经常看到“零基础转型XXX”的培训课程和营销文章,也经常遇到有人问想从A岗位转到B岗位行不行。我对其他岗位不了解不敢瞎说,但可以从还算熟悉的数据分析岗位举例切入,说说零基础转行到底靠不靠谱。我将先介绍下这个岗位的日常工作内容,然后再看看完成这些都需要具备哪些技能,之后对照技能看看有哪些绕不过的门槛,最后从数据分析岗位推广到其他岗位上。OK,开始嘚啵嘚:
1,首先我们要知道数据分析师的日常工作都有啥:
(1)常规监控:
日报周报月报这类的,主要是监控下业务的核心指标有没有变动。如果有的话,就要解释下原因。原始些的每天手工提取数据然后EXCEL加工制表呈现,正常些的会有对应的BI报表和邮件预警;
(2)效果评估:
“产品新功能上线后效果好不好?最近搞的一个运营活动效果好不好?”这些都需要数据事后诸葛一下,ABtest什么的会经常使用。这部分其实不仅仅是时候的事儿,在开始之前就需要数据分析师来全盘的考虑,设计评估方案并依方案来布置需要监控/收集数据的位置和字段,是一个系统工程;
(3)业务决策:
“怎样才能提升用户的活跃/留存?”这类问题会来自一线业务部门,我们的分析结论和建议搞不好真的是会影响他们的决策和操作。这里最关键的是拆解业务方提出的问题,之后再给出一个系统性的方案,对分析师的成就感提升很大;
(4)研究性分析:
“现在的年轻人都喜欢什么啊?”这类问题往往不是那么功利,可能没有任何一线业务部门有这类迫切的需求,但为了公司长远战略发展和团队自身影响力等,这些也还是会接触到的。这里最关键的是如何提出有价值的问题,而不是像上面几块,张嘴等着喂食;
2,然后我们就看看为了完成上述日常工作,都需要什么技能:
(1)工具型技能:
这部分就是各类培训班和营销文章的主打,因为它确实是最基础的最需要的,但随着工作的深入,也是最不那么重要的。罗列下数据分析师需要掌握的工具,不外乎下面这些:
SQL,提取数据必备技能,学起来也方便,随便买本讲SQL的书就能入门。后续随着实际使用中遇到各种问题再网上搜复杂的代码写法就好,不必前期太磕死书本;不过这种程度只是入门级别,当数据量较大的时候,还要考虑代码的性能,这些就不强求了
EXCEL,也是各种工具书铺天盖地。提取完数据后,简单的数据处理啊、作图啊制表啊都在这里搞定了,可以说数据分析师80%左右的工作,就靠SQL+EXCEL了。对EXCEL也没必要追求太多的奇技淫巧,但合理的数据可视化还是有必要科普下的
Python或R或SPSS等,这些都是数据挖掘的工具,是日常工作中相对“高阶”的那一小部分。虽然不鼓励炫技式的工具使用,但知晓基本的数据挖掘,还是有利于拓宽分析师的思路。比如很多数据集,常规的统计分布可能看不出什么端倪,这时候就需要聚类试试;当我们想要预测些事情的时候,回归啊分类树啊这些基础的模型算法也会有用武之地。Python和R都需要写代码来操作,而SPSS则更像EXCEL、鼠标点点点就OK了。重要的是,要理解这些工具背后模型和算法的原理,知道它们适用的场景和优缺点,才能真的驾驭工具
(2)方法论型技能:
掌握了基础的工具后,还有很多人执迷于数据分析方法论。讲真,我问到周围几个同事(BAT且title为高级XXX),他们多少都有些大眼瞪小眼。经常觉得这些东西仿佛就是这么自然的想法,非要包装出来个方法论,就会显得有点儿像把大象放冰箱里分几步。但为了劝诫那些想要给培训班送钱的善男信女,我还是想简要说说:
逻辑思维真是的一切的基础,有条理分主次的表达自己的观点,同时也要能抽丝剥茧的分析问题解决问题,对数据分析师来讲很关键;
如果非要说有什么方法论,我觉得对比细分溯源就挺好的。举个例子,今年腾讯的热度是1000万,这个数说明啥?首先要问清楚热度是怎么定义的,然后要找个参照系,比如跟去年比,才能知道是高是低。进一步,如果比去年高了,那是为什么高的?可以从不同维度进行细分溯源,比如从时间维度上,看看是否仅仅是某个月暴增导致的?再比如从对象维度,看看针对腾讯的讨论是说公司、还是说领导人、还是说产品?也可以从数据的来源渠道细分看,是新闻媒体的报道多了、还是网友在论坛贴吧的讨论多了?
(3)业务型技能:
还没完,要想让自己的分析结果切实可行,就要深入的了解所在的业务,不能闭门造车天马行空的搞纯数据研究。
举个例子,豆瓣要提升商业收入,钱从哪些人里挣?这就需要首先对目前业务有一个了解,小组、书影音、广播、FM的比例如何?豆瓣上不同人群的画像如何?结合宏观环境来看,哪些人消费意愿在增强?
(4)做人型技能:
最后,任何一项工作,都不可能是一座孤岛。自称“社交恐惧”“沟通障碍”的朋友,如果是真的话,甭管数据分析还是写代码,都不那么适合你。或者说的委婉一些,你可以做,但肯定很难做的好。我见过的工程师里的leader,也都是相对他们群体而言懂沟通的艺术、懂换位思考的。毕竟工作中的事情,很多情况下分工合作资源互换,会比你单枪匹马来的事半功倍;
合格的社交合作外,也要有一定的“敏感性”,就是能洞察出领导们的心思。有一种说法是,工作就是让领导开心。我虽然觉得这句话太功利、世俗,但也不是全无道理。不妨换个角度来看,自古能实现梦想的,很少有理想主义者,更多是现实主义者。我们需要了解这个环境,适应这个环境。很多时候正确的事情也需要看时机,很多时候事情能不能做成,“人”的因素是很重要的。我们需要有能力判断哪些事情的价值更高,更能做成,在自身利益与公司利益之间,找一个微妙的平衡
3,掌握这些技能,都有什么门槛?
(1)工具型技能,高中数学就好:
SQL和EXCEL都很容易上手,高中数学OK就好;Python哪些因为重要的是背后的原理,所以需要相对扎实的概率统计+高数底子。不过数据挖掘也不是所有数据分析师都需要会的,所以工具这部分,高考数学150满分有个120+就足够了
(2)方法论型技能,得有逻辑:
这部分最重要的是逻辑,稍微武断一些的说,国内大部分纯文科专业背景的同学(尤其是毕业后也一直从事职能类、销售类等工作的同学),零基础转型数据分析难度较大,不太建议
(3)业务型技能,需要接地气:
特别学术型的朋友,比如对学习研究以外都缺乏基本认知和兴趣的那种,不那么适合数据分析师这种岗位,因为这个岗位其实没那么高深也没那么科研,相反,非常需要接地气
(4)做人型技能,人格要健全:
过于固执的朋友、缺乏同理心的朋友、不善于沟通的朋友,在数据分析师的岗位上不会走的很远
4,零基础转型到底靠不靠谱?
说了这么多,大家应该已经有结论了吧?数据分析师这个岗位,并非谁都可以转;即便强行转了,后续的发展也是命中注定了的
那么再推广下,其他岗位呢?想起一个笑话——人人都是产品经理?!~
从上面的分析我们可以看到,各种岗位的入门都需要掌握一些基础的工具、具备一些起码的思维方式方法,而想要更进一步多挣钱,就需要对业务有一定的理解、善于沟通会做人。看起来好像不难,但其实看看我们自己和我们身边,真正满足这些条件的人很多么?
所以,以后再看到“零基础转型XXX”这类的培训班或者营销文章,三思而后行吧~