浅谈互联网数据分析师的技能加点和各职级需求

个人背景：北京某互联网大厂，工作六年，数据分析相关四年经验，对标阿里P6+，月入接近2狗
免责声明：这份说明更多的是基于我个人，在过去4年中几十份的面试/被面试经验，北京一线的互联网公司在数据分析师的需求上大致相同，在此只描述通用性需求，不涉及部分公司的特殊要求
岗位描述基于数据分析师，不涉及数仓工程师、数据产品经理

对于实习生的要求一般不多，每周4天以上的到岗，6个月以上的实习期就好

专业能力：
1. Excel基础
会用数据透视表、Vlookup、VBA是加分项
2. SQL
会写(抄)基本的代码、对自己的代码可以基于错误提示debug的能力、了解窗口函数

通用能力：
1. 表达清楚流利，性格开朗，工作态度认真

作为应届生，在学校里学到的东西不是最重要的，参与的社团也不是，更多是看你学校的背景、以及面试表现
你的期望薪资应该是10-15k/月，加上1-2个月的年终

专业能力：
1.SQL
SQL - 必须
对于初级岗位来说，SQL是必须的，你的本职工作中一大部分就是提数、做报表、配置看板
2.数据分析能力
了解基本的数据分析思路，标杆对比、趋势分析，指标的下钻拆解
标杆对比 - 我和目标比，和竞争对手比，数据表现如何？
趋势分析 - 和上周/上个月/去年比，数据表现如何？
下钻拆解 A = A1+A2+A3， A1 = B1 x C1
3.数据可视化
Excel - 必须
会做Excel制作图表，用报表工具配置可视化报表

通用能力：
1.学习能力
能够快速积累经验、学习专业技能和做事方法，把自己学习的心得进行沉淀、文档化，在他人的指导能够下完成一件一件的事情并对结果负责
2.沟通和表达能力
能够表达清楚自己的想法和期望，做事情时遇到的困难，需要的支持，对于事情的看法、观点
推荐“金字塔原理”

在更进一层以后，你已经有了独立面对一个方向的能力的能力，掌握了在应届生阶段的所有技能，并能指导实习生协助你一起工作
你会逐渐意识到经验的重要性，因为这个层级里面的很多知识都不是学校教给你的。“想要成功，你需要先见过体系，然后建过体系”
可能一狗离你还有点距离，但并不遥远

专业能力：
1.SQL&Python/R
SQL - 必须
通常在这个级别，还是需要自己写代码提数的...而且还要带实习生一起干。你已经可以通过百度熟练解决各种SQL提取问题，包括窗口函数、正则表达式、子查询、UDF等都能抄着用用
对于Hive/Hadoop也有所了解，开始会考虑数据的运行效率、解决数据偏斜问题


Python和R - 可选
对于正常的数据分析师来说，一般只有部分研究性项目会考虑用到Python和R，比如让你画个热力地图，跑个统计算法之类的
SPSS这种专业工具也挺好的，但是要注意合规性
特征学习大部分情况下都是提需求给到对应的算法/RD团队

2.数据仓库
数据仓库模型 - 必选
在知道数据的使用链路以后，你还需要了解数据的加工链路，包括数据仓库模型分层的逻辑，生产数据层、明细层、汇总/主题层、应用层
你知道为了你要看的数据，需要在现有数据上如何增加出一个新的数据结构，来满足你的需求。注意尽量选取通用化、中台化的数据结构，而不是一个主题一个主题的数据烟囱

数据资产 - 可选
指标口径、数据加工流程标准化这两个是必须的，此外希望你有编写流程、规范、指导文档的能力，这些都是你能留下来的数据资产

3.数据分析
在基础分析方法上，增加以下内容：
指标体系 - 必选
你需要了解如何建立指标体系，数据分析最重要的一点就是“所有业务数据化，所有数据业务化”
指标体系代表了业务关键节点的数据化定义，数据展示方法代表了你对业务的分析思路，基于管理层核心KPI和业务运转方式中的各个关键节点，去定义T1级别核心指标，分拆至各个产品、渠道、事业部、区域等维度，下钻拆解为次级细分指标

方向经验 - 至少有一个
你需要对一个业务方向的数据分析有充足的经验，了解业务是如何开展的，可以使用哪些通用的分析模型
以用户分析为例：
1)对需要研究的全部用户定性分群，最出名的是AARRR，我喜欢AIPL
2)依照用户的表现(行为标签)和价值做二次细分，RFM、FAST、GROW之类的
获客阶段希望你可以说清楚是分哪些渠道、端、投放方式，然后方式有哪些，对应的数据应该怎么抓取(埋点、DSP)，每个渠道投放的ROI如何评估及改善(PV、UV、转化率和投入)，如何设定不同的实验来验证有效性(A/B测试，分桶，分组别对比引流、付费、留存率等)
然后运营阶段和获客阶段类似，你需要知道如何基于用户的行为、表现做二次分层，打上行为标签。一种类似于RFM、另一种是用户在APP/网页中浏览触发埋点，聚合成路径的标签。然后这两种标签打上之后，如何通过优惠券、促销、PUSH等方式来刺激用户

基础能力：
在“学习能力”、“沟通和表达能力”基础上增加
1.需求处理及项目跟进
你需要在自己的领域判断需求优先级，跟进项目进度，同时具备有写简单BRD的能力

关于P6和P6+的区别，主要是阿里职级的P6太宽泛了，放到其他公司通常可以对应2-4个职级，就拆开来讲了。毕竟1狗和2狗的差距还挺大的

专业能力
1.SQL&Python/R
SQL - 可选
Python/R - 可选
在这个职级，代码能力对于分析师来说的重要性开始降低了，你会开始将自己的精力更多的放在专项研究、体系搭建上面，需要你提数的场合变少了
有财务、投资、用研这些特殊经验的话、没有代码能力也可以

2.数据仓库
同P6，你已经了解数据是如何生产的，至于数据架构...和你也没什么关系

3.数据分析
在这个职级，你需要对一个产品线/事业部级别的全面了解，比如说某个事业部的整体经营分析，用户、体验、流量、订单、供应链、商品...

你脑海开始具有了商业模式的雏形：
你所在的事业部的经营状况如何？年度目标是什么？预算拆分的逻辑、执行期关注的核心指标有哪些？核心指标与各个部门的老板有什么关系？在各个部门内部，又是如何通过核心指标和衍生指标来进行决策、评估业务行为的？

或者也可以是某个专题的公司级分析，比如对整体财务分析&财管报出具

通用能力
1.找资源、推进项目的能力
需要有独立推动小型项目的能力、并能够发挥自己在公司内部的影响力搞定事情
2.初级管理(向上、横向管理)
在这个级别主要的是向上管理和横向管理，在你的领导、同事心中建立影响力

P7基本就是年入百万的级别啦，当然会有股票、期权、各种福利拼拼凑凑...纯工资百万比较难
专业能力上，和P6+的差距在对业务的影响力、商业模式理解上

专业能力
1.数据仓库
资源和预算考量 - 必须
你需要对数据的生产链路和使用链路非常熟悉，明晰这两者是如何关联的，如何根据业务量级去考虑对应的研发团队、机器资源预算，推动研发同学进行数据治理、效率提升也是你的工作之一

2.数据分析
复杂业务下的多场景分析能力 - 必须
参考P6+，从广度上来说，这时候你具有的是公司多条产品线的综合分析能力；从深度上来说，你不仅在执行期可以监控业务的发展，你会更多的介入到预算的制定，如果用dota来瞎举例的话：
你的战略目标是赢下比赛，通过历史测算或者经验数据，你知道10分钟C位如果能打5000块的话，赢面就很大
那么在执行的时候，其中一个目标就是给C位10分钟打5000块钱，拆分到对线期补兵3500，补双野1500；对线期补兵的3500拆分到行为，就是前十分钟正反补不漏超过五个刀，双野同理拉到几波
然后在预算制定时，你就需要关注，是不是选了辅助去拉双野，而且选了适合屯野而不是游走gank的辅助，本身5000的目标是否合适于现在的版本这些问题

3.商业模式理解
你深入的理解这个公司的各个模块是如何运转的，业务部门的战略方向及行动，以及业务部门的行为如何影响财务指标，各种指标的标准值、目前数值和理想模型的差距...

感谢你看到这里，写这篇文章主要是想起了自己1年半以前的疑惑，具体见下贴：
[url]https://bbs.nga.cn/read.php?pid=328177654&opt=128[/url]
感谢那位楼主，也希望可以给那时候的自己做个解答
现在的路径有3条：
1.走产品路线，转产品经理，有数据产品、数据仓库两条路
2.走管理路线，数据分析团队的管理者，带团队搭体系，最后转业务
3.走研究路线，做行业研究/算法研究，需要很强的学术能力