浅谈数据分析师的具体工作内容
今天二师兄来谈谈数据分析师的基本工作岗位职能，数据分析师分为初级、中级、高级分析师，不同的企业对这三个层级的定义不同，一般而言，中级分析师相当于主管级别，高级分析师相当于副经理或经理级别。那些大型企业对数据岗位职责会更加细分，而对于初创公司或小型企业有可能没有数据部门，在部门体系中，该部分的工作由业务部门如营销中心、产品部门、会员中心等部门来完成，也只配置初级的数据分析师，那不管归口于哪个职能部门，数据分析的工作内容基本都一样。
首先可以从招聘网站如boss直聘中数据分析岗位招聘需求中定义数据分析师的岗位职责，其中一个“非著名”一流企业的定义如下：
1、结合业务设计数据体系方案和数据标准； 2、对结构化和非结构化数据进行挖掘，发现其潜在关联与知识，指导业务发展； 3、分析业务场景，实现数据挖掘算法并指导开发完成代码开发。
该企业对该岗位的要求很高，不仅能完成业务的数据分析工作，还需要了解数据挖掘算法并指导代码开发工作，但是也经常听到从业人员抱怨数据分析师成为“取数机”，二师兄根据自身工作经验和与同行交流来分享下数据分析师日常的具体工作，主要包括5个方面。
01
数据提取
数据提取通俗地讲就是“取数”，不管是大的公司还是小的公司，不管是规范还是不规范的公司都会有这个工作，对于这种不规范的或是流程没有体系化的，特别是没有产品的公司的数据提取工作经常都是初级分析师来担任的。
比如说某公司的业务部门有一个数据需求，而数据部门没有给他们开放权限，就是数据查询权限，只能去跟数据部门的人员比如说数据分析师提需求，这时取数这个工作就会落到初级分析师的身上。
一般，初级分析师都会花费大量的时间去来提取数据，很多公司可能会占据一半的时间甚至超过一半的时间去做这个事，这种重复性的工作占据数据分析师大量的时间是个非常严重的问题，而关于这个问题，如果有兴趣，后期单独再展开讲一下，有很多办法，其实可以去协助解决或者缓解这个现状的。
02
日常的数据统计分析
日常的数据统计分析工作包括报表的制作和发送，涉及数据清洗、制作报表的基本数据统计、常规的分析结论。
初级数据分析师的这种数据的汇总，简单举例： 1、公司做618活动需要实时统计出数据，每半小时或每个小时出具一份报告，内容关于销售数据的汇总和简单的分析；
2、公司对于一些广告活动的投放，后期都会做些简单的数据统计分析；
3、领导对某些关心的业务指标数据，为什么相差很大，就会让数据分析师去分析。
这项工作包括临时的和常规性的，对一次性、临时提出的一些需求，基本上没有什么规律，只能是通过初级分析师去汇总；而对于常规性发生的，其实我们完全可以通过自动化的形式去实现，比如说可以写一个程序定期在活动结束后的第二天凌晨去执行汇总并将结果发送给我们业务的人员，就可以解放数据析师。
03
数据分析报告
常规的数据分析报告，日报、周报、月报、季报、半年报、年报， 这些重复性的报告也会占据数据提取、数据统计分析以外的时间。
这种常规的报告，基本上是初级分析师去负责基础内容的处理和汇总，比如说数据提起、数据处理、清洗数据、基础数据汇总之后，中、高级分析师辅助做些特定内容模块主题的分析工作，比如说异常检测、深入的挖掘，让整个报告看起来更有深度和高度。
这种常规报告，会有各种各样的格式，有excel、word、ppt，基本上80%的内容都是基于一定主题和模板确定好的，可以通过程序把模板写好，甚至可以包括日报的数据波动变化趋势，这种分析工作可以通过程序自动化、智能化的实现。总的来说，这种常规性分析工作报告，是能够锻炼初级分析师数据思维、工作能力好的方式。
04
辅助参与主题级或项目级的工作。
主题级数据分析工作可以理解 针对具体每一个活动例如广告投放进行数据分析，如618活动，不同活动之间频次怎么去做，就可以把频次分析作为一个主题，通过不同的数据对比、反馈发现挖掘规律。
项目级一般比主题级别更大一层，涉及不同部门、不同中心的工作，如设计营销中心、IT中心、产品部门联合起来做的项目。举个栗子：挖掘什么原因导致购物车放弃率的变化，不仅需要从业务角度、网站运营服务变化、产品变化，it运维网站的变化，把所有跟主题相关的跨中心、跨部门人员联系起来组成项目组工作，整个项目leader是中、高级分析师，初级分析师角色是辅助中、高级分析师完成基础工作，包括数据提取，清洗、分析， 而对深层次分析还是要中、高级分析师去做。
初级分析师要快速成长，一定是有比较大项目工作、报告撰写来锻炼， 基本上初级分析师通过1、2年的工作去掌握数据工作的基本流程，尤其面对复杂场景下如何去思考、提炼需求，把需求转化成数据，通过方法、算法、模型去挖掘深层次价值，最终得到预期的结论，这种报告才是数据分析工作发挥价值的方式，还需要数据沟通、落地和推动。
05
数据需求沟通等其他工作
初级数据分析师的工作还包括前期与业务部门关于数据需求的充分沟通，后期数据分析结论辅助的应用，活动结果的交流、日常的解答，比较琐碎的工作。
与业务、销售、运营等部门的沟通协调始终贯穿整个活动策划过程，数据分析师需要掌握沟通技能和交流技巧，前期需要与业务部门把分析需求和观测指标确定清楚，过程中也需要多次反馈。
小结数据分析通常与数据挖掘区别和联系起来，一个好的数据分析师要发挥价值，一定是把这两种技能结合起来，前者侧重于通过统计分析方法解决问题，后者通过数据挖掘算法、模型对问题进行预测， 不管是统计分析还是算法模型，只要能解决问题就是好的方法。所以初级数据分析师也不必为取数而烦恼，坚持简单成就不简单。
