本人从事互联网工作很多年，因为工作的原因曾经接触过数据分析。记得当年在谷歌投放广告时要用GA进行数据分析，曾经专门学习大量语句代码进行数据监测；做SEO时要用站长工具进行网站数据分析，但这些分析是从企业角度考虑的。

而如今的互联网世界里，更多讲究的是用户对产品的体验、业务流程、售后服务等内容，因为大家都这样做，所以各企业所有这些都会变得越来越同质化，越来越差异不大。表现为互联网上各种行为都要登录，只要注册就要手机号、要绑定银行卡，相信每个人的账号密码上百个！

互联网本身具有数字化和互动性的特征。如今移动互联网如此谱及，几乎人手一部手机，手机变得如此重要，原因是每个人都在参与其中。数据分析人员更多的要站在用户角度考虑问题了，比如阅读量、转发量、参与人数、活跃用户、新增用户、用户构成、用户留存率、每个用户总活跃天数等指标成了重要参考。

这是一个用数据说话的时代，也是一个依靠数据竞争的时代。目前世界500强企业中，有90%以上都建立了数据分析部门。知名公司都积极投资数据业务，建立数据部门，培养数据分析团队。各国政府和越来越多的企业意识到数据和信息已经成为企业的智力资产和资源，数据的分析和处理能力正在成为日益倚重的技术手段。

与传统的数据分析师相比，互联网时代的数据分析师面临的不是数据匮乏，而是数据过剩。因此，互联网时代的数据分析师必须学会借助技术手段进行高效的数据处理。

 

数据分析师的定义（来源：百度百科）

数据分析师 是数据师的一种，指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。具体要求如下：

1、懂业务。从事数据分析工作的前提就会需要懂业务，即熟悉行业知识、公司业务及流程，最好有自己独到的见解，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的使用价值。

2、懂管理。一方面是搭建数据分析框架的要求，比如确定分析思路就需要用到营销、管理等理论知识来指导，如果不熟悉管理理论，就很难搭建数据分析的框架，后续的数据分析也很难进行。另一方面的作用是针对数据分析结论提出有指导意义的分析建议。

3、懂分析。指掌握数据分析基本原理与一些有效的数据分析方法，并能灵活运用到实践工作中，以便有效的开展数据分析。基本的分析方法有：对比分析法、分组分析法、交叉分析法、结构分析法、漏斗图分析法、综合评价分析法、因素分析法、矩阵关联分析法等。高级的分析方法有：相关分析法、回归分析法、聚类分析法、判别分析法、主成分分析法、因子分析法、对应分析法、时间序列等。

4、懂工具。指掌握数据分析相关的常用工具。数据分析方法是理论，而数据分析工具就是实现数据分析方法理论的工具，面对越来越庞大的数据，我们不能依靠计算器进行分析，必须依靠强大的数据分析工具帮我们完成数据分析工作。

5、懂设计。懂设计是指运用图表有效表达数据分析师的分析观点，使分析结果一目了然。图表的设计是门大学问，如图形的选择、版式的设计、颜色的搭配等等，都需要掌握一定的设计原则。

现在，每个人不能只会一样技能，要求多面手啊！

本人觉得在移动互联网时代，还要增加一项技能：

6、懂运营。熟悉内容、用户、活动等各个模块的运营，熟悉各类产品形态，有能力通过各种运营手段的组合拉升一个产品大部分的主要数据，同时还可以做到跟产品间的沟通无障碍，甚至可以出一些简单的产品方案。

 

关于数据分析师的职业发展

1、数据分析师通常分两类，分工不同，但各有优势。

　　一类是在专门的挖掘团队里面从事数据挖掘和分析工作的。如果你能在这类专业团队学习成长，那是幸运的，但进入这类团队的门槛较高，需要扎实的数据挖掘知识、挖掘工具应用经验和编程能力。该类分析师更偏向技术线条，未来的职业通道可能走专家的技术路线。

　　另一类是下沉到各业务团队或者运营部门的数据分析师，成为业务团队的一员。他们工作是支撑业务运营，包括日常业务的异常监控、客户和市场研究、参与产品开发、建立数据模型提升运营效率等。该类型分析师偏向产品和运营，可以转向做运营和产品。

2、数据分析师的理想行业在互联网，但条条大道通罗马，走合适你的路线。

　　从行业的角度来看：

　　1)互联网行业是数据分析应用最广的行业，其中的电商企业，更是目前最火的，而且企业也更重视数据分析的价值，是数据分析师理想的成长平台。

　　2)其次是咨询公司，他们需要数据分析人才，而且相对来说，数据分析师在咨询公司成长的速度更快，专业也会更全面。

　　3)再次是金融行业，比如银行和证券等行业，该行业对数据分析的依赖需求，越来越大。

　　4)最后是电信行业，它们拥有海量的数据，在严峻的竞争下，也越来越重视数据分析，但进入这些公司的门槛比较高。

 

数据分析人员该如何提升自己？

1、多读书（摘自知乎）

——小白篇——

大数据时代；浪潮之巅；互联网创业密码；从0到1；决战大数据；块数据；大数据预测:告诉你谁会点击、购买、死去或撒谎；信号和噪声；数据之巅；跨界:开启互联网与传统行业融合新趋势；删除:大数据取舍之道；互联网思维:工作、生活、商业的大革新

——菜逼篇——

数据化管理:洞悉零售及电子商务运营；转化:提升网站流量和转化率的技巧；社交网站的数据挖掘与分析；数据分析 :企业的贤内助；淘宝大数据；网站数据分析:数据驱动的网站管理.优化和运营；人人都是网站分析师:从分析师的视角理解网站和解读数据；大数据营销:定位客户；数据挖掘与数据化运营实战 :思路.方法.技巧与应用；大数据分析:决胜互联网金融时代；分析的力量；网站数据挖掘与分析:系统方法与商业实践

——菜鸟篇——

谁说菜鸟不会数据分析（工具篇+入门篇）；EXCEL图表之道/如何制作专业有效的商务图表；决策分析:以Excel为分析工具；Word/Excel/PPT2013商务办公从新手到高手；实用数据分析；深入浅出数据分析；构建高效数据分析模板:职场必学的Excel函数与动态图表高级；SAS统计分析与应用从入门到精通(第2版) ；IBM SPSS数据分析与挖掘实战案例精粹；从零进阶!数据分析的统计基础；Excel 2010函数与公式；Excel高效办公.数据处理与分析

——高手篇——

集体智慧编程；利用Python进行数据分析；数据挖掘与R语言；R语言与数据挖掘最佳实践和经典案例；R的极客理想工具篇；数据挖掘 :实用案例分析；R与Hadoop大数据分析实战；深入理解大数据:大数据处理与编程实践；数据挖掘:实用机器学习工具与技术；R语言与网站分析；Mahout算法解析与案例实战；算法心得:高效算法的奥秘

——大神篇——

大数据管理:数据集成的技术、方法与最佳实践；HADOOP技术内幕系列；MYSQL技术内幕；Storm 实时数据处理；Spark快速数据处理；Oracle数据库性能优化的艺术；Oracle达人修炼秘籍:Oracle 11g数据库管理与开发指南；Hadoop应用开发技术详解

——产品运营篇——

人人都是产品经理；互联网运营之道；结网；淘宝十年产品事；运营之光

 

2、培训提升

目前，针对高级人员的数据分析相关课程有：

大数据处理技术-基于Hadoop/Yarn的实战

大数据实时处理–基于Spark的大数据实时处理及应用技术

数据仓库与数据挖掘（结合SPSS和WEKA）

Python和R数据挖掘技术-基于Python和R语言的数据挖掘和统计分析技术

大数据分析挖掘-基于Hadoop/Mahout/MLlib的大数据挖掘

Spark大数据挖掘工具MLlib实战(机器学习)

大数据可视化技术与应用

Python语言基础及数据分析技术

 

综上所述，在移动互联网时代下，单一的数据分析人才不但要提高技术水平，还要与时俱进，懂得从产品运营中获取数据，分析出更有价值的产品，满足用户日益增长的需求体验！