- 相關推薦
數據分析師的層級
前段時間在微博上看到一張某集團的數據分析師職位層級表，由于表格太大，在網頁上顯得字體太小，很難看清楚，因此我將它簡化處理成如下兩張表格，分為層級1和層級2：
從表中可以看出，專家級的數據分析在分析方法的要求方面與資深數據分析師是相同的，層級2與層級1的能力差別主要體現在業務分析能力、管理能力和影響力等方面。要從“使命必達”的助理數據分析師，成長為“獨擋一面”的數據分析專家，其中必然需要學習很多知識、積累很多經驗、提升很多技能，這對從事數據分析的人有一定的指導意義，在做職業規劃時可以參考。
按照不同分析方法所能給人帶來的智能程度，可以把分析能力劃分為以下8個等級。
上面的8級劃分源自SAS網站的Eight levels of analytics，由IDMer編譯而成，個人覺得其中的8張圖片非常形象生動，網友@數據小宇軍用兩個圖表將它們更好地展示出來了：
數據分析師的級別
1、數據跟蹤員：機械拷貝看到的數據，很少處理數據
雖然這個工作的人還不能稱作數據分析師，但是往往作這樣工作的人還都自稱是數據分析師，這樣的人，只能通過×××系統看到有限的數據，并且很少去處理數據，甚至不理解數據的由來和含義，只是機械的把自己看到的數據拷貝出來，轉發給相應的人。這類人發出來的數據，是否有意義，怎么解讀，他自己是不知道的，只能期望收到數據的人了。
2、數據查詢員/處理員：數據處理沒問題，缺乏數據解讀能力
這些人可以稱為分析師了，他們已經對數據有一定的理解了，對于大部分數據，他們也知道數據的定義，并且可以通過監控系統或者原始的數據，處理得到這些數據。統計學的方法，這批人還是很精通的，統計學的工具，他們也是用起來得心應手，你讓他們做一下因子分析，聚類肯定是沒問題，各類檢驗也是用的爐火純青。他們的不足是：1、如果不告訴他們命題，那么他們就不知道該應用什么樣的方法去得到結論了。2、對于數據的處理沒問題，但是卻沒有一個很好的數據解讀能力。只能在統計學的角度上解釋數據。
3、數據分析師：解讀數據，定位問題提出答案
數據分析師這群人，對于數據的處理已經不是問題了，他們的重點已經轉化到怎么樣去解讀數據了，同樣的數據，在不同人的眼中有不一致的內容。好的數據分析師，是能通過數據找到問題，準確的定位問題，準確的找到問題產生的原因，為下一步的改進，找到機會點的人。往往科班出身的人，欠缺的不是在處理數據上，而是在解讀數據上，至于將數據和產品結合到一起，則是其更缺少的能力了。
4、數據應用師：將數據還原到產品中，為產品所用
數據應用，這個詞很少被提到。但是應用數據被提的很多，分析了大量的數據，除了能找到問題以外，還有很多數據可以還原到產品中，為產品所用。典型的是在電子商務的網站中，用戶的購買數據，查看數據和操作的記錄，往往是為其推薦新商品的好起點，而數據應用師就是要通過自己的分析，給相應的產品人員一個應該推薦什么產品，購買的可能性會最大的一個結論。國內能做到這個級別的數據人員還真是少的可憐，甚至大部分人員連數據的視圖都搞不定，而真正意義上的能數據應用師，可以用數據讓一個產品變得更加地簡單高效。
5、數據規劃師：走在產品前面，讓數據有新的價值方向
數據規劃師，不能說水平上比數據應用師高多少，而是另外一個讓數據有價值的方向。往往在實際的應用中，數據都是有其生命周期的，用來分析、應用的數據也是，這點上，尤其是在互聯網公司更加明顯，一個版本的更新，可能導致之前的所有數據都一定程度的失效。數據規劃師在一個產品設計之前，就已經分析到了，這個產品應該記錄什么樣的數據，這些數據能跟蹤什么問題，哪些記錄到的數據，應該可以用到數據中去，可以對產品產生什么樣的價值。
以上資料來源于網絡，如有侵權，請聯系博主。
| 1. 標準報表 回答: 發生了什么？什么時候發生的？ 示例：月度或季度財務報表 我們都見過報表，它們一般是定期生成，用來回答在某個特定的領域發生了什么。從某種程度上來說它們是有用的，但無法用于制定長期決策。 | |
| 2. 即席查詢 回答：有多少數量？發生了多少次？在哪里？ 示例：一周內各天各種門診的病人數量報告。 即席查詢的最大好處是，讓你不斷提出問題并尋找答案。 | |
| 3. 多維分析 回答：問題到底出在哪里？我該如何尋找答案？ 示例：對各種手機類型的用戶進行排序，探查他們的呼叫行為。 通過多維分析(OLAP)的鉆取功能，可以讓您有初步的發現。鉆取功能如同層層剝筍，發現問題所在。 | |
| 4. 警報 回答：我什么時候該有所反應？現在該做什么？ 示例：當銷售額落后于目標時，銷售總監將收到警報。 警報可以讓您知道什么時候出了問題，并當問題再次出現時及時告知您。警報可以通過電子郵件、RSS訂閱、評分卡或儀表盤上的紅色信號燈來展示 | |
| 5. 統計分析 回答：為什么會出現這種情況？我錯失了什么機會？ 示例：銀行可以弄清楚為什么重新申請房貸的客戶在增多。 這時您已經可以進行一些復雜的分析，比如頻次分析模型或回歸分析等等。統計分析是在歷史數據中進行統計并總結規律。 | |
| 6. 預報 回答：如果持續這種發展趨勢，未來會怎么樣？還需要多少？什么時候需要？ 示例：零售商可以預計特定商品未來一段時間在各個門店的需求量。 預報可以說是最熱門的分析應用之一，各行各業都用得到。特別對于供應商來說，能夠準確預報需求，就可以讓他們合理安排庫存，既不會缺貨，也不會積壓。 | |
| 7. 預測型建模 回答：接下來會發生什么？它對業務的影響程度如何？ 示例：酒店和娛樂行業可以預測哪些VIP客戶會對特定度假產品有興趣。 如果您擁有上千萬的客戶，并希望展開一次市場營銷活動，那么哪些人會是最可能響應的客戶呢？如何劃分出這些客戶？哪些客戶會流失？預測型建模能夠給出解答。 | |
| 8. 優化 回答：如何把事情做得更好？對于一個復雜問題來說，那種決策是最優的？ 示例：在給定了業務上的優先級、資源調配的約束條件以及可用技術的情況下，請您來給出IT平臺優化的最佳方案，以滿足每個用戶的需求。 優化帶來創新，它同時考慮到資源與需求，幫助您找到實現目標的最佳方式。 |
【數據分析師的層級】相關文章：
數據分析師的職責02-07
數據分析師工作職責05-27
數據分析師的崗位職責11-03
數據分析師崗位職責07-01
數據分析師的職責15篇02-07
數據分析師的職責(15篇)02-08
數據分析師的職責精選15篇02-08
數據分析師個人簡歷03-03
高級數據分析師的工作職責12-30
數據分析師工作職責（精選15篇）04-14