到底高級的數據分析師需要啥能力？這是很多人心中的疑惑。網上流行的都是Excel，SQL，Python/ target=_blank class=infotextkey>Python，都是數據分析從0到1，那到底從1到100該弄些啥？陳老師給大家準備了一個《數據分析年底盤點》系列分享，今天，就從很少人講的“能力”開始。
首先，咱先清晰下：知識、技能、能力的區別：
1、知識，比如統計學、數學、運籌學、機器學習，知識有理論體系，可以對著書學。
2、技能，比如Excel、SQL、Python、Tableau等軟件。可以通過反復操作提升的。
3、能力，比如業務理解，溝通，邏輯思維，匯報等，這些很重要但沒有標準教程。
那想要完成從1到100的成長，數據分析師該具備哪些能力呢？
能力一：業務理解
這是脫離底層SQLboy，取數工具人的第一步。組長級以上的數據分析師，都得跟業務直接溝通項目，數據部門總監要上經營分析會，不懂業務是過不去的。一個公司的業務，有戰略、戰術、戰斗三層，數據分析師的理解，也是分三層次的（如下圖）：
圖片
想要全面理解業務，可能需要在行業里待很多年。但使用價值鏈模型+財務報表，可以快速理解一個行業的主要收入、成本結構，快速建立認知，應付面試是夠了。具體的業務流程梳理，可以借助企業的SOP+業務系統的流程，快速理解。
能力二：梳理指標
因為業務流程非常靈活多變，很多時候高級的數據分析師要自己動手梳理指標（而不是背誦AARRR之流）梳理指標體系。梳理指標體系需要結合具體業務流程（即業務理解里戰斗層）。數據指標有總分式和流程式兩種基本形態（如下圖），但很多時候，業務流程本身很復雜，步驟非常多，因此需要有能力細細梳理。
圖片
能力三：設計標簽
設計標簽能力和梳理指標一樣重要，但是經常被人忽視。高級的數據分析師可不是只會把維度表里的城市、性別、年齡拖出來用，而是能很敏銳地從業務口中捕捉到“高級用戶”“長線運營”“防御性產品”這種詞語，然后試著用數據量化。
這些有業務含義的標簽，俗稱“黑話”“行話”，是衡量一個數據分析師對行業理解的重要標準。當然，能隨時設計一個新標簽，更是高能力的體現（如下圖）：
圖片
能力四：溝通需求
有了指標和標簽，可以開始取數了。但未經處理的原始數據需求，經常是混亂的，比如：
“喂！給我個數，就常規那種數就行，快點！”
“給我預測下明年銷量，不用100%準，99%準就行”
“幫我算算哪個用戶不買單，我去了他就買的那種”
一個合格的數據組長、部門經理，有能力把這些混亂的表達，整理成標準化的指標+維度，并且能弄清業務看數據的目的。這是非常重要的能力！很多同學就是因為自己的領導沒這種能力，才被虐得死去活來。
圖片
一個優秀的數據部門經理，則可以從常規取數需求中，發現開發看板，開發模型的機會，從而從部門爭取更多功勞，這是更寶貴的高級能力了。
能力五：分析邏輯
所謂分析邏輯，即是如何用數據說明問題，這里有兩種典型的邏輯
1、拆分邏輯，從一個主指標出來，層層拆分，找到問題答案
2、假設邏輯，先提業務假設，再用數據驗證假設關系
一般數據分析師在自己看數據的時候，多使用拆分邏輯，從大到小找到問題點。而在和業務部門討論時，業務可能會提出分析假設，此時要剝洋蔥式驗證。分析邏輯是數據分析核心能力，如果分析能力不強，那就只能寫：“活躍低了，要搞高”這種東西。只會寫要搞高的話，基本上與高薪崗位無緣了。
圖片
能力六：設計實驗
除了利用現有數據，測試也是一個常用工具。但注意！設計實驗，是非常考驗人能力的。因為統計學的雙樣本T檢驗，只會告訴你抽樣出來的數字有沒有顯著差異，但是為啥要拿這兩組數字做對比；為啥要比這個指標；有顯著差異又說明業務上的啥問題，都得自己想明白才行。
圖片
經常有業務方在做ABtest的時候，不去思考兩個用戶群體，兩個版本有沒有可比性，不去控制一下干擾因素，搞得測試結果很難解釋。前后幾次測試不一樣，都是源于此。我們常說，一個好的實驗得基于業務，針對誰？測什么指標？控什么因素？都得想清楚，這才是推理能力的體現。
能力七：項目管理
高級的數據分析師當然需要有項目管理能力，因為數據分析工作本身就和各個業務有交集。前端埋點沒做好，業務規則不清晰，一線人員瞎操作，都會影響數據質量，影響預測的準確性，影響數據看板上線，影響模型落地。所以要有項目協調與溝通能力，推動項目實現。項目管理是所有高級崗位的通用能力。
能力八：總結匯報
匯報能力也是一項高級崗位通用能力，只不過對高級的數據分析師格外重要，因為要直面各部門老板，數據嚴謹性，總結的可科學性，推理的嚴密性要求都很高。且經常要根據老板們的意圖，隨時調整匯報方向（見風使舵），這個對個人能力要求是很高的。
