CDA數據分析師 出品
Q
給CDA的小夥伴們打個招呼，介紹下您和您剛剛出版的新書，是什麼原因激發了您寫這本書的？
A
Hello，大家好，我是《數據分析之道——用數據思維指導業務實戰》的作者李渝方，現在數網際網路行業的一名數據分析師。從19年開始我就在知乎和公眾號數據萬花筒輸出數據分析相關的內容，但從來沒有過寫書的想法，直到後來有出版社的編輯陸續找到我，邀請我寫一本數據分析相關的書籍。剛開始我是拒絕的，覺得自己還沒有達到能夠寫書的水平，後來在編輯的鼓勵下以及公眾號內容的積累，我決定一試，於是開始確定主題、整理目錄。
其實市面上數據分析的書籍已經很多了，要寫書就不能太同質化，看了京東、噹噹在銷售的書籍之後，我發現市面上大部分數據分析相關的書籍都是從工具出發，關於數據分析思維的書籍較少且部分書籍講授的知識點較淺，能夠將數據思維、程式語言、統計學思想以及案例分析等模塊融為一體的書籍更是少之又少，於是我萌生出想要寫一本以數據分析全流程為主線的數據思維相關的書籍。由於我長期堅持分享在自媒體上分享數據分析相關的轉行經驗、數據分析思維相關經驗和思考，幾年下來積澱不少優質文章，為後續書籍的創作奠定了一定基礎，最終也開始了自己長達一年的寫書歷程並於2022年3月份正式出版了《數據分析之道——用數據思維指導業務實戰》。
Q
您是如何走上專業數據分析師之路的？
A
我走上數據分析之路算是早有規劃吧。我本科學的是生物科學專業，作為基礎學科如果畢業直接工作的話醫藥行業做醫藥代表或者培訓機構當老師，嘗試幾次面試之後，我決定放棄工作，還是讀研會比較好。為了給後面的轉行奠定基礎，我得從純生物專業轉向一個交叉學科，生物信息學就是一個比較好的方向。這裡並不是說生物醫學不好，在疫情肆虐的這幾年生物醫學的重要性更加體現的淋漓盡致，但想要在生物醫學領域做出一番貢獻的確比較難，只有極少數的人能夠實現，我堅信自己不會是那麼極少數的人，所以選擇了一條適合自身發展的一條道路。
在研究生期間，我的專業就是生物醫學與計算機結合的一本交叉學科，在此期間接觸到了生物醫學大數據分析，學習了大數據分析的相關技能，從第一份實習開始做的就是數據相關的內容，也由此走上了數據分析之路。
Q
關於知識儲備，哪些是校內學的課程和內容，哪些是在工作中學的，或自學的？分別對後來的發展有哪些指導意義？
A
數據分析的知識儲備包括硬技能和軟技能，所謂的硬技能就是數據分析中需要掌握的分析工具。如圖1所示，數據分析師需要掌握的分析工具包括SQL、Excel、BI工具以及Python。
（數據分析的硬技能）
無論是實習還是求職，數據分析硬技能都是必考的內容，所以這些硬技能基本都是學校學習或者是課後自學的。復旦是一所「自由而無用「的高校，跨校區上課、蹭課旁聽只要你願意都是可以的，所以在研一一年幾乎天天往返復旦的四個校區上了《數據科學》、《機器學習》、《數據挖掘》、《面向大數據的機器學習算法》、《生物信息學》、《生物統計學》等多門數據分析的基礎課程，因此掌握了R、Python等數據分析常用的工具。但是做數據分析SQL肯定是必不可少的呀，這時候B站自學也就開始了,B站真的還是有很多優質的課程，在我的數據分析之路上幫了不少忙。數據分析硬技能很重要，至少是在剛入門以及初級階段，數據分析的硬技能是進入數據分析行業的敲門磚。
除了數據分析的硬技能之外，數據分析軟技能也是十分重要的，常見的數據分析軟技能總結如圖2所示，包括了對行業的認知、數據分析思維、溝通能力等等。軟技能的話，在學校基本就很難學到了，都是需要在實習、工作中不斷積累的。
（數據分析的軟技能）
Q
您覺得優秀的數據分析師應該具備什麼素質和技能？
A
數據分析師的硬技能是數據分析師入門的一個敲門磚，非常重要，但是隨著工作年限的增長，數據分析的軟技能就顯得尤為重要了。首先，數據分析師一定要懂業務，任何脫離業務場景的數據分析最終都是無法落地的，數據分析師能夠站在業務的角度通過數據去分析問題，提出一些合理的意見和建議，輔助業務進行決策；其次，數據分析師的溝通表達能力，推動項目落地的能力也是極為重要的，有了一個好的數據分析報告和方案，就需要把它銷售出去，讓業務方接受認可數據結論和方案，直至推動項目落地。
Q
您如何看待數據分析師的發展趨勢？可以給即將成為數據分析師的同學或者已經是數據分析師的同學有那些意見和建議
A
數據驅動業務是網際網路時代的主題，邁向了人人都是數據分析師的時代。近些年來，數據分析這個崗位超級火爆。一部分原因是隨著網際網路的發展，每款APP每天都會產生大量的數據，因此也需要有人專門對數據進行分析和處理，從而在數據層面監控業務情況，數據分析師也就這樣誕生了。數據分析的確是需求很大的一個崗位，近幾年越是如此！
對於已經入行數據分析的同學來說，熟悉業務、基於業務場景作出優秀的分析報告並給出一定的建議和意見，推動業務的發展是我們的追求和價值所在；而對於還沒有入行或者想要轉行的的同學來說，還是需要慎重考慮。數據分析又多火，這個行業就會有多卷。數據分析雖然是進入網際網路的一個絕佳途徑，而且薪資待遇也不錯，但不要盲目轉行。畢竟存在「倖存者偏差」，大家看到的能夠轉行成功的畢竟都是倖存者，還有一大批想要轉行的不知在哪個環節就放棄了，所以大家在考慮轉行的時候一定要考慮自身的實際情況，選擇合適自己的道路。
最後感謝老師的解答，希望對大家的未來發展有所幫助，也歡迎大家關注CDA數字化系列叢書《數據分析之道：用數據思維指導業務實戰》，後期還會有更多的CDA數字化系列叢書出版，歡迎繼續關注。
附圖書目錄：
目 錄
第1篇 數據思維
第1章 數據思維是什麼
1.1 從數據治理流程淺談數據思維
1.2 數據思維到底是什麼
1.3 數據思維最直觀的解釋
第2章 為什麼數據思維如此重要
2.1 數據思維是數據分析師必備的技能
2.2 數據思維是數據分析師成長晉升的必備技能
2.3 數據思維能幫助數據分析師建立影響力
第3章 數據思維如何培養
3.1 熟悉常用的數據分析方法
3.2 樹立目標意識，尋找潛在分析點
3.3 不預設立場，通過客觀的標準代替主觀的判斷
3.4 基於數據分析結果為業務方提出切實可行的解決方案
第2篇 數據指標體系
第4章 數據埋點
4.1 數據埋點簡介
4.2 數據埋點分類及主流的數據上報技術
4.3 數據埋點方案設計
第5章 數據標籤體系
5.1 數據標籤體系與用戶畫像
5.2 如何構建數據標籤體系
5.3 數據標籤體系的應用場景
第6章 數據指標體系
6.1 從中國人口數據初識指標體系構建
6.2 用四個模型梳理數據指標體系構建的方法論
6.3 如何搭建一套通用的指標體系並快速落地應用
6.4 定位異動因素
第3 篇 數據分析方法論
第7章 對比思維
7.1利用對比分析得出結論
7.2 A/B 試驗設計及容易忽略的誤區
7.3 A/B 試驗背後涉及的統計學原理
7.4 Python 實戰：A/B 試驗在廣告方案選擇中的應用
第8章 分群思維
8.1 從用戶生命周期淺談分群思維
8.2 用數據分箱進行結構化分析
8.3 同期群分析解讀用戶生命周期，剖析真實用戶行為和價值
8.4 Python 實戰：基於RFM 模型及K-Means 算法實現用戶分群
第9 章 相關與因果. 133
9.1 相關性分析簡介
9.2 因果推斷方法論
9.3 Python 實戰：利用DoWhy 框架實現因果推斷
第4 篇 數據分析案例實戰
第10 章 用戶流失分析
10.1 用戶流失分析方法論
10.2 案例分析：用5W2H 方法分析遊戲用戶流失原因
10.3 用5 個理論模型構建外部因素分析框架
10.4 如何設計問卷驗證用戶流失的原因
10.5 Python 實戰：通過生存分析預測用戶流失周期
第11 章 用戶轉化與付費分析
11.1 用戶轉化與付費分析概述
11.2 貝葉斯公式在用戶轉化中的應用
11.3 案例分析：用漏斗模型分析某電商平台換貨業務，提升用戶轉化率
點這裡關注我，記得標星哦~
CDA課程諮詢