以上是一位资深的数据分析师写的自嘲的段子，却是很多分析师的真实写照。在耀眼的职业光环下，数据分析师自身的成长，几乎是与孤寂相伴，在高级打杂中，锻造而成。最近接到一个职业访谈的邀请，要给对数据分析感兴趣的新人Y(目前在知名电商从事系统开发和维护)一些建议，才突然发现自己在这个领域打滚了一段时间，一阵感叹后，写下自己的一些体会，尽管不全面，但或许能够给新人一些借鉴。如有不妥地方，请各位数据大牛轻拍。一、数据分析师有哪些要求?1、理论要求及对数字的敏感性，包括统计知识、市场研究、模型原理等。2、工具使用，包括挖掘工具、数据库、常用办公软件(excel、PPT、word、脑图)等。3、业务理解能力和对商业的敏感性。对商业及产品要有深刻的理解，因为数据分析的出发点就是要解决商业的问题，只有理解了商业问题，才能转换成数据分析的问题，从而满足部门的要求。4、汇报和图表展现能力。这是临门一脚，做得再好的分析模型，如果不能很好地展示给领导和客户，成效就大打折扣，也会影响到数据分析师的职业晋升。二、请把数据分析作为一种能力来培养从广义来说，现在大多数的工作都需要用到分析能力，特别是数据化运营理念深入的今天，像BAT这样的公司强调全员参与数据化运营，所以，把它作为一种能力培训，将会让你终生受益。三、从数据分析的四个步骤来看清数据分析师需具备的能力和知识：数据分析的四个步骤(这有别于数据挖掘流程：商业理解、数据理解、数据准备、模型搭建、模型评估、模型部署)，是从更宏观地展示数据分析的过程：获取数据、处理数据、分析数据、呈现数据。(一)获取数据获取数据的前提是对商业问题的理解，把商业问题转化成数据问题，要通过现象发现本质，确定从哪些纬度来分析问题，界定问题后，进行数据的采集。此环节，需要数据分析师具备结构化的思维和对商业问题的理解能力。推荐书籍：《金字塔原理》、麦肯锡三部曲：《麦肯锡意识》、《麦肯锡工具》、《麦肯锡方法》工具：思维导图、mindmanager软件(二)处理数据一个数据分析项目，通常数据处理时间占70%以上，使用先进的工具有利于提升效率，所以尽量学习最新最有效的处理工具，以下介绍的是最传统的，但却很有效率的工具：Excel：日常在做通报、报告和抽样分析中经常用到，其图表功能很强大，处理10万级别的数据很轻松。UltraEdit：文本工具，比TXT工具好用，打开和运行速度都比较快。ACCESS：桌面数据库，主要是用于日常的抽样分析(做全量统计分析，消耗资源和时间较多，通常分析师会随机抽取部分数据进行分析)，使用SQL语言，处理100万级别的数据还是很快捷。Orcle、SQLsever：处理千万级别的数据需要用到这两类数据库。当然，在自己能力和时间允许的情况下，学习新流行的分布式数据库及提升自身的编程能力，对未来的职业发展也有很大帮助。分析软件主要推荐：SPSS系列：老牌的统计分析软件，SPSSStatistics(偏统计功能、市场研究)、SPSSModeler(偏数据挖掘),不用编程，易学。SAS：老牌经典挖掘软件，需要编程。R：开源软件，新流行，对非结构化数据处理效率上更高，需编程。随着文本挖掘技术进一步发展，对非结构化数据的分析需求也越来越大，需要进一步关注文本挖掘工具的使用。(三)分析数据分析数据，需要用到各类的模型，包括关联规则、聚类、分类、预测模型等，其中一个最重要的思想是对比，任何的数据需要在参照系下进行对比，结论才有意义。推荐的书籍：1、《数据挖掘与数据化运营实战，思路、方法、技巧与应用》，卢辉著，机械出版社。这本书是近年国内写得最好的，务必把它当作圣经一样来读。2、《谁说菜鸟不会数据分析(入门篇)》和《谁说菜鸟不会数据分析(工具篇)》，张文霖等编著。属于入门级的书，适合初学者。3、《统计学》第五版，贾俊平等编著，中国人民大学出版社。比较好的一本统计学的书。4、《数据挖掘导论》完整版，[美]Pang-NingTan等著，范明等翻译，人民邮电出版社。5、《数据挖掘概念与技术》,JiaweiHan等著，范明等翻译，机械工业出版社。这本书相对难一些。6、《市场研究定量分析方法与应用》，简明等编著，中国人民大学出版社。7、《问卷统计分析实务...