染雾数据分析师，简单切词为“数据”，“分析”，“师”。因此，获取必要的数据，分析这些数据，然后从数据中发现一些问题提出自己的想法，这就是一个数据分析师的基本工作内容。
自己做了两年数据分析师，真的觉得古语说的对，“功夫在诗外”。一名好的数据分析师，接到一个需求时，会更多考虑这个需求本身，包括要做的东西是什么，为什么这么做，还可以怎么做，怎么去做，关键点是什么。都想清楚了，才去动手做。建议任何一名数据分析人员，都能在做以前把问题想清楚，确认清楚，不要等到做完才发现自己做错了，那样会很浪费时间。自己这方面曾犯过N多错误。
下面简单谈下做一名数据分析师要经历的几个步骤：
(1)获取数据
获取相关的数据，是数据分析的前提。每个企业，都有自己的一套存储机制。比如淘宝，所有的数据都在HADOOP上，很多数据都要经过HADOOP，hive来获取。因此，基础的SQL语言是必须的。具备基本SQL基础，再学习下HIVE的细节的语法，基本就可以通过HIVE拿到很多数据了。每个需求明确以后，都要根据需要，把相关的数据获取到，做基础数据。
(2)数据处理
获取数据，把数据处理成自己想要的东西，是一个关键点。很多时候，有了数据不是完成，而是分析的开始。数据分析师最重要的工作就是把数据根据需求处理好，只有数据跟需求结合起来，才能发挥数据的价值，看到需求的问题和本质所在。如果连数据都没处理好，何谈从数据中发现问题呢?
对于数据的处理，有两种形式：
a>如果初步提取的数据是在LINUX上，建议学一门脚本语言，比如AWK，或者PYTHON。如果掌握一门脚本语言，不仅可
b>如果数据没有在LINUX上，那可以download，然后通过其他统计软件来处理。个人推荐SAS或者R语言。SAS的强大，不必多说。没有SAS解决不了的问题，而且SAS也有SQL，处理起来也方便。R语言最近也很火，而且免费，packages越来越多，画图也简单，类似Matlab。如果前期数据处理的好，后续只需要通过R或者SAS画一些图就可以了。在数据分析师的世界，按照价值排序，图>表>文字。
(3)分析数据
这里的数据，包括图，表，数字几种。分析数据是整个分析的关键，也考验分析师的水平。好的分析师，可以根据趋势图，对比数据，敏锐的观察到很多问题。可是这需要对业务，对数据有很深的了解，才会把数据和业务结合起来，发挥两者的价值，完成需求。所以，一名数据分析师，要把更多的时间放在了解业务上。只有业务了解，细节清楚，才会明白业务变动可能引起的数据指标的变动，也会在后续的需求分析中，更快更全面的解决其他人提出的问题。可能很多人都很困惑，怎么才能“敏锐”的观察到数据的变动呢，我为什么怎么也发现不了问题呢?个人感觉可以通过以下方法，来慢慢锻炼：
a>多问几个为什么。比如，看到一些指标，就想想这些指标代表什么，用自己的话可以怎么理解;看到一条趋势线有波动，就想想为啥子某个点异常波动呢?多问问问题，自己就会加深对业务和指标关联的敏感性。
b>借鉴统计方法。统计学中，都会有一些横纵对比，趋势分析等等。对比，在分析师数据时候，是一个很重要的东西。任何东西，也因为了对比，才会有高有低，有长有短。另外，分布，也是一个很好的东西。分布的变化，就意味着变动，变动的发展结果，就能知道业务发展的好坏。再次，占比啊等等，都是很简单但是实用的方法。
c>向师兄请教。有的时候，一个问题，自己沉迷其中不能自拔，旁观者一句话，就能点清自己的思路。当自己分析数据不得要领的时候，就多请教师兄。
(4)展示成果
分析数据以后，解决需求的问题，就需要汇总分析的成果，给到其他人。可能分析的过程，拿到的数据有很多，需要全部给其他人么?怎么去罗列这些数据呢?可能很多人都犯难。有一次，一个同学来问我，她有很多数据，但是就是不知道该怎么组织，才能证明自己的结论是对的。其实，作为一名数据分析师，就是根据数据，把问题解决，提出一两条参考建议给到需求方就OK了。因此，回复的结果简单明了就好。如果是回复一封邮件，可以这样来做：
a>邮件正文，先写主要结论，即根据数据和需求，有什么结论。这样大家第一眼就能抓到最关键的东西，可能不需要看那些详细的数据;
b>如果觉得有必要，就在下面再把分析过程写进去;
c>如果图和图表不多，可以添加到邮件第三部分。毕竟放上数据，任何同学有疑问，可以随时去看数据。如果图和图表实在太多，就放到附件!
其实，做一名数据分析师，真的不容易，不仅要懂业务，还要会技术，更要敏锐发现问题，总结，还要提出建议。自己干了N多工作，最后还不一定能得到一个好的结果。做了两年数据分析师，自己的重心也在慢慢的转移。从刚开始技术学习，到后面技术+业务的结合，到现在自己又钻到业务，研究业务，慢慢发现：一名好的数据分析师，是一个好的产品的规划者和行业的领跑者。
[数据分析师都干啥？]
