顶级专家给数据分析师的忠告

摘要：很多刚从事或者还未进入网站数据分析行业的人员都很关心数据分析师职业生涯，并且经常问到这方面的问题。这次翻译的这篇文章将回答这些问题。

【导言】很多刚从事或者还未进入网站数据分析行业的人员都很关心数据分析师职业生涯，并且经常问到这方面的问题。这次翻译的这篇文章将回答这些问题。

【译文】

每周都会收到大量的邮件，都是关于寻求网站分析职业生涯方面的建议。

问题从“如何开始学网站分析”“如何准备GAIQ考试”到“如何成为一个优秀的数据分析师”。所以我想为什么不将这些问题整理出来写成一篇文章，同时对行业内的顶级专家进行访谈，让他们也给出一些好的建议呢？

以下是你能从这篇文章学到的知识以及专家们给出的建议：

要成为一名优秀的分析师需要具备哪些能力和素质？ 是什么让一个好的分析师变得伟大？ 数字分析&谷歌分析与数据分析师&商业分析师的区别？ 有哪些博客、书籍和活动可以提高分析技能？

今天我有幸拜访了三位网站分析界备受尊重并被人熟知的作者：Jim Sterne, Neil Patel and Gary Angel:

Jim Sterne 是eMetrics Marketing Optimization Summit 的创始人、Digital Analytics Association的联合创始人。

他是一个国际知名的演说家，也是服务过财富500强和互联网企业的咨询师。

在二十年间，Jim Sterne专注销售与营销，主要是关于衡量一个网站作为维系客户关系的媒介价值。

他写了5本书，主要关于互联网营销、广告、消费者服务、邮件营销和网站分析等。

Neil Patel是Crazy Egg和KISSmetrics两家公司的联合创始人。

在他创业时期就帮助过很多大企业通过网站提升业务，这些企业包括：亚马逊、美国在线、通用汽车、惠普和维亚康姆等公司。

他不仅在21岁的时候被华尔街日报评为网站分析届最具影响力的人物之一，而且被企业家杂志评为民族企业家。同时他还被奥巴马总统授予30岁以下最有效企业家之一。

Gary Angel是Semphonic(一家数字测量和数据分析咨询公司)的总裁和首席技术官（CTO）。他开创性地推进了功能主义在实操的网站分析领域的发展，并且引领了搜索引擎营销分析的创新，将其在网站分析领域和线上行为研究领域上升为有规则可循的和有方法论的分析。

他获得DAA授予的行业最具影响力的杰出贡献者。

要成为一名优秀的分析师需要具备哪些能力和素质？

Jim

一个优秀的数字分析师要具备以下三个基本的技能：

理解数据。数据从哪里来？他们代表了什么？数据是否真实？ 理解要解决的业务问题。要在数据中发现洞察而不是仅仅是觉得有意思。 有很强的沟通能力。如果沟通不善，再有价值的洞察都将一文不值。

Neil

如果你想成为一个优秀的数据分析师，你要对数字敏感。你的工作可能是要高效地分析出各种数字营销渠道的效果，比如社交媒体营销、移动营销或者邮件营销。

如果你无法指出某个渠道的营销是否有效，以及如果你无法预测出两三个月后该渠道的增长情况，这样你是不适合做一个数据分析师的。

另外就是你要对数字敏感，你要知道如何使用Excel和PPT，这样才能为你们的总监和VP做营销计划。

最后，你要能够提出洞察。营销人员有很多的报告，并在其中寻找洞察。作为分析师，你要为公司全盘分析数字营销的效果。

Gary

如果你才刚入行，我不认为你需要具备什么特定的技能或者素质。我们招聘了很多刚毕业的学生并且他们的背景也是五花八门的。

我们招的员工有各种各样的背景，包括经济学、数学、遗传性、心理学和历史等。我的学位是哲学。

我们需要去发掘很多核心的技能。我们给员工培训Excel，让他们使用Site Catalyst或者Google Analytics给我们的网站做分析。所以我们假设人们可以自学如何搞定软件。

我们认为如果他们不懂的如何做某些事（特别是Excel 训练方面的问题），他们可以借用互联网来帮助自己。能否指出问题的关键是判断一个分析师是否合格的重要标准。

在演讲方面，我们要找的是能使用数据得出结论的人，而不是像鹦鹉一样来复述一下报告的内容。他们经常得出错误的推论（数据很复杂），但是我们更关心的是他们是否有兴趣做这些事。

从以上我说的内容可以看出，数据分析师并不需要具备很高的的技能和素质。但是要成为优秀的分析师，你要对你使用的工具有很深的理解。

分析是一个手艺活，而工具则是做这个手艺活的关键。你要理解数字营销渠道。不管是开展一次Google Adwords的广告还是社交媒体的广告，这对创建网站是一个很大的优势。

对这些广告渠道的分析需要对这些渠道数据有充分的理解，这是非常困难的。或许最重要的事情是要明白这些数据都代表了什么并如何发挥作用的，但是我们的直觉经常是错的。要想有正确的直觉，最好的方法就是做大量的分析工作，并一直重复。

最后，如果一个分析师没有一些创建框架的方法，那么他将很难成为一个优秀的分析师。

我们通过案例分析等方法教我们的分析师，不是因为这个方法能覆盖所有的分析方法，只是因为这个方法提供了一个方便的方式来思考数字行为的测量方法。

是什么让一个好的分析师变得伟大？

Jim

一个优秀的分析师要变得伟大需要他能够将我以上提到的三个能力两两地有机结合起来。

他们必须足够理解数据和业务问题，并且用全新的方式分别使用以上三种能力来解决问题。

一个伟大的分析师需要有很强的想象力并且乐于将自己的想法付出实践。

Neil

一个伟大的数据分析师，最重要的是你要依靠数据和直觉做决定。

另外就是你要知道市场何时增长或下滑，甚至何时是周期性的。所有的这些因素都能影响一个渠道的收益情况，以及影响我们是否继续进行投入。

举个例子，如果市场部开始做邮件营销并且没有收到效果，你可能会想砍掉这个项目，但是在你做这个决定之前，你需要分析这个渠道的定位以及在长期营销中的作用。

Gray

一个伟大的数据分析师需要具备从商业视角看问题的能力，并且要有跨不同数据解决问题的能力。

我们很容易误认为数据可以指导行动和行为。恰当的商业行动必须有分析依据但又不能完全依靠分析。

数据分析&谷歌分析和数据分析师&商业分析师的区别？

Jim：

数据分析师是回答关于所有的的市场投入是否有效的问题，不仅仅在于某个广告活动是否带来了最多的关注，而在于哪些因素给公司带来了长远的价值。

数据分析师在商业智能社区分享他们的分析技巧，并从优化的角度解决越来越多数据方面的问题。

他们使用固定样本数据、调查数据、顾客满意度数据、销售数据，甚至天气预报来为负责营销的高管创建预测营销模型和营销仪表盘。

个人建议，为了精通数字分析你需要玩转Google Analytics并且这还不够。

Neil：

简言之，数据分析就是使用数据和指标来全盘衡量企业在数字营销投入的效果。

你可以使用谷歌来解决这个问题，但不一定能解决所有问题。

举个例子：

谷歌分析不会告诉你消费者的价值或者你社交媒体广告的ROI。你可以通过大量的自定义工作来让谷歌分析提供的数据更有价值，但是这可不是一个简单的任务。

Gary：

分不清谷歌分析和数据分析的关系就像分不清锯子和木工的关系。

至于数据分析师和商业分析师之间的区别就不那么明显了。

对于分析，有很多的准则，我知道有供应链分析师、健康科学分析师和交易系统分析师等。任何类型的分析师都需要在自己相关的领域里有很深的研究并且使用各种各样的工具来为分析服务。

由此可见，数据分析也有一个特定的领域，但我不确定是否有更深入的划分

在提高分析技巧方面，你有哪些博客、书籍或者活动推荐的？

Jim：

当然是eMetrics Summit

Neil：

我推荐http://www.kaushik.net/avinash/.

Avinash对分析了如指掌，并且他写了一些很好的书，比如《Web Analytics: An Hour A Day》《Web Analytics 2.0》

当然还有https://blog.kissmetrics.com/

Gary：

这些博客、书还有活动虽然他们很有用，但都无法轻易地从本质上提高你的分析能力。我认为最好的方法就是去实践。

我真心认为要带着一颗匠心做分析，我觉得博客、书籍和会议都不是提高数据分析能力最优的选择。

我倾向于认为那些拓宽思路和提高眼界的书会更有趣并且有用。

我钟爱Stephen Jay Gould和《Full House》，这很适合分析师。我也推荐《Fog of War》，一个关于罗伯特麦克纳马拉的纪录片。我认为他是一个睿智的分析师，让人着迷的是他可以通过很简单工具抓住问题的关键，同时还能对一些很好的分析结果一针见血的提出问题。

如果你很博学，不妨读一读《 Zen and the Art of Motorcycle Maintenance 》这本书，它用有趣的视角讲述了匠心的重要性。我之前也推荐过这本书，但后来我不这么做了，因为这些书里只是从基础层面谈了分析和技术，而不是流行的科技和行业趋势。

当然，我也很喜欢 X Change Conference 。在这个网站上，很容易结识同行并且深入沟通。

我不停地抨击把分析师类比为工匠，但这个网站上又确实是在促进他们之间的交流，指导他们并分享在匠心方面很重要的事。

你认为数据分析中最重要的进步是什么？

Jim：

必然是大数据（Big Data）这个概念的普及，尽管多年来我们一直在研究，不过现在总算给它命名了！

Neil

在2012年软件公司就已经为客户提供了很多细节上洞察的服务。举个例子，KISSmetrics这家公司就没有跟踪一些很虚无的指标，比如跳出率，取而代之的是我们跟踪人。

这样的方式让你更好的理解消费者的整个生命周期的价值，或者流失，或者消费者在完成交易前的平均停留时间。

如果我们没有跟踪这些基于个人的数据，我们是不会提供这方面的分析服务的。

Gray

一系列的个性化的数据工具和系统的出现。

分析师应该注意，数字个性化必须得推进商业发生改变。这种改变可以在很多领域发生，但是在数字化领域，没有比个性化更加有效和普遍的了。

所以说，尽管你可以列出无数的证据来表明像hadoop这样的数据架构比分析重要 ，但我觉得，从长远来看，分析工具的运用和由个性化系统带来的机会更加重要。

数据分析面临的主要趋势和挑战是什么？

Jim

大数据的实际应用会让人们意识到，当前的炒作是很有趣的，但是实际的应用才是最重要的。

Neil

至于趋势，我认为挑战在于个人数据的跟踪，以及数据分析中如何跟踪个人数据并且用易于理解的如表展示出来。

至于挑战，我认为是企业的数据超负荷的问题。

这意味着在企业里分析师需要让运算更高效，同时软件解决方案需要提供可行的洞察以减轻分析师的工作负担。

Gary

我上面提到的一个观点讲到，我认为在数字世界里，消费者数据归属问题将成为兵家必争之地。

组织围绕这个问题所做出的决定，将会最终决定他们的科技栈（stack）和组织结构的整体形态。

我的一些观点

首先是在过去我认为“网站分析”和“数字分析”这两个词是可以互换的。但是他们不是一回事。

【网站分析是属于数据分析的。当我们讨论数字分析、数据测量的时候，我们不仅仅是讨论网站分析，也包括移动端数据、社交媒体数据和线下数据等】

有一句老话是这样说的：没有测量，就没有分析。

举个例子，如果你的营销活动没有绩效考核，你就没法管理这些营销活动。但是我发现在我的数字世界里，数据分析是你无法有效地衡量你所不能管理的营销活动。

举个例子，如果你想衡量SEO活动的效果，首先你要知道SEO是如何起作用的。你必须对搜索领域最新最重要的信息要有所了解。你还需要知道谷歌的熊猫算法，企鹅算法，链接建设，作者还有语义标记等，并运用到实践中。

如果你不了解这些，那么你在这方面知识的缺乏就会反映在你提出的建议里，而建议又是任何分析里最重要的部分。没有可靠的建议，任何分析都不具有商业价值，因为它无法改变公司的发展方向！

不用多说，营销和分析是相互补充的。在没有充分理解双方规则的情况下，你是无法做到完美的。

同时我也相信要做好一个分析师，你还需要精通统计学。

我建议可以学一些基础的会计学知识来磨练分析技能。但是我觉得这个技能对商业智能的工作人员会更有用。

关于GAIQ考试的备考，Analytics Academy能提供最好的学习资源，其次就是Google Analytics工具本身。如果学到的知识没有实践，那将很难通过考试。

相关的文章：http://www.optimizesmart.com/prepare-gaiq-test-tips-veteran/

以下是我推荐的分析博客列表：

Official Google Analytics blog——这是必读的博客，在这里可以看到Google Analytics领域最新的知识。 Analytics Talk by Justin Cutroni——作为GA认证专家，我自然偏向于谷歌分析和Justin 的博客，这也是了解谷歌分析领域重要的途径。 ConversionXL——这是一个关于着陆页优化和A/B测试的优秀博客。这个博客里的每一个建议都有相关例子和案例。 Kiss Metrics——我最喜欢这个博客的地方在于文章通俗易懂，观点和技巧都通过生动的案例来让读者更易理解。 com——我认为这是关于谷歌标签管理（Google Tag Manager）方面最好的博客了。 Lunametrics——这是分析技术方面很好的博客。 OptimizeSmart——这里带有个人的情感色彩，但是这个博客都是关于分析的。

以下是我推荐的分析方面书籍的列表：

《Microsoft Excel 2010: Data Analysis and Business Modeling 3rd Edition 》在数据科学方面，这是我最喜欢的书，这本书是学习统计学并让你精通数据分析的书。我高度推荐这本书给分析师。 《Advanced Web Metrics with Google Analytics by Brian Clifton》我有这本书，我可以告诉你这是谷歌分析方面最好的书。‘

【结语】以上是本篇文章的全部译文，有任何问题，希望大家联系我讨论。

【译者介绍】

林森，WAWChina核心成员, 射手学院数据分析经理, 曾任Ptmind产品经理和百度营销研究院数据分析师。

来源：网站分析星期三

链接：http://www.chinawaw.org/articles/analytics-career-advice-27