一个数据分析师的成长之路

又是一年的结尾了，我们这一年中为大家奉献了不少精彩文章，不知道有没有小伙伴在关注我们之后，逐渐产生了成为一名数据工作者的念头呢？年末巨献，本期我们特别邀请团队的带头人，为大家讲讲数据分析师成长的故事~

从业十多年，从如一张白纸的职场新人成长为被团队尊称为“学科带头人”的老兵，也引领和指导许多小伙伴走上数据分析的道路，希望我自己以及我的小伙伴们的成长经历，能够对愿意走上数据分析这条道路的朋友们有一定的帮助。

作为数据分析师，最基本的功底就是需要掌握那些最经典的数据分析方法的基本原理，比如统计学原理、多元统计、应用回归、Logistic回归、时间序列分析、运筹优化、数据挖掘和文本挖掘等技能。

对于统计相关专业学生而言，这基本都是读书期间的标配课程，没有任何难度；对于非统计相关专业学生来说，全部啃下这些功课恐怕有点难度，但也绝非不可能，因为一个数据分析的从业者首先应该是一个应用者，在啃这些书的时候，最需要的并不是拼命钻研公式推导这类高难度的动作，而是从一个应用者的角度来了解每一种方法的原理，学会解读分析的结果。

记得当年我参加第一份工作的面试时，我的老板交待给猎头的筛选标准就是：候选人能否对这位猎头解释清楚什么是方差分析、什么是主成分、什么是聚类分析，什么又是判别分析？猎头本人并没有学过统计，而我的老板认为，如果一名候选人能够让一个门外汉听懂这些最基础的分析方法，那就是合格的候选人。我想，这样的标准可以作为一个初学者检验学习成果的最有效标杆，大家也可以对照一下自己。

数据分析师一定要掌握至少一种分析软件，并且能够灵活应用。研读数据分析相关学科的教材，相当于修炼内功，而学习分析软件则相当于练习一种兵器。有的朋友肯定会问，那是不是掌握的软件越多、越全面就越好呢？其实，十八般武艺样样精通，有时反而不如把一样武器应用得出神入化。不管是商用的SAS，还是开源的R或Python，只要掌握其中一种，基本就可以解决常见的挖掘分析问题了。而且，这些工具之间可以触类旁通，只不过是语法规则和操作不同而已。不过，有一点需要提醒的是，一个好的分析师，一定需要具备编程能力的。

现在很多软件都提供友好的图形化界面，只要拖拉拽就可以完成绝大多数分析，但是对于一些高级技巧，基本还是需要通过编程的方式来灵活实现的。可能会有朋友说，我不是理工科学生，就是没有编程基础，特别担心学不好编程。有这样的畏难情绪完全可以理解，我曾经也沉迷于Excel、SPSS和SAS的图形操作，觉得学编程完全没有必要，面对老板让我学编程的谆谆诱导毫不动心。

直到有一天，他发现我执迷不悟，还想用Excel搞定他给我的练习，于是怒火冲天地抄起桌上的书装作要揍我……直到十多年以后的今天，我仍然对他当时失望的眼神记忆犹新。这件事激起了我学好编程的斗志，从此一发不可收拾，把SAS热门的和冷门的编程都学了个遍，从图形操作爱好者转变成了编程痴迷者。我可以当程序猿，其实只要有心，每个分析师都可以兼职程序猿的。

数据分析师一定要培养解决问题的分析能力，包括灵活应变的思维方式和缜密的逻辑推理能力。这种能力的培养比学习基础知识和软件要难一点，是一定要在项目实践中历练的。

实践中往往会出现很多教科书中没有提及的问题，需要结合多种分析方法灵活组合才能解决。教科书只是提供了一块一块的积木，但是如何把这些积木组合起来、形成最终想要的解决方案，需要依靠这个搭积木者的设计思维和动手能力。除了极有天赋的人以外，绝大多数人都是需要一定的历练才能培养出好的分析能力，唯一的捷径就是仔细学习和揣摩一些经典案例，并且亲自动手试一试。

经验丰富的数据分析师都曾有无数次这样的经历：某个问题一开始让他束手无策，后来经过冥思苦想，终于灵光一现找到解决方案。经验值都是在打怪兽的过程中不断累加的，而且永无止境。

总结来说，一个分析师的成长所需要的就是练好内功、研习武器、多多实践。一点都不难吧？愿意走这条道路的朋友，come on!