观前提醒：如果想搞数据科学就别在数据分析岗浪费时间，趁着年轻学习能力强赶快去钻研高精尖领域！！！

一、数据分析的具体工作

这个图基本上就是数据分析的工作流程，获取数据+分析数据，无论是专业的数据分析师还是用数据分析搞运营or产品or销售，初级分析师还是公司ceo，都脱不开这个框架。下面再分职能和级别来具体讨论。

1、职能

专业的数据分析师一般都是接受来自公司各方的需求，或者直接负责公司整体战略性业务，过程中会更专业和规范。在技能上，数学基础、逻辑和编程能力都有一定的水准，而且思维也往往更灵活和全面，对业务也有全局视野，甚至能从宏观经济上入手。

而运营、产品和销售这类岗位可能就不会学的那么深，主要是掌握一些和工作息息相关的分析法和分析工具，针对自己的工作需求找数据和分析数据，思路容易单一。

还有就是财会、行政、人事等后台岗位，其实也需要通过数据分析能力来提高工作效率，至少学好excel、sql等工具，能更快的完成表格类工作。此外，更好的关注公司耗材、成本利润、人员成本、人事福利等，也需要简单的分析能力。

对于非数据分析师，这里要提个建议，也许现在数据分析能成为你职业的加分项，但想往更高处发展，就得去了解掌握上下游的情况，毕竟越是高层，越要懂得多，要把控全局。

总结一下，即使不是专业的数据分析师，只要和数据打交道，数据处理能力就都必不可少，能分析更是锦上添花。我身边也是越来越多的人都在学习数据分析，连一个学德语的朋友，都在研究怎么用把数据分析和德语结合，做外贸。

他们知道我做运营，简直天天做“数据女工”，经常来问我怎么学，我的建议都是听个课，最好找一个是同时有长期教课经验和牛逼工作经验的老师，保证他确实是一个实战数据分析大佬，又确实能教会别人，两者缺一，要不然就是把你教成书呆子，要不就是大肚茶壶倒饺子——有货说不出。

我个人推荐知乎的一个课程，主讲老师是前IBM数据分析大佬猴子，课程是结合国内互联网一线大厂的案例，从基础讲起，用案例讲知识点，带练数据分析工具的同时，也构建数据分析思维，能让大家先有系统扎实的基础，对小白来说是很友好的选择。

2、级别

相对低级的数据分析师往往是重技能而轻分析，因为类分析师对业务的了解不深，也很难提出商业上的深入简介，此时其实也就是分叉口，要不然就干脆一门心思搞技术，做数据科学，要不然就得花心思去研究业务，把数据处理能力作为分析的工具。

ps：有人想要同时兼顾数据技术和业务，但其实很难的，两个方向，就是要付出别人两倍的努力，而结果大概率是都没搞好，最后技术方面被AI取代，业务方面又不够高屋建瓴，变成鸡肋。

越往高级，数据分析师其实就会逐渐轻技能而重分析，真正数据获取阶段的工作做的很少，可能都会交给团队里的初级伙伴来完成。高级分析师则注重在分析阶段，需要的是在对业务的全局把控，对行业和经济的深刻理解。即使是技能，也要求模型优化等更高级别的能力。

而如果你成为创业者或者市场方面的高管，建模这样的工作也会被分派到下面，而你则要根据这些报告做出正确的决策。

其实在大数据时代，企业的高管和管理者都应该有数据分析和能力，这样才能把控员工的数据分析工作，并以此更好的发挥自己的商业能力，而且培养自己的数据分析思维，也能做出更理性的决策。

从级别来看，思维的重要性格外重要，只会处理数据的人只能做工具人，轻易就能被踢开，有独到见解的人才不可替代。但数据分析思维需要长期针对性训练，很多想要快速入行的人都卡在了这一关，这方面我的建议是找个靠谱的前辈。

我当初就是被leader带着，一边自己上手做分析，一边听她结合她的工作经验和我们的具体项目的来给我讲，讲起来很生动，我一边做一边学，飞速内化，直接从一个小白成长为有数据自觉的人，这是单纯自学技能和理论知识所达不到的。 如果你身边暂时找不到一个这样的人，可以跟着【知乎3天数据分析训练营】学一学，这个课程格外注重数据分析思维的构建，采用案例+理论的方式来讲解常用模型+逻辑框架，案例都来自IBM的数据分析经验和国内互联网大厂的一线业务，还采访了多位大厂数据分析师，吸取了他们的经验。老师还会手把手带着你实践练习，让你边做边学，更快内化。

二、一些建议

我在前文也提到，如果从一开始就格外侧重技术，就会逐渐成为IT人，而如果想要在IT方向走远，最重要的还是不断钻研技术，而且还得趁早，因为人的学习能力确实会随着年龄增长而下降，这是生理所限。公司在招聘的时候，面对能力差不多的求职者，也会优先年轻人。 还有一些大龄转行者，可能都没有时间和精力去成为一个数据科学大佬，反而被大佬写出来的代码给替代了。

所以除非是先数据分析而、从萌生走上数据科学道路的念头，不然其实没必要非得先做数据分析师。有人说数据分析师可以帮忙增长业务方面的能力，让自己在数据工程师里脱颖而出，但实际上想把业务作为护城河，大概是以下两种情况：

我更建议大家偏重分析，因为分析更要求从业经验和眼界高度，而这些又往往需要时间，也就意味着年长者更有优势。而且不是所有的公司需要程序员，但只要是商业公司，总会有商业分析的需求。