Interview：人工智能&大數據崗位面試—【數據分析師】的簡介、技能、待遇、進階的詳細攻略

目錄

數據分析師的簡介

1、網友經驗之談

數據分析師的待遇

數據分析師的技能

數據分析師進階

---

數據分析師的簡介

? ? ? ?數據分析師 是數據師的一種，指的是不同行業中，專門從事行業數據搜集、整理、分析，并依據數據做出行業研究、評估和預測的專業人員。
? ? ? ?這是一個用數據說話的時代，也是一個依靠數據競爭的時代。目前世界500強企業中，有90%以上都建立了數據分析部門。IBM、微軟、Google等知名公司都積極投資數據業務，建立數據部門，培養數據分析團隊。各國政府和越來越多的企業意識到數據和信息已經成為企業的智力資產和資源，數據的分析和處理能力正在成為日益倚重的技術手段。
? ? ? ?博主也曾經說過：得數據分析師者，得武林；得數據者，得天下。

1、網友經驗之談

經驗之談部分源自：知乎-路人甲，https://www.zhihu.com/people/sgai/posts

? ? ? ?入行之后，才發現數據分析其實可以分為兩種：一種類似產品經理、一種偏向數據挖掘，類似產品經理向更加注重業務，對業務能力要求比較高；數據挖掘向更加注重技術，對算法代碼能力要求比較高。
(1)、數據分析師基本技能

• 數據庫基礎：比如SQL Server、Orcale等，我們都知道數據分析師每天都會處理海量的數據，這些數據來源于數據庫，那么怎么從數據庫取數據？如何建立兩表、三表之間的關系？怎么取到自己想要的特定的數據？等等這些數據選擇問題就是你首要考慮的問題，而這些問題都是通過SQL解決的，所以SQL是數據分析的最基礎的技能。
• 統計學基礎：數據分析的前提要對數據有感知，數據如何收集？數據整體分布是怎樣的？如果有時間維度的話隨著時間的變化是怎樣的？數據的平均值是什么？數據的最大值最小值指什么？數據相關與回歸、時間序列分析和預測等等。
• 語言編程基礎：比如Python或者R，這一點是必備項也是加分項，在數據挖掘方向是必備項，語言相比較工具更加靈活也更加實用。

(2)、作為一個商業數據分析師自己的理解，把數據分析師的工作日常總結為下面幾個方面：

• 產生數據：我這里所說的產生數據，并不是說去做開發或是做數據采集。我這里所說的數據是每當業務上有新的功能點需要開發上線的時候，數據分析師需要去圍繞著這些功能會產生哪些業務變化、這個功能上線的目的是什么、上線之后該如何衡量效果等一系列問題，在功能上線前做好數據的埋點、以及可以衡量最終效果的指標。這樣當功能上線的時候，你可以快速的衡量業務效果。
• 提供數據：第一步的數據產生有方便了第二步的數據提供。提供數據可能是作為一個數據分析師每天都要做的事情，甚至有時候大半天都在做這件事情。數據需求的來源是多方的，各種業務方以及產品經理。商業數據分析師是公司業務方面的數據的出口，為了能準確的給需求方提供數據，你需要跟業務方有充分的溝通，對公司的數據維度有詳細的了解。
• 解釋數據：作為數據分析師，是不能止步于提供數據的。提供數據之余，你也要會解釋數據，這些數據是怎么來的？好的數據壞的數據都需要去知道，那樣才能取長補短。
• 探索數據：光有解釋數據是不夠的，因為數據分析并不是解決能看出來的問題，還要能提出發現解決一些探索性的問題。比如，給新用戶怎樣的激勵，才能讓他們的次日留存達到最佳？比方說Linkedin探索出來的讓新用戶擁有六個以及以上好友可以很好提高他們的留存。探索數據通常是一個長期的比較大的項目，探索數據并不存在一個標準的答案，也通常可能是幾個月出不了一個好的結論。
• 影響數據：A/B Test是為了探索更好的方向，更受用戶喜歡的功能。通過數據論證可以說服業務方聽詢數據分析師的意見。推送的消息文本應該怎么發？發給幾個實驗組看看效果；這個按鈕應該設計成什么顏色，配上什么文字？多設計幾套上線幾個不同分組看效果。通過不斷的A/B Test，數據分析師會更好的輔助產品的迭代，影響數據的產生。

(3)、數據分析師的能力認知

數據分析師的能力分為：分析能力和業務能力。其中，分析能力決定一個數據分析師的下限，業務能力決定一個數據分析師的上限。

(4)、數據分析學習的兩大階段

(4.1)、培養自己做分析的能力：最終實現，對數據的整體感知，知道什么時候該用什么圖表，掌握好一些基本的算法和分析庫。

? ? ? ? 第一階段的基礎是要有數據，分析能力相對來說是死板的，通常你需要學會掌握下面這些技能：

• 數據分析常用哪些算法？
• 需要用哪些庫？
• 如何進行計算？
• 進行可視化，每一種圖表的用途是什么？

? ? ? ? 還要學會使用工具，有兩種，一種是語言編程的工具，想怎么分析就怎么分析；另一種是可視化的小工具，比如Tableau、Power BI等。

(4.2)、培養自己做業務的能力：技術不再是障礙，重點是要有自己的idea。技巧是多學、多看、多做。

• 我想要做什么？分析什么？
• 是否有數據能提供支持？把你想做的抽象成數據。
• 數據獲取/數據清洗
• 開始進行分析（語言、工具）

數據分析師的待遇

1、在中國近些年大數據工程師需求量年均300%增長，這也顯示了對數據分析人才的稀缺，跟UN中國商業聯合會數據分析專業委員會匯統計算，未來中國基礎性數據分析人才缺口講達到1400萬，而在BAT（百度、阿里、騰訊）企業招聘職位中60%以上是在招大數據方向的人才。

2、數據分析師在世界各地企業中的薪資和影響表

3、根據國內培訓機構—圖表源于國內某培訓網站

數據分析師的技能

1、基本技能要求——來源參考百度

• 懂業務。從事數據分析工作的前提就會需要懂業務，即熟悉行業知識、公司業務及流程，最好有自己獨到的見解，若脫離行業認知和公司業務背景，分析的結果只會是脫了線的風箏，沒有太大的使用價值。
• 懂管理。一方面是搭建數據分析框架的要求，比如確定分析思路就需要用到營銷、管理等理論知識來指導，如果不熟悉管理理論，就很難搭建數據分析的框架，后續的數據分析也很難進行。另一方面的作用是針對數據分析結論提出有指導意義的分析建議。
• 懂分析。指掌握數據分析基本原理與一些有效的數據分析方法，并能靈活運用到實踐工作中，以便有效的開展數據分析。基本的分析方法有：對比分析法、分組分析法、交叉分析法、結構分析法、漏斗圖分析法、綜合評價分析法、因素分析法、矩陣關聯分析法等。高級的分析方法有：相關分析法、回歸分析法、聚類分析法、判別分析法、主成分分析法、因子分析法、對應分析法、時間序列等。
• 懂工具。指掌握數據分析相關的常用工具。數據分析方法是理論，而數據分析工具就是實現數據分析方法理論的工具，面對越來越龐大的數據，我們不能依靠計算器進行分析，必須依靠強大的數據分析工具幫我們完成數據分析工作。
• 懂設計。懂設計是指運用圖表有效表達數據分析師的分析觀點，使分析結果一目了然。圖表的設計是門大學問，如圖形的選擇、版式的設計、顏色的搭配等等，都需要掌握一定的設計原則。

2、全備技能—圖表源于國內某培訓網站

數據分析師進階

1、全備技能詳細列表—圖表源于國內某培訓網站

參考文章
數據分析師的薪資
轉行數據分析師后悔了？脫穎而出才是關鍵！

?

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的Interview：人工智能大数据岗位面试—【数据分析师】的简介、技能、待遇、进阶的详细攻略的全部內容，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。