数据分析师职业规划

为什么需要数据分析？

没有衡量就没有改进。数据是对现实世界的映射，能帮助我们建立量化的逻辑体系。数据中隐含着规律。

数据分析最重要的能力？

规划解决方案（识题-》拆解-》排序-》反馈）+解决具体问题（统计学+机器学习）：

1、规划解决方案

识题-》拆解-》排序-》反馈

尽可能的了解现状，识别真正问题-》分析因果关系，拆解成可执行的小目标-》设定优先要解决的课题，收益/成本最大化的-》通过反馈循环之前的步骤

问题来源一定，是一个或一些列业务指标。比如利润。那么验收也就是看指标的升降，代表现实世界发生了改变。

大目标是系列小目标组成的。比如利润，是销售额和成本的综合影响。

最终指标与中间指标的逻辑关系越强，大目标能拆的越细，中间的过程就越能被我们把控。

怎么提升规划能力？方法论就在这里，通过实践和反馈，不断提升。

2、解决具体问题

大的目标已经被我们拆解成了小目标。比如找用户流失跟哪些特征有关。

有没有完善的统计学知识。有没有机器学习实践。能解决的问题方法和效率就截然不同。

统计学+机器学习。要想上升，是必选项。

从这儿就产生了分化，在机器学习领域沉浸很深，专注于解决具体问题，即所谓偏算法。

对各种算法了解应用场景和局限，模型原理，但是代码能力不强，即所谓偏业务。

当我们说自己偏业务时候，可能不是自己业务分析能力强，而是根本不懂机器学习，这就尴尬了，悲剧了。

所以不管说，自己能不能写很多机器学习代码，他们的应用场景是必须知道的，这样即使自己实现不了，也可以委托给算法组的人，有效的分工合作。

据说未来趋势是你的跟人工智能合作的能力决定了你的薪资。以上。