大資料如此火爆的時代，各種人才倍受青睐。視野決定了境界和能力，而所處的環境又決定了視野。好多人不知道什麼是資料分析師，認為會熟練使用excel就是資料分析師，如果你還會使用excel中的一些進階功能如透視和函數等等，可能别人就認為你是牛*的資料分析師了，如果你工作中還用到了vba，(word天啊!)，在别人眼中你就是資料分析大神了。真的是這樣嗎?誠然，單用excel的确可以解決大部分的資料問題，但是作為一個資料分析師，你并不是一個基層的統計分析從業者，那麼資料分析師應該是怎樣的職業呢?
(一)資料分析師的職場之路
圖1:資料分析職位分類
資料分析的職位分類按照資料處理的不同階段分為資料采集、資料分析、與資料挖掘三種。其中資料采集的概念是對企業來說的，是jacky企業(航航資料)在做的事，包括原始資料源的采集和地理資訊資料的采集，這裡閱聽人面太窄，就不一一說了，想了解的朋友可以私信我。
下面主要說下資料分析和資料挖掘的職位：
大家要記住一句話：資料分析的職位分為業務方向與技術方向兩個方向，這兩個方向決定了兩條不同的職業規劃和晉升途徑，包括下面章節要說的資料分析的學習規劃也跟這兩個方向緊密相關。
1、業務方向
大家在招聘網站中搜尋資料分析的職位，大概分為兩類：輔助業務的資料分析職位和資料分析師職位。
1)輔助業務的資料分析：一般在零售業裡職位設定較多，該職位一定要對業務爛熟于心，對業務有長時間的積澱和了解，用資料發現業務流程中的問題，并提出合理化的解決方案，分析資料是為整個商業邏輯去做支撐。細分職位包括：市場調查、行業分析和經營分析三類。
2)資料分析師：業務方向的資料分析師，該職位招聘時一定前面有一個限定詞，什麼資料分析師，歸結起來分為三類：産品資料分析師，營運資料分析師和銷售資料分析師。
2、技術方向
技術方向主要指資料挖掘方向，分為三類：資料挖掘工程師(機器學習)、資料倉庫工程師(構架師)和資料開發工程師。在網際網路和金融行業崗位設定較多
普遍來說：技術方向的基礎崗的工資薪酬要比業務崗的薪酬高一個等級，但是做到管理崗的話，在中國，業務崗的薪酬比技術崗的薪酬要高。
(二)資料分析從業者需具備的核心能力
我認為，資料分析從業者要具備四種核心能力：1、基礎科學的能力;2、使用分析工具的能力;3、掌握程式設計語言的能力;4、邏輯思維的能力
圖2:資料分析核心能力體系
1、基礎科學的能力
可以說，在資料決策的時代，資料分析幾乎滲透到企業的每個業務環節中，行業資料分析報告更是淋漓滿目，釋出報告的有的是世界500強企業，有的是知名的資料洞察咨詢公司，jacky做為第三方資料評估機構的從業者，在看到可視化效果越來越絢麗的同時，我也憂心忡忡，大多數的資料分析報告：邏輯不見了，故事線沒有了，統計學支撐沒有了，金在其外，敗絮其中。
統計學，數學，邏輯學是資料分析的基礎，是資料分析師的内功，内功不紮實，學再多都是徒勞。
掌握統計學，我們才能知道每一種資料分析的模型，什麼樣的輸入，什麼樣的輸出，有什麼樣的作用，開始我們并不一定要把每個算法都弄懂。
如果我們要做資料挖掘師，資料能力是我們吃飯的飯碗。如果你沒有數學能力，用現成的模型也好，子產品也好，也能做，但一定會影響你的技術提升，當然更影響你的職位晉升。
2、使用分析工具的能力
資料分析工具：sql、spss、sas、r、excel等等吧，都必須掌握并且會應用，畢竟企業需要的不是學者而是應用型人才。
3、掌握程式設計語言的能力
不會python、不會r，說你懂資料分析誰都不信。
4、邏輯思維的能力
邏輯思維對于資料分析來說特别重要，不單單是數理邏輯這塊，還要有邏輯學的知識。反映商業資料裡，大家可以了解為去搭建商業架構或者說是故事線，有邏輯的推進，結果才會另人信服。
下面補充下做資料分析的流程邏(參考知乎網友，有改進，非原創)：
1)提出假設
2)驗證假設(統計方法)
3)取數(sql / hive / spark)
4)清洗和整理資料(r / python pandas / pyspark)
5)可視化(excel / r ggplot2 / python matplotlib)
6)展示給非技術人員(powerpoint / tableau / ipython notebook / r markdown)
(三)2017，資料分析學習規劃
任何一門技術或學科都有其内部規律，需要有計劃，有先後，循序漸進來學，jacky跟大家分享下潤祿資料學院的一些經驗：2017，資料分析的學習規劃(因個體差異，僅供參考)
下圖：橙色區域代表資料采集闆塊，藍色區域代表資料分析闆塊，綠色區域代表資料挖掘闆塊。
圖3:資料分析學習規劃(從入門到中級)
1、統計學(業務方向)與sql(技術方向)：首要必會技能
任何資料分析師從事業務方向的工作都必須會統計學，統計學的學習最好輔助spss或其他sas來學，做到資料分析基本功紮實，兼顧實戰性。
任何資料分析師從事技術方向的工作都必會sql，不單是資料分析師，每一個營運、産品經理、尤其是網際網路行業，一定要會sql，基本知名網際網路公司的産品經理都能寫sql。
學習中，要掌握sql的基礎文法、中級文法和常用函數，結合關系資料庫系統(oracle database、sql server、db2等)來學習sql語句，找好方法，真的不難。
2、python與r：不分伯仲，都要掌握
python主要掌握基礎文法，pandas操作、numpy操作、sklearn模組化，學會用python編寫網絡爬蟲爬取資料，等等。
r語言就是為了統計而存在的語言，我們要掌握r語言的基礎文法、資料管理、資料挖掘模組化與評估等。
以上是我們第二階段要學的技能。
3、資料可視化
有了python、和r的基礎，我們可以就可以學習資料可視化了。營運和産品都需要學習可視化，可視化說白了，就是畫圖，但做為資料分析師來說，我們不能用excel 來實作可視化，因為它的局限性太大了。這裡也不建議花太多時間學習給非專業人士展示的tableau，有1個小時學會tableau足夠。
python中可視化的工具有matplotlib,seaborn,ploltly;
r中可視化工具有plot基礎庫、ggplot2
随心所欲，用python和r，你就知道做資料分析工作是多麼爽一個事
4、資料挖掘
這裡知道要掌握基本概念，知道資料挖掘時做什麼的，知道它與資料分析相比有什麼不同
5、監督學習、非監督學習、模型評估
model模組化，知道模型建好後應該怎樣去評估，掌握怎樣用一些定量的名額，資料，數值來衡量模型建好後到底有多準确，或者說到底有多錯誤。模型評估的名額或計算方式選擇正确與否，能夠直接影響到整個項目獲模型是否有效。
6、以上這些隻是資料分析的入門，還有... ...
機器學習，文本與自然語言處理，分布式計算工具spark.... ...
資料分析的路上，你準備好了嗎?2017，跟我一起，來逆襲吧
本文作者：潤祿資料jacky
來源：51cto