1.3 数据分析师的能力构成

从前两节的介绍中可发现，商务数据分析涉及商业组织的各个方面，工作流程中的多个步骤都需要数据分析师与其他岗位进行互动，是一项对从业者的知识和技能都要求比较全面的专业工作。这种一专多能型的岗位，容易让准备进入数据科学相关工作岗位或者刚刚进入数据科学相关工作岗位的从业者在自我提升时觉得无从下手。其实，读者只要对这个岗位所需的主要能力有清晰的了解，就不难针对自己的情况和职业发展目标规划合理的学习计划和能力成长路径。本节将介绍数据分析师的能力构成，帮助大家对自己未来的专业知识学习和就业做出更好的规划。在实践中，商务数据分析类的工作岗位名称有多种，从事相关工作的人被称为“数据分析师”“商业分析师”“分析师”等。虽然名称不同，但从事的都是发现和实现数据商业价值的工作。下文在不致引起歧义的地方，也以“分析师”作为“数据分析师”“商业分析师”的简称。

图1.3以一个典型的互联网公司为例，以数据分析师为中心，展示了商务数据分析及其他数据相关岗位之间的主要合作关系及工作内容。互联网是富集数据的行业，也是数据应用起步比较早的行业，它对数据相关岗位的划分和各部门之间的合作具有一定的代表性。从图1.3 中可以看出，数据分析师所在的数据团队需要与公司各个业务团队达成合作，数据团队内部的各个岗位有大量互动，即这份工作包含大量跨部门和跨专业的沟通。这些沟通成功与否，取决于数据分析师是否了解自己的需求方有何种典型的利益诉求、自己的合作伙伴能够提供什么助力等。

图 1.3 中有一大一小两个虚线框，其中大虚线框围出的是从事数据相关工作的团队。小虚线框对数据团队进行了进一步拆分：其外的数据开发团队负责解决数据相关的基本建设工作（如建设和维护数据仓库、数据系统、数据产品等），其内的3个团队则是数据的使用方，负责在数据开发团队工作的基础上使用数据解决企业中的各种问题；大虚线框外围的4个实线框展示了企业内外各种与数据团队产生互动的角色。下面分模块进行解读。

（1）承担数据相关基础工作的主要是数据开发团队，它与外围角色中的产品开发/公共技术/IT运维有较多合作。

① “工欲善其事，必先利其器”，数据分析工作得以开展的前提是有数据可供使用，同时也有合用的工具供数据分析师等数据使用者便捷地提取和分析数据。生成数据、提供数据工具的工作，在数据团队内部由数据开发团队主导完成；但他们的工作经常需要得到产品开发/公共技术/IT运维等技术团队的配合和支持。数据团队提出要求，如需要按照什么规格生产哪些数据，各技术团队负责实现。例如，数据团队需要记录用户在 App 上的浏览和点击行为，通常要由App产品开发团队在App上完成采集数据的部署工作。产品开发/公共技术/IT运维等技术团队完成数据的采集后，将其输出到数据团队，数据团队还要对数据的采集范围、准确性等进行必要的验证，确保其与需求相符且质量合格。

② 数据生成之后，通常并不能直接使用。首先，数据开发团队要对原始数据进行各种加工处理，使它们适用于数据分析和建模。例如，按照RFM模型的框架，基于用户的订单流水数据生成表示用户价值的各种指标。其次，数据开发团队还要处理好数据权限管理的问题，保证对数据有合理要求的人可以便捷地访问和使用数据，无权限的人不能接触数据。总体而言，数据开发团队承担的工作类似于一个城市中负责提供各类管网和煤、水、电服务的部门，也是所有数据相关专业岗位中对工程能力要求最高的部分。这个团队工作质量的高低决定了数据分析师等数据使用者的日常工作能否顺利进行。

（2）小虚线框中的3个团队都是数据的使用者，他们使用数据的方式和场景有所不同。

① 数据分析师的工作内容与商业问题紧密关联，数据分析师也是3个团队中面临不确定性最大的一个：从要分析什么问题，到要选取哪些数据，到如何设计数据解决方案，到如何展现分析结果和推动数据价值实现，每一个步骤都很难预先规划好。优秀的数据分析师非常善于处理从设定目标到价值实现过程中的各种不确定性，能够用有限的资源为业务带来最大限度的改进；而且能够做到与算法开发和数据产品互通有无，找到将数据分析的产出输出到业务端的有效方式。

② 算法开发团队所面对的通常是明确的问题和绩效指标，在业界也有比较成型的解决方案，产出形式基本是算法代码。这个团队的员工需要将解决方案与企业的实际情况相结合，并且根据算法实施的结果持续改进、精益求精。例如，各类电商和内容服务类的互联网产品都需要相关推荐算法模型，在用户浏览的过程中随时向用户推荐其可能感兴趣的产品或内容。这些模型优化的目标就是不断尝试增加用户的消费量（消费的对象可以是付费的产品/服务，也可以是免费或付费的内容）。算法开发与商务数据分析的工作成果可以互为补充，如数据分析师新发现了一些影响用户消费的数据特征，这些特征有可能提升算法的推荐效果；用户在浏览算法推荐产品时留下的行为数据也为商务数据分析提供了更多数据素材。

③ 数据产品团队负责规划与设计各种将数据产出输出到业务团队和企业产品/服务中的自动化或半自动化工具。例如，各部门管理者都需要根据数据报表来追踪进度、发现问题、汇报情况、辅助决策。这些伴随日常工作而来的对数据的需求，其共性特征是要解决的问题和所需的数据都比较固定，并且对服务的稳定性要求很高，获取数据的频率也较高。满足这些日常工作中的数据需求就是数据产品岗位要解决的问题。这个岗位需要决定向谁、以何种频率、提供哪些数据成果，以及呈现数据成果的产品形式应当如何设计。简而言之，数据产品团队负责用最便捷的方式满足各部门、各场景对于数据成果的使用需求。

（3）大虚线框之外左、右和上方是数据团队产出成果的消费者，与这些角色的合作关系决定商务数据分析成果是否可以落地实施、是否可以在现实中得到验证。

① 高管、财务与投资团队需要对市场环境、企业运行状况有所了解，也经常提出各种现有业务边界之外的问题；他们是数据分析师最重要的客户和合作伙伴，决定数据团队的发展空间和资源。

② 各个业务团队要处理的问题在很多情况下相对固定，他们的问题大多通过数据产品和算法来解决；他们是数据团队客户的主体，决定数据文化能否真正在企业落地生根并发展壮大。

③ 企业在很多时候也需要为外部客户提供数据服务，或者通过数据向业界和潜在客户发出声音，这些需求会随着企业所处的环境和业务目标等因素有所变动，并没有特别突出的共性特征。

根据上述关于数据分析师工作内容及其与相关团队合作的介绍，可以推导出成为数据分析师需要具备的能力。图1.4从专业技能、职业技能、职能与行业背景知识3个维度展示了对数据相关专业岗位（见图1.3中的大虚线框部分）的能力要求。各个岗位在每个维度上要达到的具体要求不同。例如，数据分析师在专业技能维度上，虽然不需要规划与建设完整数据系统所需的开发类技能，但是了解相关的基本术语和技术框架能够明显提高其与数据开发岗位同事的合作效率；而从事数据产品类工作的从业者，虽然不需要像数据分析师那样精通各种数据分析与建模方法，但了解一些常用的方法及其适用的典型问题能帮助他们更好地理解数据用户的使用习惯，设计出更好用的产品。以下结合图1.4对数据分析师的能力构成进行说明。

（1）专业技能维度主要包含4项内容，数据分析会更多地涉及其中的规划数据系统（主要是根据需要解决的问题来确定需要哪些数据）、加工和使用数据（需要对数据进行哪些加工、从数据仓库中提取数据、使用数据分析工具进行分析）、设计和实施解决方案（将业务问题提炼为数据问题、为数据问题匹配合适的分析方法、实施解决方案），通常也会对设计数据产品/服务有所贡献（如设计报表产品中的报表与图形样式等）。

（2）职业技能维度中的3项主要内容都是数据分析师应必备的。数据分析师要解决的问题可能涉及企业的方方面面，但是他们其实并不是任何一个领域的专家，至少不可能是其所涉足的所有领域的专家。那么数据分析师要如何知道某一个领域中有哪些问题？如何了解关键决策者的核心利益？如何判断解决各种问题的优先级？这就需要他们能够与具体领域的专家建立起互信的合作关系，在这个过程中，沟通表达能力至关重要。只有理解别人的“痛点”和利益所在，才有可能找到扩大与合作方共识的方法。只有具备管理复杂任务的能力，才有可能把所有的设想和计划变成现实。

（3）职能与行业背景知识维度的几项能力对数据分析师也非常重要。要处理某个领域的问题，当然至少要了解与它有关的基本信息。这里要特别注意的是：接触一个新领域时，要从多个角度充分收集信息，避免过于单一的信息源使视角过于狭窄。不过数据分析师在越来越了解业务后，又特别容易迷失在信息的海洋中，满眼看到的都是问题，不知道应该从何处入手。所以，数据分析其实也是一项对从业者逻辑思维能力要求很高的职业，分析师要能对所掌握的各种信息做归类处理，将无数的点连成线，再织成网。而随着这个整理信息过程的完成，那些所谓的“关键业务问题”也会水落石出。前面提到的各种营销和管理的理论往往可以在这个过程中给数据分析师提供特别有效的思路框架。

从以上的介绍中可以看到，数据分析师3个维度的能力彼此之间并非泾渭分明，处理比较复杂的工作任务通常需要分析师在3个维度上都有比较好的能力。为此，准备从事商务数据分析工作的学生和处于职业发展早期的从业者，要注意在专业学习阶段从以下几个方面做好准备。

第一，打好商务数据分析的专业基础。包括掌握分析数据的基础知识（如掌握统计学的基础知识、学会使用常用图表和常用模型等），至少掌握一种提取和分析数据的工具（提取数据的工具如SQL等；分析数据的工具如Excel、R、Python等）。

第二，尽量全面地掌握商学各主要分支学科的基础知识，帮助自己建立“了解业务”所需的思路框架。这一点可以通过通读各分支学科的经典入门教材初步达成。

第三，锻炼书面和口头表达能力，至少要做到把事情说清楚、把别人的意思听明白。

第四，在开始实习或工作后，要注意养成习惯，有意识地训练和加强自己在“数据”和“业务”之间进行双向转化的能力：随时把在实际工作中了解的各种业务信息、发现的各种业务问题，与自己掌握的数据专业知识和商学基础知识进行对照。

第五，由于商务数据分析是一个发展特别迅速的职业，从事相关工作的从业者在工作后也要继续保持学习的习惯，不断提升自己的知识和技能。

本章明确了商务数据分析工作的核心：使用数据解决商业背景下的各种实际问题。它要求从业者掌握商务数据分析的专业知识，了解基础的商业知识，具备比较好的职场“软技能”，是一个对知识储备、学习能力和解决问题能力要求非常高的工作。

成为一名优秀的数据分析师并不容易，而且当前这个领域的就业市场也还不够成熟，需要从业者面对很多的不确定性。但是这个职业有非常广阔的成长空间，并且在可以预见的未来，能够独当一面的数据分析师会成为就业市场上越来越紧俏的人才。希望读者能够在本书的帮助下，顺利踏出成为数据分析师的第一步。