本文作者：

Spring，BAT数据分析专家，网易云课程畅销课《数据分析思维案例实战》作者

在没有进入数据分析行业之前，我是在一家体制内单位上班。那个时候对数据分析的认知完全是从书本上获得的。印象最深的是，家里买了各种工具类的书，VBA、SAS、R、Linux，SQL那个时候Python还没太热，对数据挖掘非常感兴趣，各种模型跑起来。面试前的准备也是一顿模型乱操作。因为不知道面试要考什么。

后来呢获得一个不错的机会，主要还是面试官不太懂，问的问题基本上还是限于书本理论知识，也算正式的进入互联网行业，工资基本上翻了2.5倍这个样子，而且各种待遇还很好。

现在看纯粹是机遇好，现在我去面试别人的时候，专业知识，工具和项目经验一个都不能少，考的时候还很有刁钻性。

进去这家公司的时候，整个数据团队8个人，基本上都是日常的周日报，日常工具就是EXCEL。

现在看来，这种工作非常的繁琐，对个人成长没一点好处。

大家一听我是专门做数据挖掘的（因为懂各种工具，会写代码），仿佛一眼看到了救星。给了我一个他们近期非常头疼的项目：******

开始的时候，内心是非常心虚的，除了会一点代码外，没有任何优势。慢慢的也是硬着头皮上，开始的一个月天天各种加班，补充业务知识和自身代码能力，现在看那段时间的编程水平提升是最快的。好在最后这个项目没有正式立项，还能在这家公司继续待着。

后来因为公司发展原因，调去另外一个项目团队做这种信用模型，要和咨询公司打成一片的那种，算是雇佣军角色。在做该项目的时候，正式的去了解了IT架构、业务类型、业务口径、有哪些常用表、表的字段有哪些、字段口径是什么。因为基建的一塌糊涂，每天做的最多的事就是各种底层数据的清洗，当时还因为一个清洗逻辑与同事争辩到通宵。

就这样时间过了半年，虽然我的title是数据挖掘，但还是在做数据提取工作，每次想看个简单的数如月新增都很难，当时的逻辑是表与表之间的匹配才能算出，但是表太大了，跑一个这样的数都要1个小时，一旦机器挂了又要重新来。每次只要领导一要数据，就要忙到晚上12点以后。在这种问题充分暴露下，公司管理层也是觉得必须要推倒重来，招人建立真正意义上的数据仓库。

基于这样的转折点，我也是顺利的去做了自己喜欢的事—机器学习模型，每天写各种代码，包括数据的提取，数据的转换，数据的共线性，特征的提取，模型的搭建和训练，模型的结果。

每天都是在各种调优模型，比如通过数据转换增加很多特征，像字段取对数，最大值最小值标准化，分箱操作等等。乐此不疲，最终比较幸运的是，模型还真的产品化了，上线完之后和外面公司去聊，别人都非常感兴趣。

现在看来，该模型能够发挥大的用途还真不是因为模型有多好，而是在输入层，数据源这里已经非常有优势了，无论是覆盖度还是有效度都非常高，也就是实际上个人提升并不明显。

该项目结束以后，也感觉有了一些信心。碰巧遇到公司业务调整，自己也想着不如去尝试一些新机会，进入一家看似很正规的互联网公司，进去之后的半年，一直没适应，整天做的最多的事就是ETL，游离于各种底层表的逻辑，每次写个SQL总是数不对，各种乱七八糟的口径，整个团队氛围也很不好，大家好像都非常安于现状，没有一点寻求改变的意思。

现在看，最大的好处就是把数据怎么来的这件事了解清楚了，从数据采集，到数据传输，再到数据计算和存储，最后是数据仓库的上层应用。以前我都不知道还有数据采集这回事。

慢慢的，觉得自己能力还是很不够，虽然说做数据分析，但是这么多年一直是在打辅助，真正的数据分析流程是怎么样子的我都不清楚。

又是一次公司业务调整，我也主动要求进入BI组，做真正意义上的数据分析师，从需求沟通到问题拆解，提取数据，分析方法，撰写报告，报告落地，基本上这一套都是在那个时候标准化的，也只有通过这种真实的实战经验理解才会深刻。可以说从野路子到正规军转变。

公司有段时间迷上了增长黑客，建立了各种虚拟项目团队，比如新增用户留存率提升，在做的过程中，发现增长黑客就是扯啊，很多方法都是理论，根本就没有可实战性，但是周围的人都非常迷恋。也是那个时候，我去想，真正的用户增长应该是围绕用户体验的，所有的术都应该放在一边，而寻求如何去提升用户感知，让用户对产品感兴趣，而不是局限于模型和方法。通过不断的学习和交流（找真正的高手），形成了自身的一套用户增长体系。

后来对接的某具体业务流量还行，但就是不赚钱，我也是感觉这样的业务肯定是没戏的，果然后来团队都被撤了，这里我在想，分析师除了要对流量打法熟悉外，更加要知道产品的商业化，否则最后被卖了可能都不知道，我们经常看到各种裁员，其实呢，你自己要做好预判，等到被裁或者被通知裁的时候已经错了最佳时机，出去也谈不起价。这也是很多分析师工作多年的通病，一直在做流量，但对商业化这块一点都不了解。

另外一个容易被忽视的点就是，往往太沉迷于当前专业知识，但是如果换了一个方向，可能就没办法继续前进。多年前我的领导跟我说的一句话我仍然记忆犹新：随着职场的发展，你的最大竞争力是那些可以持续沉淀的技能，而不是一些当前手里一些拼命握住的东西。

确确实实是这样，随着大家职场工作年限的增加，会遇到另外一个问题：多年来一直在做一件事，比如专门做的是渠道ROI，但是你敢说，除了对一些数字比较了解外，整个市场，ROI预测，接下来打法真的很了解吗，互联网行业是高度变化的，画风一变，把你排到另外一个项目组做商业化分析，这个时候你怎么办。

而这就要求你具备一些通用技能，在我看来包括独立思考、有效表达、工作上的逻辑、解决问题的能力这些。只有掌握了这些技能，你才不会被淘汰，因为你一直在正确思考（而不是胡思乱想），一直在和别人有效沟通（而不是说半天也不知道什么意思），一直有逻辑性（而不是野路子），一直在解决问题（成为一个闭环高手）。只有这样才会处在行业的TOP端。这些技能一旦学会了，终身受用。

回顾往事会发现成长路上有很多的不合理项，我们在职场某个十字路口往往不知道怎么选择：是因为你不知道哪个是对的，哪个是错的。这门课就是针对这些很可能会遇到的问题，给出一些过来人的建议和解决方法，让大家知道什么是对的，什么是错的，这样你才好选择。少走弯路，尽快去获得市场回报

章节一：数据分析的面试：解答面试官会怎么去考求职者

讲解求职者应该要准备哪些知识，掌握哪些技能。如何衡量自己的能力高低

章节二：数据分析的指标体系：解答为何说要做好数据分析，首先要看指标

讲解互联网行业的指标大全；指标体系在工作、生活、衣食住行方方面面如何发挥作用

章节三：数据分析的框架和方法：解答地道的数据分析流程是什么，不要走野路子

讲解数据分析的标准化九步是什么；如何不被业务方带到坑里，又是用哪些模型去帮助解决问题

章节四：数据分析的常规工作：解答如何处理报表开发、数据监控、周日报这些日常琐事

讲解报表的生产过程；数据监控怎么做到胸有成竹；如何看待周日报及汇报这些日常琐事

章节五：数据分析的隐形能力：解答怎么去提升自己的综合能力，让自己成为高手

讲解高手是怎么去独立思考和有效表达的；逻辑好与坏的三个判断标准是什么；一套通用的问题解决方案

章节六：数据分析的流量经典模型：解答什么是实战项目型精细化运营，而不是纸面上的增长黑客

讲解从渠道ROI/LTV、到新增留存率的全面提升方法、再到老用户的具体运营分析点，最后是流失用户的体系化召回这一套项目实战经典方法

章节七：数据分析的商业化模型：解答数据分析真的要懂钱、关心钱，终极使命还是要赚钱

讲解商业化基础知识、商业精细化运营、商业收入和规模的预测，让分析师知道不仅仅是做流量，收入才是终极目标

章节八：数据分析的自身产品：解答专题报告形式其实不重要，更加重要的是连接他人

讲解专题报告的写、讲、用；与写的内容和形式相比，其实更加重要的是专题报告的讲和用

在我看来，数据分析师的最重要任务永远是解决问题，这也是分析师的最大优势，无论是生活还是工作中的问题，我们都要很快找到较优解。这也是这门课的全程主线—有效解决问题

课程目录

一句话，值得买！本周五涨价至120，目前96，绝对超值