帮助企业做出更好的信息决策。
2.数据挖掘人员
发现和积累知识，需要熟悉各种数据挖掘算法，可以进行深度的客户识别和画像，满足营销、风控和客户关系管理的需求。
3.大数据分析师
处理海量异构数据，用其他工具收集、存储和清理数据。同时配合数据挖掘者、报表制作者、业务统计分析师完成工作。
4.业务支持
创建业务报告或进行业务分析。
5.报告制作者
编写SQL程序来查询和生成报告。
6.数据管理人员
为需要的人提供便捷的数据访问服务。
7.数据架构师
处理、模型开发和数据质量管理设计所需的架构和方法；平台人员：负责企业管理平台的安装、配置、管理和维护。
二、什么是数据分析？
数据分析是基于商业目的，对数据进行收集、整理、加工和分析，提炼有价值的信息并指导实践的过程。数据分析的三大功能是状态分析、原因分析和预测分析。该过程主要包括六个阶段：确定分析的目的和框架、数据收集、数据处理、数据分析、数据展示和报告撰写。
1、明确分析目的和框架。
一个分析项目，它的数据对象是谁？商业目的是什么？你想解决什么业务问题？数据分析师要清楚这些，然后整理分析框架和分析思路。
比如减少新客户流失，优化活动效果，提高客户回复率等。每个项目都有不同的数据要求和不同的分析方法。(本文第三部分将详细介绍四种常见的分析框架。)
2.数据收集
数据收集是数据分析的基础。根据确定的分析框架，有目的地收集和整合相关数据。
3.数据处理
数据处理是指对收集的数据进行处理和分类。是数据分析前必不可少的阶段，也是整个数据分析过程中花费时间最多的阶段。耗时的程度取决于整个项目对数据仓库和数据质量的要求。
数据处理的常用方法有：数据清洗、数据转换等。
4.数据分析
在定义了分析的目的和框架，收集和处理了数据之后，我们就可以开始分析数据了。我们需要通过特定的手段、各种方法和行业技巧对数据进行挖掘，发现因果关系、内容联系和商业规律等。从而为商业目的提供参考。
在这个阶段，如果你想能够控制数据并进行分析工作，你需要使用工具和方法。
在分析方法上，最基本的是要知道方差、回归、因子、聚类、分类、时间序列等概念，以及它们的原理、适用范围、优缺点；在分析工具方面，数据分析师一般偏好Excel，使用一个专业的分析软件，比如数据分析工具SPSS/SAS/Matlab，方便一些专业的统计分析和数据建模。
5.数据显示
俗话说，文字不如表格，表格不如图片。借助数据呈现手段，数据分析师可以更直观地表达自己想要呈现的信息、观点和建议。一般来说，数据分析的结果是以图表的形式呈现的。
常用的图表有饼图、折线图、柱形图/条形图、散点图、雷达图、金字塔图、矩阵图、漏斗图、排列图等。
6.写报告
最后一个阶段是写数据分析报告，这是整个数据分析结果的呈现。通过分析报告，完整呈现数据分析的目的、过程、结果和方案，为商业目的提供参考。
Tips:一份好的数据分析报告，首先需要一个好的分析框架，并且图文并茂，层次清晰，能让读者一目了然。结构清晰，重点明确，能使读者正确理解报告内容；插图可以使数据更加生动，提高视觉冲击力，帮助读者更加形象直观地看到问题和结论，从而产生思考。
另外，数据分析报告需要有明确的结论、建议和解决方案，不仅要找出问题所在，而且后者更重要。否则不能称之为好的分析，也失去了报告的意义。数据的初衷是为了商业目的去分析，不能舍本求末。
三、4种常用分析框架
从管理和商业的角度
角度提出的分析框架，指导着后期数据分析工作的开展。营销方面的理论模型有：4P、用户使用行为、STP理论、SWOT等。
管理方面的理论模型有：PEST、5W2H、时间管理、生命周期、逻辑树、金字塔、SMART原则等。
本文主要说明：5W2H、逻辑树、4P、用户使用行为这4个比较实用的理论。
1、5W2H
定义：何因（Why）、何事（What）、何人（Who）、何时（When）、何地（Where）、如何做（How）、何价（How much）
适用范围：用户行为分析、业务问题专题分析、营销活动等。
优点：广泛应用于企业营销、管理活动，对于决策和执行性的活动措施非常有帮助，也有助于弥补考虑问题的疏漏。
2、逻辑树
定义：逻辑树，又称问题树、演绎树或分解树等。它将问题的所有子问题分层罗列，从最高层开始，并逐步向下扩展。
适用范围：业务问题专题分析
优点：逻辑树的作用主要是帮你理清自己的思路，避免进行重复、无关的思考。逻辑树能保证解决问题的过程的完整性，能将工作细分为便于操作的任务，确定各部分的优先顺序，明确地把责任落实到个人。
缺点：涉及的相关问题可能有遗漏，虽然可以用头脑风暴把涉及的问题总结归纳出来，但还是难以避免存在考虑不周全的地方。所以在使用逻辑树的时候，尽量把涉及的问题或要素考虑周全。
使用逻辑树必须遵循以下3个原则：
要素化：把相同问题总结归纳成要素。
框架化：将各个要素组织成框架，遵守不重不漏的原则。
关联化：框架内的各要素保持必要的相互关系，简单而不孤立。
3、4P
定义：4P，即产品（Product）、价格（Price）、渠道（Place）、促销（Promotion）
适用范围：主要用于公司整体经营情况分析。
4、用户使用行为
用户使用行为，即用户为获取、使用物品或服务所采取的各种行为。
用户使用行为的完整过程
通常情况下，用户对产品首先需要有一个认知、熟悉的过程，然后试用，再决定是否继续消费使用，最后成为忠诚用户。在这个锅层中，我们可以利用用户使用行为理论，梳理产品分析的各关键指标之间的逻辑关系，构建符合公司实际业务的产品分析指标体系。
它的缺点是用途较为单一，就是用于用户行为的研究分析。
数据分析师的发展前景普遍如何？本文，我们收集了目前国内主流招聘网站的一些相关数据，通过可视化的方式来看看这一岗位的现状。
分析目的
基于招聘网站的相关数据，通过可视化分析，探究以下问题：
哪些行业对数据分析师需求量最大？
招聘企业普遍处于哪个阶段（融资情况，上市情况）？
数据分析岗位学历要求？
数据分析岗位工作经验要求？
数据分析岗位薪水情况？
数据整理
我们随机采集了目前较为主流的几个招聘网站有关“数据分析”岗位的数据，包括拉勾网、智联招聘、猎聘网以及BOSS直聘。
采集字段为：职位、公司、薪水、经验要求、学历要求、所属行业、企业融资情况
分析工具
首先使用八爪鱼数据采集工具（免费版，可从官网http://www.bazhuayu.com下载），添加搜索网址，并选择我们所需的字段，开始采集。对于新手来说，八爪鱼数据采集工具是不错的选择，可以没有任何代码基础，也不需要写正则等采集规则（火车采集器会复杂一点，需要写正则）。
然后我们将采集到的数据导出，导出格式为Excel，由于各招聘网站字段有出入，需要使用Excel工具进行简单的整理。
数据分析工具我们使用DataHunter数据可视化分析平台Data Analytics，同样也是因为Data Analytics相比于Excel等产品更为简单易用，拖拽式的操作即可完成分析过程。对于个人用户，Data Analytics完全免费，可通过在官网（http://www.datahunter.cn）注册即可使用。
分析结果
这里并未把所有行业都显示出来，只选择了占比较高的一些。数据结果显示，金融行业、数据服务、游戏这三个行业对数据分析师的需求更为强烈，医疗、信息安全、生活服务、社交等行业也在招聘数据分析相关岗位。其它行业还包括了计算机硬件、广告营销、文化娱乐等。
与数据分析相关的岗位占比，可以看到，绝大部分企业在招聘数据分析师，其它岗位还包括数据分析工程师、数据分析经理、数据分析专家以及数据分析实习生，尽管都是与数据打交道，但不同岗位对技能的要求还是有一些区别的。
薪水方面，我们也只是显示了占比较多的薪水区间。可以看出，数据分析岗位的薪水普遍在10K-20K的区间，10K以下的岗位也有一定的占比，当然，从整体数据来看，数据分析岗位的薪水跨度区间还是很大的，实习生工资最低只有3K左右，而最高薪可以达到80K-100K。
我们可以看到，绝大部分岗位都需要有一定的工作经验，其中，3-5年占比最多，其次是1-3年。当然，还有部分企业要求有5-10年的工作经验。而学历方面，本科占比最多，有部分要求较高的职位，还要求具备博士、硕士学历。
在所有招聘数据分析相关岗位的企业中，可以看到不少互联网巨头对于数据分析师都有强烈的需求，提供的岗位也比较多，其中包括了京东、美团、饿了么、近日头条、58同城、搜狐、联想等。另外，可以看到，大部分企业均已拿到融资或上市，也有部分企业还处于未获得融资状态或不需要融资。
