每个行业都有优秀的数据分析师，但如何定义top？ 　　

　　顶级数据分析师肯定会存在于数据实现最好的行业。这些业务真的是数据驱动的，因为如果数据差一点，收益会差很多。 　　

　　在这里，以运营商为例，说明顶级数据分析师(为了描述方便，称为A君)应该发挥的价值，然后作者总结开发了七个核心能力。 　　

　　数据分析不仅仅是出个报告，而是要能产生实际的价值，用数据分析真正的驱动生产。 　　

　　在互联网公司，优化产品的数据分析师都做过这方面的工作，比如通过AB测试协同产品，给出产品优化的具体建议，从分析到生产的过程极其短暂，值得学习。 　　

　　在传统企业中，由于组织、机制和流程的原因，数据分析驱动业务比互联网公司更具挑战性。 　　

　　从上面的案例可以看出，仅仅是获取数据、分析报告达到顶级数据分析师的水平是远远不够的。顶级数据分析师应该能够基于数据分析推动业务，并创造实际生产力。 　　

　　为了实现这个目标，顶级数据分析师需要具备哪些素质呢？ 　　

　　1、业务能力 　　

　　商业知识的学习和掌握，需要的深度积累，培养一个商业专家需要的长周期，远远超过后面提到的基本功。 　　

　　【理解公司战略】 　　

　　数据分析师的基本价值是利用数据推动业务增长。而每一项业务本质上都是公司整体战略的支撑。只有了解策略，才能选择正确的分析方向。 　　

　　【充分理解行业】 　　

　　对自己的行业足够敏感，多与业务部门的核心团队沟通，多关注行业网站，多阅读行业数据分析报告进行积累，比如你处于什么阶段，在哪里，目前的重点业务方向是什么，遇到了什么挑战，整体解决方案是什么。 　　

　　【理解领导思想】 　　

　　如果达不到商业领袖的水平，就要多和他沟通，了解他对商业的看法，站在他的肩膀上，了解他所了解的商业，记住你对谁负责，谁是你最大的资源。 　　

　　【业务岗位实战】 　　

　　对业务的理解不是简单地通过阅读文档，而是必须来自对实际流程、机制、平台、数据等的充分理解。的公司业务，而且最好是留在实际的相关岗位上，比如，如果你没有做过数据，你可能连口径都不知道。 　　

　　2、思考能力 　　

　　如果你只是一个好的“实施者”，而不是一个好的“思考者”，那么数据分析就没有未来！ 　　

　　【最值钱的是想法】 　　

　　根据业务人员的想法制作报告或看板最多也就“60个工作”。即使你的需求来源是业务部门的老板，也值60分。它不能凸显你的价值，也不能让你升职加薪。 　　

　　数据分析最有价值的是思路，尤其是基于实际业务情况的有针对性的思路。比如运营商传统上基于明星制提供差异化服务，当你想到金融行业的信用评分，如果移植到运营商身上，会有新的价值。 　　

　　【成为一名思考者】 　　

　　有深度思考的习惯，做一个“思考者”，对商业有独到的见解和想法。通过你所拥有的数据，系统地、系统地分析这些想法，并通过数据展示你自己的想法。这是一项非常痛苦和耗时的工作。比如阿俊就是一个逻辑思维能力很强的人，可以通过数据分析的手段带动业务发展。 　　

　　【要全面开放自己】 　　

　　你的历史经历和立场决定了视野的狭窄。没有足够的外部输入，再强的思维能力，聪明的女人也很难不做米饭，也很难有分析的灵感。不要怕丢脸。只有和同事、领导、圈外的人沟通，才能获得更多的信息，让好的分析思路浮现出来。 　　

　　3、沟通能力 　　

　　一方面，我们要通过反复的沟通来确认我们的目标；另一方面，我们应该相互合作，做到滴水不漏；另一方面，我们应该通过同理心获得尊重。 　　

　　【对上沟通】 　　

　　谁负责你的分析，你要跟谁沟通清楚。最忌讳的就是装懂，自以为是，领导的时间有限。你应该抓住每一个机会，清楚地传达分析的目的是什么，以及领导者期望什么。第一次沟通后，先做个提纲再沟通，尽量找出领导所有现成的想法。你生气了。没错，总比以后见要好。 　　

　　【分析协作 　　

个人的视野是比较窄的，很难逻辑严谨，跟我们合作的一些企业往往采用团队协作方式，你会发现，他们提交的分析报告往往能体现整个公司的分析水平，而不是受限于个人，如果企业的经营分析报告总是来自于某个领导或某个个人，何来进步？你们的能力就是企业的瓶颈。

【对下安排】

数据分析贯穿数据、技术、业务整个链条，你需要面对不同的岗位，碰到不同的角色，采用不同的语言，表达你的要求和获得你需要的东西，成为数据和业务的桥梁，比如业务如何理解？如何数据取得更快？发现数据问题如何尽快的确认原因？都考验着你的实际人脉和权威。

4、表达能力

一切都是为了让人看懂。

【态度上重视汇报】

一定要重视汇报，不要觉得“酒香不怕巷子香”，在你没汇报前，领导不太知道你的实际业绩，IT专业的人有时比较吃亏往往是认知问题，就是不重视对上，也不愿意去搞这种虚头巴脑的东西，很多人做了80分，汇报只有30分，其实也跟教育有关，通识不够，没有美感。

【汇报讲究故事化】

汇报前要做好充分的准备，理解每一个字和每一个数字，把你要表述的内容整理成为具有条理的“故事”，用自己的语言表述出来，让人家能理解你讲的东西，有时要反复练习，不用看PPT，就可以把整个PPT的逻辑清晰的表述出来。

5、分析方法

【理解指标】

每个企业都有一套KPI指标体系，围绕KPI指标还有一系列的执行监控指标，作为数据分析师一定要对企业的核心指标体系有深入的理解，这是做数据分析的人要搞懂的最基本概念。

【理解维度】

业务反映在指标上，业务分析就是对于合适指标的分析，指标只有经过比较才能鉴别到问题，而要实现鉴别分析，维度的选择是最核心的！

【理解常识】

数据分析的结论最终的表现形式仍然是指标数据，而这个指标数据往往是层层下钻比对的结果，只是次要因素已经被剔除，主要因素大概率呈现，但主要和次要因素的判断，还是来自于数据分析师的主观判断。

【掌握工具】

BI很大程度上就是用一些可视化技术来进行指标比较的艺术，有助于你更快、更直观的发现问题和定位问题，毕竟人脑对图表、图像的敏感度更高。

比如FineBI，能做到拖拽生成数据分析，是每个数据分析师的技能！

6、数据能力

对于数据要知其所以然！

【拥有全局的数据视野】

在大多数公司里，数据分析师的工作是专业化的，但其实你分析要的数据是全方位的，不会有划定的专业边界。在实践中，数据分析师往往不知道到底有多少数据，其数据分析的深度和广度由于其视野的狭窄而受限。

数据分析师应对数据字典进行系统的学习，自底向上的实践很重要，但自顶向下的学习也很必要。

【拥有更深的数据理解】

数据字典体现的往往只是表层的数据含义，如果你希望分析的更为灵活，就需要理解数据之间的依赖关系和来龙去脉，因为每张数据表都是由下一层次的表关联汇总而成，但汇总意味着信息的丢失。

只有具备追根溯源的能力，你才更有可能基于更多的信息获得更大的分析自由度，比如你看到业务系统上某个菜单的功能，对应到系统中的数据是怎样的？

7、技术能力

【获取数据-SQL】

SQL是最灵活的操作数据的语言，任何一个数据库都会提供SQL的支持，它架起了业务和数据的桥梁，简单易学，性价比很高，也是数据分析师的必须要学习的语言。

新的时期数据分析师不要过于依赖别人给你提供的数据，沟通的成本太高，一定要学会自己用SQL来获得所需的定制化数据，它给了你更多的可能。

【加工数据-EXCEL】

EXCEL提供了最为灵活的轻量级数据的加工和呈现的能力，对于EXCEL的掌握是任何数据分析师的基本功，透视图，图表，公式，计算都是极其方便的工具。

【挖掘数据-机器学习，深度学习】

数据分析师需要通过分析获得数据背后隐藏的知识，一般用SQL，EXCEL结合自己的经验来进行判断，但这种模式分析的数据维度是有限的，比如靠人很难看出3维以上数据之间的关系，一定要借助工具。

这就是机器学习可以帮到你的地方，比如聚类，分类，预测等等，随着机器学习，人工智能工具使用门槛的降低，数据分析师要掌握至少一种挖掘的方法。

总结

笔者的数据支撑团队经常要做数据分析，比如针对收入波动就要找原因，但仅找到原因是不够的，更希望数据分析师能推动前端产品和运营去进行改造或优化，否则数据分析得出的结论就失去了意义。

这些会涉及大量的跨团队的工作，但笔者还是坚持要求数据分析师能够冲到前面去，因此数据分析师经常要跟产品打架，跟运营打架，要产品改这个改那个，我觉得挺好，这才是真正的数据驱动业务。

你也许会质疑，笔者这里提到的数据分析已超越了了传统数据分析师的范畴，但数据分析师要把事干成就得这么做，这是你的价值出口。数据分析师的目标从来不是只做数据分析，你应该把数据分析当成职业生涯的一个阶段或一个起点。

从这个角度看，能够利用数据驱动思维做成事的人才是企业顶级的数据分析师。