作者：黄小伟，资深数据从业者。目前就职杭州有赞数据分析团队，欢迎加入!
清代陈澹然《寤言二·迁都建藩议》："不谋万世者，不足谋一时；不谋全局者，不足谋一域。"，对于立志从事数据分析的人而言，如果不以企业的战略需求为出发点，其行为都是短视的，难以满足企业长期发展的诉求。近期刘思喆老师对数据分析师的职责范畴及工作流程做了阐述-数据分析师的生存手记
最近对于数据分析工作，个人也做了一些粗浅总结，希望能与更多从业者交流！
一. 企业数据战略理解数据基础建设、数据分析，必须以企业所处阶段的数据战略为出发点和归宿！对于企业而言，其在数据层面的诉求一般有三个：
而要实现这三个目标，并不是一蹴而就，而是要基于企业实际战略需求迭代实现。
- 数据治理：数据质量管理、数据中间层管理、数据规范制定(安全、协同等)
- 业务量化：借助BI指标工具、行为分析工具，实现业务的多维度、多粒度量化
- 数据驱动：基于企业战略、业务量化水平，探索业务突破策略
今年，数字中台建设持续火热，很多公司都在探索、实践，其发展带有一些必然性，因为随着企业成熟、业务多元化发展，数据战略必须以数据中台为依托进行实现，从而满足效率、资源复用性、成本可控等战略诉求。数据分析师在数据中台实践落地中，起着非常重要的作用，这一点必须要有清晰的认知、足够的重视。
网易数据中台架构
数据中台其实就是企业内部数据相关部门协同关系的重构，从而满足企业的整体战略需求。其落地实践过程好比接力比赛，需要多个团队纵向协同，先解决商业决策效率和运营效率问题，再追求企业数据货币的复利增长。
在整个过程中，我们必须意识到，数据价值没有直接或间接体现在财报上时，都是成本...我们唯一能改变的就是加快数据价值落地的过程！
谈完企业数据战略、实现步骤、数据中台，那么数据要解决的核心问题是什么？市场有一小部分人，狭隘的认为它是帮助业务取数的、做报表的…这些只是数据分析的价值，而非核心价值！
商业决策：数据本身不会产生决策观点（还会存在贬值风险，数据具有时间属性），需要有单独的角色实现数据到结论的过程，这是最基础也是最核心的需求！
运营效率：团队人效、业务增长等会随着企业增长而变化，数据需要给出业务量化，并积极寻找优化方向
数据货币：数据货币化不是简单从底层直接处理，而是必须基于业务侧实际状态反向优化，我们需要的是像货币一样可以使用的数据
二. 数据分析的命题
1.关于决策支持
“提数机”背后到底是什么？我们的目的到底是什么？
- 数据生产逻辑：产品功能、设计，数据是如何产生的？
- 数仓处理逻辑：数据仓库、数据集市聚合模型，数仓干了啥？
- 业务统计口径：业务究竟需要什么数据？
- 技术与数据嗅觉：数据处理能力、数据敏感度
2.关于BI指标体系关于BI指标建设，入门很简单，但做得“好”很难！什么样的指标体系是才是最好的？
- 以用户为中心，全方位量化业务状态
- 平衡指标全面性和复杂度
- 尽可能短的用户操作、思维链路
好的BI看板在设计过程中，一定要遵循一些原则：
3.关于专题分析几乎所有分析师都希望做这类型工作，几乎简历上大半篇幅就是专题分析。为什么呢——这个类型的工作，节奏更可控，复杂度相对较高，更加彰显个人的专业价值。在做专题分析过程中，一般遵循以下几个步骤：
4.关于资产化建设对于企业而言，在追求商业决策效率、运营效率和数据复利增长上的诉求，是无穷尽的！在决策效率、运营效率得以基本解决的基础上，会逐步考虑数据本身价值变现的问题。在资产化建设过程中，一般都要应对(优化)的几个问题：
数据安全：数据资产等级、安全规则...
数据仓库：数据中间层建设
平台化工具：自助分析平台、可视化工具
数据中台：沉淀共性服务和技术，解决决策和运营效率问题，同时促进资产货币化
5.数据分析型组织在企业的成长过程中，对于数据分析的需求程度是不同的。起始阶段需要单个优秀的分析师，接下来需要优秀的数据数据分析团队支持业务的发展，最后一定是打造一个数据分析型组织！这是数据分析师自我价值成长路径的基本面，成就自己，成就组织。
三.数据分析师的成长****1.数据分析师的进阶对于分析师，其价值取决于能够承担责任的范畴，越往后，工具、基础技术的影响越来越小。
对于数据分析师的成长，个人建议从内功、外功、工具等三个方面不断进行学习与思考。
2.数据分析师的内功
方向>选择>努力，持续自我修炼，以期在正确的方向，做正确的选择，并有所成就！
3.数据分析师的外功
4.数据分析工具
对于分析工具，诸如SQL、BI、Python、R等等，在对自己的未来职场方向有明确的目标后，可以更加专注的掌握相关工具，不建议见啥学啥。学习过数学的人都知道一个基本道理：对于一个函数，如果没有定义域(边界)，是不会有最优值的。我们做数据也一样，不能既想做大数据开发、又想做数仓、还想做数据分析...
关于数据分析师的成长，简单总结几句就是：
数据分析内功：潜心磨砺，它一定程度决定了一个分析师未来所能成长的高度
数据分析外功：快速掌握并自成体系，乃至精通而不拘泥于形式
数据分析工具：以有边界的问题为目标，精通并紧跟发展潮流
